Project Info
- รูปแบบงาน : งานวิจัยระดับปริญญาโท
- ปี : 2566 - 2568
- ที่ปรึกษา: ผศ.ดร. นิคม สุวรรณวร
- ร่วมงานกับ: ศูนย์วิศวกรรมระบบอัตโนมัติอัจฉริยะ และ สาขาวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยสงขลานครินทร์
บทคัดย่อ
ต้นทุนมีส่วนสำคัญอย่างมากต่อผลกำไร และการตั้งราคาของสินค้าในสภาวะที่เสถียรภาพของห่วงโซ่อุปทานน้อยลง ในงานวิจัยต่างๆ ที่ผ่านมาได้มีการใช้เครื่องมือต่าง ๆ ทางการเรียนรู้ของเครื่องจักร (Machine Learning) เช่น โครงสร้างประสาทเทียม (Artificial Neural Network หรือ ANN) และโมเดลอื่น ๆ ที่สืบทอดไป รวมถึงยังมีการใช้หลักการของการปรับเส้นโค้ง (Curve Fitting) ที่ใช้ทฤษฎีวิเคราะห์การถดถอย (Regression Analysis) ต่าง ๆ งานวิจัยชิ้นนี้เสนอโมเดลลูกผสมสำหรับการประมาณการต้นทุน โดยได้จากการรวมจุดเด่นของการใช้การเรียนรู้เครื่องจักร และ การวิเคราะห์การถดถอย โมเดลที่สร้างขึ้นตั้งอยู่บนพื้นของการประมาณการต้นทุนแบบพาราเมตริกซ์ (Parametric Cost Estimation) ที่มีการแทนที่ความสัมพันธ์สำหรับการประมาณการต้นทุน (Cost Estimation Relationships หรือ CERs) แบบดั้งเดิมด้วยการใช้โครงสร้างประสาทเทียม และใช้หลักการประมาณการต้นโดยการวิเคราะห์ (Analytic Cost Estimation) ที่มีชื่อว่า การประมาณการต้นทุนฐานกิจกรรมตามเวลา (Time-Driven Activity-Based Costing หรือ TDABC) โดยในการทดลองนี้จะใช้ข้อมูลจากอุตสาหกรรมการผลิตเนื้อปูพาสเจอร์ไรซ์พร้อมทาน เป็นกรณีศึกษา โดยอยาภายใต้การรวมทุกขั้นตอนการผลิตเป็นขั้นตอนเดียว การทำงานเริ่มจากปรับสมการหลักของการประมาณการต้นทุนฐานกิจกรรมตามเวลา ให้เหมาะสมกับโครงสร้างประสาทเทียม จากนั้นแปลงสมการให้ออกมาเป็นโมเดล ที่มีหน่วยประมวลกลาง รับผลลัพธ์มาจากหน่วยประมวลผลย่อยของต้นทุนในกลุ่มต่าง ๆ โมเดลถูกออกแบบให้มีค่าน้ำหนักของตัวแปรแต่ละตัวในส่วนย่อยของโมเดล น้ำหนักของส่วนย่อยต่อโมเดล รวมถึงค่าคงที่ที่สามารถเรียนรู้ได้อย่างไบแอส (Bias) โดยจะมีการตั้งค่าเริ่มต้นให้ในรอบที่หนึ่งของการให้การเรียนรู้ และในแต่ละรอบส่วนประกอบทั้งสามส่วนย่อยของโมเดล จะประมาณการต้นทุน และจะมารวมกันเป็นต้นทุนของสินค้า และเช่นนั้นเองในแต่ละรอบของการเรียนรู้ ค่าน้ำหนัก และ ไบแอส จะถูกปรับโดยใช้วิธีที่ได้รับแรงบันดาลใจมาจากการถดถอยของกราเดียนต์ (Gradient Descent) โดยใช้ค่าอนุพันธ์ของค่าเฉลี่ยข้อผิดพลาดกำลังสอง (Mean Square Error) ที่ได้จากการเปรียบเทียบระหว่างต้นทุนที่ทำนายได้โดยโมเดล และต้นทุนจริงของข้อมูลที่เข้ามาสอนโมเดล นอกจากนี้ยังมีการใช้หลักการการทำให้อยู่ในรูปปกติ (Normalization), การกำจัดข้อมูลที่ผิดปกติ (Outlier Removal) และ การเสริมข้อมูล (Data Augmentation) เพื่อลดความซับซ้อน และเพิ่มประสิทธิภาพการทำงานของโมเดล ผลจากการทดลองพบว่าโมเดลสามารถประมาณการต้นทุนในชุดข้อมูลจริงของโรงงานได้ มีความผิดพลาด 15.76 % ภายหลังจากการมีการกำจัดข้อมูลที่ผิดปกติและการเสริมข้อมูลแล้ว แต่ในข้อมูลที่มีความซับซ้อนสูงขึ้น ยังต้องมีการปรับแต่งและพัฒนาเพิ่มขึ้น เพื่อให้โมเดลสามารถประมาณการและได้ผลออกมาเป็นที่พอใจได้
การตีพิมพ์
Time Driven Cost Estimation Learning Model - Theethawat Savastham & Nikom Suvonvorn
Conference Paper ใน Genetic and Evolutionary Computing, ในซีรีส์ของ Lecture Notes in Electrical Engineering (LNEE,volume 1321), Springer, 8 กุมภาพันธ์ 2568 จากการนำเสนอในการประชุมวิชาการ International Conference on Genetic and Evolutionary Computing 2024 (ICGEC-2024), เมืองมิยาซากิ จังหวัดมิยาซากิ ประเทศญี่ปุ่น เมื่อ 28 สิงหาคม 2567
Savastham, T., Suvonvorn, N. (2025). Time-Driven Cost Estimation Learning Model. In: Pan, JS., Zin, T.T., Sung, TW., Lin, J.CW. (eds) Genetic and Evolutionary Computing. ICGEC 2024. Lecture Notes in Electrical Engineering, vol 1321. Springer, Singapore. https://doi.org/10.1007/978-981-96-1531-5_26
Explainable Learning Model for Cost Estimation Using Time-Driven Activity-Based Costing - Theethawat Savastham & Nikom Suvonvorn
Journal Article ใน International journal of innovative computing, information & control: IJICIC, ตั้งแต่ February 2026, Volume 22, Issue 1, Pages 129-143
Savastham, T., & Suvonvorn, N. (2026). Explainable learning model for cost estimation using time-driven activity-based costing. International Journal of Innovative Computing, Information & Control, 22(1), 129–143. https://doi.org/10.24507/ijicic.22.01.129
Artificial Neural Network-Like for Manufacturing Cost Estimation - Theethawat Savastham
Thesis Book ใน PSU Knowledge Bank
Savastham, T. (2025). Artificial neural network-like for manufacturing cost estimation [Prince of Songkla University]. https://kb.psu.ac.th/handle/2025/20120
ซอร์สโค้ด
Time Driven Cost Estimation Learning Model - GitHub
Open-source part of Time-Driven Cost Estimation Learning Model under the research titled "Artificial Neural Network like for Manufacturing Cost Estimation" wish to create neural network like system by using the core equation of time-driven activity-based costing.
Simulated Dataset - Hugging Face
Actual inspired-simulated dataset. This data is related to the Time-Driven Activity-Based Costing (TDABC) Principle.
แกลอรี่