บทความภายใน/วิชาสัมมนา

งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบสนับสนุนการตัดสินใจซ่อมบำรุงเครื่องจักรเชิงพยากรณ์ที่อธิบายได้ด้วยปัญญาประดิษฐ์ (Explainable Artificial Intelligence–based Predictive Maintenance Decision Support System: XAI–PdM DSS) สำหรับอุตสาหกรรมไฟฟ้าจราจร ซึ่งเป็นอุตสาหกรรมที่พึ่งพาเครื่องจักรเฉพาะทางและมีความเสี่ยงต่อการเสื่อมสภาพและการหยุดทำงานโดยไม่คาดคิด งานวิจัยมุ่งแก้ไขข้อจำกัดของการซ่อมบำรุงแบบดั้งเดิมและระบบปัญญาประดิษฐ์แบบกล่องดำที่ขาดความโปร่งใสในการตัดสินใจ โดยใช้แนวทางการวิจัยเชิงพัฒนา (Design and Development Research: DDR) ผ่านการสังเคราะห์วรรณกรรมด้านการซ่อมบำรุงเชิงพยากรณ์ ระบบสนับสนุนการตัดสินใจ ปัญญาประดิษฐ์แบบอธิบายได้ และเทคนิคการตัดสินใจหลายเกณฑ์ ระบบที่พัฒนาขึ้นบูรณาการแบบจำลองปัญญาประดิษฐ์สำหรับการพยากรณ์ความเสื่อมสภาพของเครื่องจักร ร่วมกับเทคนิคอธิบายผลลัพธ์ ได้แก่ SHAP และ LIME เพื่อเพิ่มความโปร่งใสและความน่าเชื่อถือของการพยากรณ์ ผสานกับเทคนิคการตัดสินใจหลายเกณฑ์ในการจัดลำดับความสำคัญของงานซ่อมบำรุง และนำเสนอผลลัพธ์ผ่านแดชบอร์ดเพื่อสนับสนุนการตัดสินใจเชิงระบบ ผลการประเมินความเหมาะสมของระบบโดยผู้เชี่ยวชาญ 15 คน พบว่ามีความเหมาะสมในระดับมากที่สุด (𝑥̄ = 4.58, S.D. = 0.49) แสดงให้เห็นว่าระบบที่พัฒนาขึ้นมีศักยภาพในการสนับสนุนการตัดสินใจซ่อมบำรุงอย่างมีประสิทธิภาพ โปร่งใส และสามารถประยุกต์ใช้ได้จริงในบริบทอุตสาหกรรมไฟฟ้าจราจร อันจะช่วยลด Downtime เพิ่มความน่าเชื่อถือของเครื่องจักร และยกระดับการซ่อมบำรุงสู่ระบบอุตสาหกรรมอัจฉริยะอย่างยั่งยืน คำสำคัญ ระบบสนับสนุนการตัดสินใจ การซ่อมบำรุงเชิงพยากรณ์ ปัญญาประดิษฐ์แบบอธิบายได้ อุตสาหกรรมไฟฟ้าจราจร อายุการใช้งานคงเหลือของเครื่องจักร