การค้นพบรูปแบบขององค์ประกอบการออกแบบด้วยวิธีการทำเหมืองกฎความสัมพันธ์

ธีรยุทธ สินล้าน

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/52116

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	สุกรี สินธุภิญโญ	-
dc.contributor.author	ธีรยุทธ สินล้าน	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2017-03-03T01:47:58Z	-
dc.date.available	2017-03-03T01:47:58Z	-
dc.date.issued	2554	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/52116	-
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2554	en_US
dc.description.abstract	งานวิจัยนี้ได้นำเสนอวิธีการค้นหารูปแบบกฎความสัมพันธ์ขององค์ประกอบการออกแบบจากภาพรวมที่ตรงกับความต้องการทางความรู้สึกของผู้บริโภคโดยนำเอาทฤษฏีวิศวกรรมทางอารมณ์ (Kansei Engineering) และการทำเหมืองความสัมพันธ์ (Association Rules Mining) มาใช้ในการศึกษานี้ ทฤษฏีวิศวกรรมทางอารมณ์เป็นเทคนิคการแปลงอารมณ์และความรู้สึกไปใช้ประโยชน์ในการวิเคราะห์หาองค์ประกอบที่มีผลทำให้เกิดความรู้สึกต่างๆ โดยการทำเหมืองความสัมพันธ์บนระดับความรู้สึกและองค์ประกอบการออกแบบของสินค้า แล้วนำผลลัพธ์ที่ได้ไปช่วยในการตัดสินใจออกแบบสินค้าให้แก่นักออกแบบ แบ่งขั้นตอนการทำงานเป็น 3 ขั้นตอนคือ 1) รวบรวมข้อมูลจากแบบสอบถาม 2) การอนุมานเพื่อค้นหากฏความสัมพันธ์ 3) การหาผลลัพธ์จากกฎความสัมพันธ์ โดยข้อมูลที่นำมาใช้เป็นข้อมูลความพึงพอใจต่อสินค้าโซฟาจากผู้เข้าร่วมทำแบบสอบถามจำนวน 50 คน ได้ข้อมูลความพึงพอใจทั้งหมด 5,970 รายการ ผลการทดลองพบกฎความสัมพันธ์ของประเภทชิ้นส่วนองค์ประกอบ 9 กฎ มีค่า Minimum Support 5%,ค่า Maximum Support 9.5%,ค่า Minimum Confidence 50% และค่า Maximum Confidence 52.5%	en_US
dc.description.abstractalternative	This research presents the pattern of relationship between consumer's perception toward product from and sub-component elements by applying Kansei engineering and association rules mining techniques. Concept of Kansei Engineering assists in classifying emotion/feeling to affective degree in numerical data. Association rules mining is applied in this study in order to optimize the pattern of relationship among variables. The results will be used to recommend designer to design new product. The process is separated into three steps: 1) collect information from questionnaire 2) create inference system for association rules discovery 3) extract design element from results. The data in our experiment consisted of 5,970 product evaluate records. Experimental results revealed eight strong association rules with 5.0% Minimum Support, 9.5% Maximum Support, 50.0% Minimum Confidence and 52.5% Maximum Confidence.	en_US
dc.language.iso	th	en_US
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.relation.uri	http://doi.org/10.14457/CU.the.2011.2159	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.subject	การออกแบบผลิตภัณฑ์	en_US
dc.subject	ดาต้าไมนิง	en_US
dc.subject	Product design	en_US
dc.subject	Data mining	en_US
dc.title	การค้นพบรูปแบบขององค์ประกอบการออกแบบด้วยวิธีการทำเหมืองกฎความสัมพันธ์	en_US
dc.title.alternative	Design element patterns discovery using association rules mining	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	en_US
dc.degree.level	ปริญญาโท	en_US
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์	en_US
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en_US
dc.email.advisor	Sukree.S@Chula.ac.th	-
dc.identifier.DOI	10.14457/CU.the.2011.2159	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
teerayut_si.pdf		1.86 MB	Adobe PDF	View/Open

Show simple item record