การออกแบบระบบสนับสนุนการตัดสินใจสำหรับการแต่งกลิ่นเครื่องดื่มฟังก์ชันนัล

Design of a decision support system for functional beverage flavoring.

Name: อริยา อวนศรี

ThaSH: ระบบสนับสนุนการตัดสินใจ -- การออกแบบ

ThaSH: อาหารฟังก์ชัน

Abstract: งานวิจัยนี้มีจุดมุ่งหมายเพื่อพัฒนาซอร์ฟแวร์ระบบสนับสนุนการตัดสินใจในการเลือกแต่งกลิ่นเครื่องดื่มฟังก์ชันนัลให้เหมาะสมกับกลุ่มผู้บริโภค ทำการเลือกเครื่องดื่มฟังก์ชันนัลที่ได้รับความนิยม 5 รสชาติ ได้แก่ น้ำมะม่วงเข้มข้น น้ำเสาวรส น้ำมะเม่า น้ำเห็ดหลินจือ น้ำมังคุด โดยแต่ละรสชาติแบ่งเป็น 2 ระดับความเข้มข้น (เข้มข้น 100% กับ เข้มข้นผสม) จากนั้นสร้างแบบสอบถามความชื่นชอบด้านรส สี และกลิ่น ไปสอบถามกลุ่มตัวอย่างผู้บริโภค 400 คน แบ่งเป็น 6 กลุ่มผู้บริโภค ได้แก่ ชายวัยรุ่น ชายวัยหนุ่ม ชายวัยกลางคน หญิงวัยรุ่น หญิงวัยสาวและหญิงวัยกลางคน เพื่อเป็นฐานข้อมูลการพัฒนาซอร์ฟแวร์ ในส่วนของระบบทำการเปรียบเทียบระบบการประมวลผลระหว่างเทคนิคข่ายงานประสาทเทียม (Artificial Neural Network : ANN) และเทคนิคข่ายงานประสาทเทียมที่ประยุกต์ร่วมกับพาร์ทิเคิลสวอมออฟทีไมเซชั่น (Artificial Neural Network hybrid with Particle Swarm Optimization; ANNs-PSO) พบที่โครงสร้างเหมาะสม (6-18-30) ที่ค่าผิดพลาดกำลังสองเฉลี่ย (Mean square Error, MSE) เท่ากับ 0.0054784 ณ รอบที่ 6 ให้ผลลัพธ์พยากรณ์ความชื่นชอบด้านรสชาติ สี กลิ่นของเครื่องดื่มฟังก์ชันนัลเหมือนกัน โดยเทคนิค ANNs-PSO มีประสิทธิภาพในการประมวลผลที่เร็วกว่า จึงนำมาใช้เป็นระบบประมวลผลในซอร์ฟแวร์ระบบสนับสนุนการตัดสินใจดังกล่าว

Abstract: The objective of this study is to design the Decision Support System (DSS) for selection of functional beverage flavor notes and creating system software. The survey shows that there are 5 well known tastes of functional drinks which are mango, passion fruit, Thai blueberry, Linhzhi and mangosteen in both level of concentration (100% and mixed). Questionnaire is launched to gathering data of costumer preference. The taste, colour and smell are the subjects of questionnaire. Data is acquired from 400 customers in six groups that have different gender and age. The DSS is analyzed by using ANN in comparing between Artificial Neural Network hybrid with Particle Swarm Optimization (ANNs-PSO). Both models give the same results show in structure (6-18-30). The minimum MSE is 0.0054784 at 6 epochs. As a result of comparison between two models, the results show that minimum speed time of ANNs-PSO faster than ANN. Hence, ANNs-PSO is an appropriate system for using in the DSS software.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: อรรถกร เก่งพล

Role: ที่ปรึกษาวิทยานิพนธ์

Email : athakorn@kmutnb.ac.th

Created: 2559

Modified: 2561-03-02

Issued: 2560-05-09

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: E-THESIS

tha

DegreeName: วิศวกรรมศาสตร์มหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมอุตสาหการ

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B16046456.pdf	3.15 MB	39	2023-04-02 16:11:14

ใช้เวลา

0.025219 วินาที