Please use this identifier to cite or link to this item:
http://nuir.lib.nu.ac.th/dspace/handle/123456789/5737
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor | Preechapon Boonsong | en |
dc.contributor | ปรีชาพล บุญส่ง | th |
dc.contributor.advisor | Sutanit Puttapanom | en |
dc.contributor.advisor | สุธนิตย์ พุทธพนม | th |
dc.contributor.other | Naresuan University | en |
dc.date.accessioned | 2023-09-25T02:21:51Z | - |
dc.date.available | 2023-09-25T02:21:51Z | - |
dc.date.created | 2565 | en_US |
dc.date.issued | 2565 | en_US |
dc.identifier.uri | http://nuir.lib.nu.ac.th/dspace/handle/123456789/5737 | - |
dc.description.abstract | The purpose of this research was to evaluate the suitability between office worker anthropometry and furniture and to ergonomically design furniture that is more suitable. The anthropometric data was collected from 857 people aged between 18 - 59 years old. The machine learning techniques; K-Mean, Fuzzy C-Mean and Hierarchical Clustering are used to size furniture. In most offices, the 42cm. seat height chair and 75 cm height desk are used. The match between the sample anthropometry and the furniture size is 6% or 52 out of 857 people. However, after defining two or three sizes of furniture sets, the percents of match increase dramatically; the two-size and three-size using k-means are 89.38% and 96.03%, respectively, and the two-size and three-size using Fuzzy C-Means are 91.48% and 95.80%, respectively. The hierarchical clustering method was tested and the results show that as the number of size increases, the suitability also increases. The best recommended result is two-size furniture sets from Fuzzy C-Means where the small chair is 40cm, the small desk is 64cm, and the large chair is 43cm, the large desk is 71 cm | en |
dc.description.abstract | การศึกษาวิจัยในครั้งนี้มีวัตถุประสงค์เพื่อประเมินความเหมาะสมระหว่างสัดส่วนร่างกายและขนาดของเฟอร์นิเจอร์และออกแบบแบบเฟอร์นิเจอร์ที่ใช้ในสำนักงานที่มีความเหมาะสมกับขนาดร่างกายตามหลักการทางด้านการยศาสตร์ โดยทำการวัดขนาดสัดส่วนร่างกายต่างๆของกลุ่มวัยทำงาน อายุระหว่าง 18 - 59 ปี จำนวน 857 คน และศึกษาความเหมาะสมระหว่างขนาดร่างกายกับขนาดของชุดโต๊ะเก้าอี้โดยใช้เทคนิคการเรียนรู้ของเครื่อง แบบ K-Mean แบบ Fuzzy C-Mean และแบบ Hierarchical Clustering การตรวจสอบความเหมาะสมของเก้าอี้พื้นที่นั่งสูง 42 ซม.และโต๊ะสูง 75 ซม. ซึ่งขนาดมาตรฐานที่ใช้กันแพร่หลายในสำนักงาน พบว่ามีความเหมาะสมเพียง 6% หรือ 52 จาก 857 คน การเพิ่มชุดขนาดของโต๊ะและเก้าอี้ช่วยเพิ่มความเหมาะสมได้มากขึ้นดังนี้ การจัดกลุ่มแบบ k-Means ทั้งแบบ 2 ชุดขนาดและ 3 ชุดขนาดให้ความเหมาะสมที่ 89.38% และ 96.03% ตามลำดับ และ การจัดกลุ่มแบบ Fuzzy C-Means ทั้งแบบ 2 ชุดขนาดและ 3 ชุดขนาดให้ความเหมาะสมที่ 91.48% และ 95.80% ตามลำดับ การจัดกลุ่มแบบไม่ระบุจำนวนกลุ่มด้วยวิธีการแบบ Hierarchical Clustering เพื่อทดสอบการไม่ระบุจำนวนกลุ่ม เมื่อการจำนวนชุดขนาดมากขึ้นความเหมาะสมก็เพิ่มมากขึ้น และเมื่อทดสอบใช้เก้าอี้ที่สามารถปรับระดับได้กับชุดขนาดโต๊ะโดยวิธี Fuzzy c-Means แบบ 2 ขนาด จะสามารถทำให้ได้ความเหมาะสมได้เป็น 100% ซึ่งชุดขนาดโต๊ะ/เก้าอี้ขนาดเล็กมีขนาด เก้าอี้สูง 40 ซม. โต๊ะสูง 64 ซม. และ ขนาดใหญ่มีขนาด เก้าอี้สูง 43 ซม. โต๊ะสูง 71 ซม. | th |
dc.language.iso | th | en_US |
dc.publisher | Naresuan University | en_US |
dc.rights | Naresuan University | en_US |
dc.subject | การยศาสตร์สำนักงาน | th |
dc.subject | เฟอร์นิเจอร์สำนักงาน | th |
dc.subject | ชุดขนาดเฟอร์นิเจอร์ | th |
dc.subject | การจัดกลุ่ม | th |
dc.subject | การเรียนรู้ของเครื่อง | th |
dc.subject | การวัดขนาดสัดส่วนร่างกาย | th |
dc.subject | Office furniture ergonomics | en |
dc.subject | Furniture size set | en |
dc.subject | Chair and desk | en |
dc.subject | Clustering | en |
dc.subject | Machine learning | en |
dc.subject | Mismatch | en |
dc.subject | Misfit | en |
dc.subject | Anthropometry | en |
dc.subject.classification | Engineering | en |
dc.subject.classification | Manufacturing | en |
dc.subject.classification | Mining and extraction | en |
dc.title | การจัดชุดขนาดเฟอร์นิเจอร์การยศาสตร์สำนักงานตามความสัมพันธ์ของสัดส่วนร่างกายโดยใช้เทคนิคการเรียนรู้ของเครื่อง | th |
dc.title | Ergonomic office furniture sizing set arrangement based on anthropometrics using machine learning techniques | en |
dc.type | Thesis | en |
dc.type | วิทยานิพนธ์ | th |
dc.contributor.coadvisor | Sutanit Puttapanom | en |
dc.contributor.coadvisor | สุธนิตย์ พุทธพนม | th |
dc.contributor.emailadvisor | sutanitp@nu.ac.th | en_US |
dc.contributor.emailcoadvisor | sutanitp@nu.ac.th | en_US |
dc.description.degreename | Doctor of Philosophy (Ph.D.) | en |
dc.description.degreename | ปรัชญาดุษฎีบัณฑิต (ปร.ด.) | th |
dc.description.degreelevel | Doctoral Degree | en |
dc.description.degreelevel | ปริญญาเอก | th |
dc.description.degreediscipline | Department of Industrial Engineering(IE) | en |
dc.description.degreediscipline | ภาควิชาวิศวกรรมอุตสาหการ | th |
Appears in Collections: | คณะวิศวกรรมศาสตร์ |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PreechaponBoonsong.pdf | 2.66 MB | Adobe PDF | View/Open |
Items in NU Digital Repository are protected by copyright, with all rights reserved, unless otherwise indicated.