SUT e-Learning

Description:

            Fundamental concepts in statistical inference with application to engineering contexts. The topics include data presenting and analyzing, discrete probability distribution (binomial distribution, poison distribution) and continuous probability distribution (normal distribution, exponential distribution), sampling theory, confidence intervals and hypothesis testing, analysis of variance, regression and correlation, define and measure of Six Sigma for statistical process control tools. Practice of commercial software in aiding of statistical analysis.

แนวความคิดพื้นฐานของการใช้สถิติในบริบทของวิศวกรรมศาสตร์ โดยมีหัวข้อประกอบด้วยการนำเสนอและวิเคราะห์ข้อมูล การแจกแจงความน่าจะเป็นแบบไม่ต่อเนื่อง (การแจกแจงแบบทวินาม การแจกแจงแบบปัวซอง) และการแจกแจงความน่าจะเป็นแบบต่อเนื่อง (การแจกแจงมาตรฐาน การแจกแจงแบบเลขชี้กำลง) ทฤษฎีการสุ่ม การกำหนดและวัดซิกซิกม่าสำหรับการใช้งานเครื่องมือในการควบคุมกระบวนการผลิตด้วยสถิติ การฝึกปฏิบัติซอฟท์แวร์เชิงพาณิชย์เพื่อช่วยในการวิเคราะห์สถิติ

Course Learning Outcomes (CLOs)                                                  

CLO1. Match types of data with distributions.

เลือกชนิดของข้อมูลกับประเภทการกระจายตัวของข้อมูลให้เหมาะสมกับสถานการณ์

CLO2. Select statistics and methodologies to model for basic hypothesis testing.

เลือกวิธีการทางสถิติเพื่อสร้างแบบจำลองสำหรับการทดสอบสมมติฐาน  

CLO3. Classify and select appropriate data presentations such as table and diagram presentations.
ระบุและเลือกวิธีการนำเสนอข้อมูลที่เหมาะสม เช่น การนำเสนอแบบตารางและไดอะแกรม

CLO4. Apply appropriate software to communicate effectively of the data presentations and to model the basic hypothesis testing.
นำซอฟท์แวร์ที่เหมาะสมมาใช้ในการสื่อสารเพื่อนำเสนอข้อมูลและทดสอบสมมติฐานได้อย่างเหมาะสม

CLO5. Identify the statistics for define and measure of Six Sigma for statistical process control.
ระบุกระบวนการทางสถิติสำหรับการกำหนดและวัดค่าซิกซิกม่าสำหรับการควบคุมกระบวนการผลิตด้วยสถิติ

Description:

            การประยุกต์ใช้หลักการของลีนในกระบวนการผลิต กระบวนการให้บริการเพื่อพัฒนา ผลผลิต เพิ่มมูลค่าและกำจัดของเสียรวมไปถึงการใช้วิธีการแก้ปัญหาแบบซิกซ์ซิกม่าเพื่อลดความแปรปรวนและ เพิ่มคุณภาพ การใช้การควบคุมกระบวนการด้วยสถิติและวิธีการวิเคราะห์ในทั้งสองกระบวนการ เนื้อหาที่ เกี่ยวข้องประกอบด้วย วิธีการสร้างกระบวนแบบลีน การพิสูจน์แนวทางการแก้ปัญหาแบบลีน การจัดการ เปลี่ยนแปลงสู่การทำลีน การนำซิกซ์ซิกม่าหรือลีนซิกซ์ซิกม่าไปใช้ การนำห้าระยะของกระบวนการซิกซ์ซิกม่า DMAIC ไปปฏิบัติ

            Application of lean principles to manufacturing, service processes in order to improve productivity, increase value and eliminate waste as well as the use of the Six Sigma problem solving methodology to reduce variation and improve quality. The SPC tools and analysis methods used in both approaches. The topics covered include: methods for creating Lean processes, proven lean problem-solving methodologies, managing a lean transformation, implementing a Six Sigma or Lean Six Sigma (LLS) initiative, and executing the five phases of the Six Sigma DMAIC process.

Course Learning Outcomes: 

CLO1.  อภิปรายถึงวิธีการสร้างและทำให้คงไว้ซึ่งวัฒนธรรมที่มุ่งเน้นการส่งมอบมูลค่าให้แก่ ลูกค้าโดยการใช้เทคนิคด้านการพัฒนาต่อเนื่องและกลยุทธ์การลดความแปรปรวน (Discuss how to create and sustain a culture that focuses on the delivery of value to the customer by utilizing continuous process improvement and variance reduction strategies.)

CLO2. ถอดความหมายของข้อมูลป้อนกลับจากลูกค้าและเป้าหมายขององค์กรให้กลายเป็น โอกาสในการพัฒนา (Translate customer feedback and enterprise goals into opportunities for improvement.)

CLO3. อธิบายความแตกต่างและความคล้ายคลึงระหว่างกระบวนการลีนกับซิกซ์ซิกม่า และ อธิบายว่าทั้งสองกระบวนการเกื้อหนุนซึ่งกันและกันอย่างไร รวมถึงทั้งสองกระบวนการ สามารถถูกนำไปใช้เพื่อผลประโยชน์ที่สูงขึ้นได้อย่างไร(Explain the differences and similarities between Lean and Six Sigma, how they complement one another and how they can be used together for greater benefit.)

CLO4. อธิบายขั้นตอนกระบวนการการเลือกโครงงานและตั้งเป้าหมายสำหรับโครงงานซิกซ์ ซิกม่าหรือลีนซิกซ์ซิกม่า (Explain the project selection process and set goals for a Six Sigma or LSS project.)

CLO5. อธิบายถึงเป้าหมายแต่ละระยะของกระบวนการซิกซ์ซิกม่า DMAIC และสร้างแผนการ จัดการและดำเนินโครงงานการพัฒนาด้วยซิกซ์ซิกม่า (Explain the goals of each phase of the Six Sigma DMAIC process and create a plan for managing and executing a Six Sigma improvement project.)

CLO6. อธิบายถึงหน้าที่และความรับผิดชอบของสมาชิกกลุ่มโครงงานซิกซ์ซิกม่า และลำดับขั้น ของการพัฒนาทีม เครื่องมือในการช่วยตัดสินใจของทีม และกระบวนการสื่อสารของ ทีม (Explain the roles and responsibilities of Six Sigma project team members, the stages of team development, common team decision making tools and team communication methods.)

CLO7. เลือกและประยุกต์ใช้เครื่องมือและวิธีการวิเคราะห์ที่แพร่หลายซึ่งเป็นส่วนหนึ่งของ กระบวนการลีนซิกซ์ซิกม่า DMAIC (Select and apply the tools and analysis methods commonly used as part of the Lean Six Sigma DMAIC process.)

วิชาบังคับก่อน : ไม่มี

หลักสูตรนี้มุ่งเน้นไปที่การประมวลผลภาพและการมองเห็นของคอมพิวเตอร์ ซึ่งเน้นไปที่การศึกษาวิธีการที่ช่วยให้เครื่องจักรมีความสามารถในการเรียนรู้และวิเคราะห์ภาพและวิดีโอ หัวข้อที่จะกล่าวถึง ได้แก่ ความรู้เบื้องต้นเกี่ยวกับการประมวลผลภาพและการมองเห็นด้วยคอมพิวเตอร์ ประเภทและรูปแบบของภาพดิจิทัล การกำหนดขอบเขตเงื่อนไข การประมวลผลภาพโดยการเปลี่ยนแปลงรูปร่างหรือโครงสร้างของภาพ การปรับปรุงคุณภาพของภาพ เทคนิคการปรับตั้งค่ากล้องและแสง เทคนิคการรู้จำรูปร่างและรู้จำรูปแบบ การตรวจจับ ตัดแบ่งขอบเขต ระบุตำแหน่ง และรู้จำวัตถุที่ต้องการในภาพ การเขียนโปรแกรมคอมพิวเตอร์สำหรับการมองเห็นของเครื่องจักร การเชื่อมต่ออุปกรณ์ควบคุมกับระบบการมองเห็นของเครื่องจักร โครงงานออกแบบระบบมองเห็นของเครื่องจักร

ผลสัมฤทธิ์การเรียนรู้

1. อธิบายหลักการการประมวลภาพและการควบคุมระบบการมองเห็นของเครื่องจักร
2. เขียนโปรแกรมเพื่อเชื่อมต่ออุปกรณ์ควบคุมกับระบบมองเห็นของเครื่องจักรได้
3. ประยุกต์ใช้ความรู้การประมวลผลภาพและคอมพิวเตอร์วิทัศน์ในการแก้ปัญหาการมองเห็นของเครื่องจักรที่ได้รับมอบหมายได้

Image Processing and Computer Vision

Prerequisite : none

This course focuses on image processing and computer vision focuses on studying methods that allow a machine to learn and analyze images and video. Topics to be covered include introduction to image processing and computer vision, digital image type and format, boundary description, image enhancement, camera and lighting adjusting technique, technique on shape recognition and pattern recognition, object detection, image segmentation, specify the location, and object recognition in the image, computer program for machine vision, interface machine vision with controller, design machine vision projects and apply machine vision systems to solving engineering problems.

Learning outcomes

1. Describe principles of image processing and machine vision control.
2. Write computer program for connecting controller and machine vision system.
3. Apply computer vision and image processing knowledge to designing and implementing algorithms to a given machine vision problem.

หลักและวิธีวิจัย งานวิจัยที่น่าสนใจทางวิศวกรรม การวิเคราะห์ปัญหาเพื่อกำหนดหัวข้องานวิจัย การเขียนข้อเสนอโครงการวิจัย การวางแผนการวิจัย การวางแผนการเก็บข้อมูลและการวิเคราะห์ข้อมูล การแปลผลและการวิจารณ์ผล การเขียนรายงานการวิจัยและบทความทางวิชาการ การนำเสนอผลงานวิจัย

Principles and research methods; current interesting research topics in engineering; problems analysis for research topics selection; research proposal writing; research planning; data collection and analysis planning; data interpretation and discussion; research report and paper writing; research presentation