ระบบวิเคราะห์ค่าเวลาการทำงานจากวิดีโอในสายการผลิตอุตสาหกรรม
คำสำคัญ:
ระบบจับเวลา, เวลามาตรฐาน, การวิเคราะห์วิดีโอ, สายการผลิต, เว็บแอปพลิเคชันบทคัดย่อ
ในปัจจุบัน วิธีการจับเวลาการทำงานด้วยนาฬิกาจับเวลา (stopwatch method) แม้จะเป็นวิธีที่ใช้แพร่หลาย แต่ยังคงมีข้อจำกัดด้านความแม่นยำ ความต่อเนื่อง และภาระการใช้แรงงาน ทำให้เกิดความคลาดเคลื่อนและไม่สะดวกต่อการตรวจสอบย้อนหลัง งานวิจัยนี้มีวัตถุประสงค์เพื่อออกแบบและพัฒนาระบบวิเคราะห์ค่าเวลาการทำงานจากวิดีโอในสายการผลิตอุตสาหกรรม โดยใช้เทคโนโลยีเว็บร่วมกับการวิเคราะห์ข้อมูลเชิงสถิติ เพื่อเพิ่มความถูกต้องและลดข้อจำกัดของวิธีดั้งเดิม ระบบที่พัฒนาขึ้นเป็นเว็บแอปพลิเคชันซึ่งรองรับการอัปโหลดวิดีโอจากสถานีงาน และสามารถคำนวณค่าเวลามาตรฐานพร้อมทั้งค่าสถิติ เช่น ค่าเฉลี่ย มัธยฐาน ส่วนเบี่ยงเบนมาตรฐาน และค่าสัมประสิทธิ์ความแปรปรวน ผลการทดลองกับสายการผลิตจำลอง 11 สถานีงาน พบว่า ระบบสามารถลดการบันทึกเวลาที่ต้องทำด้วยคนกว่า 110 ครั้ง เหลือเพียงการอัปโหลดวิดีโอครั้งเดียวต่อสถานี อีกทั้งยังให้ค่าความแปรปรวน ต่ำสุดเพียง 0.74% ซึ่งสะท้อนถึงความแม่นยำสูง ระบบที่พัฒนาขึ้นสามารถใช้งานได้จริงในการคำนวณค่าเวลามาตรฐานและสนับสนุนการวิเคราะห์กระบวนการผลิตได้อย่างมีประสิทธิภาพในระดับอุตสาหกรรม
เอกสารอ้างอิง
Akpan, E. O. P., & Amade, B. (2024). Standard time scenario in the production system dynamics. PM World Journal, 13(8), 1-10. Retrieved from https://pmworldjournal.com/article/standard-time-scenario-in-the-production-system-dynamics
Department of Industrial Promotion. (2020). Guidelines for analyzing production line efficiency. Bangkok: Office of Industrial Economics. (in Thai)
Gurav, V., & Upadhyay, A. (2025). A computer vision-based motion time study for manufacturing assembly line. Industrial Engineering Journal, 54(3), 112–120. Retrieved from https://www.researchgate.net/publication/389692640_A_Computer_Vision-Based_Motion_Time_Study_for_Manufacturing_Assembly_Line
Ji, J., Pannakkong, W., & Buddhakulsomsiri, J. (2022). A computer vision-based model for automatic motion time study. Computers, Materials & Continua, 73(2), 3279–3297. https://doi.org/10.32604/cmc.2022.030418
MDN Web Docs. (2025). The video embed element. Retrieved from https://developer.mozilla.org/en-US/docs/Web/HTML/Element/video
Patel, H., Vaghela, S., & Singh, M. D. (2024). Enhancing productivity in small scale manufacturing industry through work study approach: A case study. International Journal of Research in Engineering and Science, 12(1), 150–157. Retrieved from https://www.ijres.org/papers/Volume-12/Issue-1/1201150157.pdf
Pornsiri Kamla, Natthawut Srikham, & Suthida Songkhun. (2021). Application of direct time study for analyzing the production process of ready-mixed concrete in a factory. Proceedings of the 2021 Industrial Engineering Network Conference (pp. 84-89). Ubon Ratchathani: Ubon Ratchathani University. (in Thai)
Ramadhan, S. C. R., & Hartati, V. (2024). Identification of standard times to determine production capacity: A case study. In V. Mardiansyah & B. A. Prasetyo (Eds.), Proceedings of the Widyatama International Conference on Engineering 2024 (WICOENG 2024) (pp. 184-191). Atlantis Press
Shedage, J., Deshpande, M., & Khot, S. (2020). Production line balancing using video based line balancing software. International Research Journal of Engineering and Technology, 7(10), 950–954. Retrieved from https://mail.irjet.net/archives/V7/i10/IRJET-V7I10120.pdf
Spot AI. (2024). Using video analytics for manufacturing. Retrieved from https://www.spot.ai/articles/video-analytics-for-manufacturing
Wangchuk, S., & Madan, A. K. (2023). Stopwatch method for assembly line production. International Journal of Advances in Engineering and Management, 5(1), 39–45. Retrieved from https://www.researchgate.net/publication/366953783_Stopwatch_Method_For_Assembly_Line_Production
Xiang, Z., Horváth, J., Baireddy, S., Bestagini, P., Tubaro, S., & Delp, E. J. (2021). Forensic analysis of video files using metadata. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) Workshops (pp. 1862–1871). IEEE.
