การประยุกต์ใช้เทคนิคเหมืองข้อมูลในการศึกษากฎความสัมพันธ์ของธุรกิจเส้นด้าย กรณีศึกษาบริษัทเส้นด้ายแห่งหนึ่ง
Applying Data Mining Techniques to Studying the Association Rules of Yarn Businesses: Case Study of a Yarn Company
คำสำคัญ:
เทคนิคเหมืองข้อมูล, กฎความสัมพันธ์, ธุรกิจเส้นด้ายบทคัดย่อ
การวิจัยมีวัตถุประสงค์เพื่อการประยุกต์ใช้กฎความสัมพันธ์ของธุรกิจเส้นด้าย กรณีศึกษาบริษัทเส้นด้ายแห่งหนึ่ง ตามขั้นตอนการดำเนินการวิจัยผ่านกระบวนการวิเคราะห์ข้อมูลเพื่อการค้นพบความรู้สำหรับเหมืองข้อมูลโดยนำชุดข้อมูลจากฐานข้อมูลที่อยู่ในรูปแบบอิเล็กทรอนิกส์ตั้งแต่ปี พ.ศ. 2558-2565 จำนวน 5,160 ชุด ดำเนินการเก็บรวบรวมข้อมูล ทำความสะอาดข้อมูล และแปลงรูปแบบของข้อมูล จากนั้นนำไปสร้างแบบจำลองโดยสร้างกฎความสัมพันธ์ของข้อมูลด้วยขั้นตอนวิธีของเอฟพี-กโรธ โดยใช้เครื่องมือ RapidMiner และพิจารณาผลการประเมินประสิทธิภาพกฎความสัมพันธ์ของข้อมูลตามค่าสนับสนุน และค่าความเชื่อมั่น ซึ่งจากผลการวิจัยพบว่า กฎความสัมพันธ์จำนวนทั้งสิ้น 4 กฎ มีประสิทธิภาพกฎเป็นไปตามเกณฑ์ทางสถิติ โดยมีค่าความเชื่อมั่นอยู่ที่ 0.644 - 0.695 และค่าสนับสนุนอยู่ที่ 0.243 – 0.397 เพื่อนำไปสู่แนวทางการดำเนินธุรกิจสำหรับเป็นแนวทางการวางแผนการผลิต หรือการส่งเสริมการตลาดที่มีความเหมาะสมและตรงตามพฤติกรรมของลูกค้าเพื่อนำองค์กรไปสู่ธุรกิจอัจฉริยะเพื่อช่วยเสริมสร้างองค์กรสมัยใหม่ในอนาคต
Downloads
References
Patti A, Acierno D. Towards the sustainability of the plastic industry through biopolymers: properties and potential applications to the textiles world. Polymers. 2022;14(4):692.
Sareminia S, Ghayoumian Z, Haghighat F. Developing a data-driven operational guide for the texturized yarn production process: data mining and intelligence approach. Int J Cloth Sci Tech. 2024;36(2):241-67.
Sun X, Ngueilbaye A, Luo K, Cai Y, Wu D, Huang JZ. A scalable and flexible basket analysis system for big transaction data in Spark. Inf Process Manag. 2024;61(2):103577.
Putra RA, Putri MAM, Sinaga SM, Octavia SF, Rachman RC. Implementation of Association Rules Algorithm to Identify Popular Topping Combinations in Orders. J Eng Data Tech Comput Sci. 2024;1(2).
Istrat V, Lalić N. Association Rules as a Decision Making Model in the Textile Industry. Fibres Text East Eur. 2017;4(124):8-14.
Jain S, Kumar V. Garment Categorization Using Data Mining Techniques. Symmetry. 2020;12(984):1-20.
Bhuvaneshwarri I, Tamilarasi A. Optimization of Big Data Using Rough Set Theory and Data Mining for Textile Applications. Artif Intell Evol Comput Eng Syst. 2020;1056:69-77.
Imran AA, Rahim MS, Ahmed T. Mining the productivity data of the garment industry. Int J Bus Intell Data Min. 2021;19(3):319-42.
Ahmad S, Miskon S. The Adoption of Business Intelligence Systems in Textile and Apparel Industry: Case Studies. Emerg Trends Intell Comput Inform. 2019;1073:12-23.
Ribeiro R, Pilastri A, Moura C, Rodrigues F, Rocha R, Morgado J, et al. Predicting Physical Properties of Woven Fabrics via Automated Machine Learning and Textile Design and Finishing Features. Artif Intell Appl Innov. 2020;528:244-55.
Gupta M. Association Rules Mining Regarding the Value of Business Intelligence Solutions. TEM J. 2022;11(3):1399-405.
อับดุลเลาะ บากา, สุลัยมาน เภอโส๊ะ, อิสมาแอ ล่าเตะเกะ, อรรถพล อดุลยศาสน์, พรรณี แพงทิพย์, ฟูไดละห์ ดือมอง. การหากฎความสัมพันธ์ด้วยขั้นตอนวิธีเอฟพี-กโรธ เพื่อวิเคราะห์พฤติกรรมการซื้อสินค้าของลูกค้าร้านค้าปลีก กรณีศึกษาร้านค้าดีทูช้อป จังหวัดปัตตานี. วารสารวิชาการการจัดการเทคโนโลยี มหาวิทยาลัยราชภัฏมหาสารคาม 2565;9(2):18-29.
อุณนดาทร มูลเพ็ญ, จุฑารัตน์ จิตต์ถนอม. การประยุกต์ใช้กฎความสัมพันธ์เพื่อวิเคราะห์พฤติกรรมการซื้อสินค้าในร้านสะดวกซื้อของนักศึกษาด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา: ร้านสะดวกซื้อบริเวณมหาวิทยาลัยราชภัฏร้อยเอ็ด. วารสารการจัดการและการพัฒนา มหาวิทยาลัยราชภัฏอุบลราชธานี 2565;9(1):55-72.
ณัฏญาพร ชื่นมัจฉา, นิเวศ จิระวิชิตชัย. การหากฎความสัมพันธ์จากฐานข้อมูลการซื้อสินค้าของลูกค้าโดยใช้เทคนิคเอฟพี-กโรธ. Sci Tech RMUTT J. 2559;6(1):122-31.
Downloads
เผยแพร่แล้ว
How to Cite
ฉบับ
บท
License
Copyright (c) 2024 วารสารก้าวทันโลกวิทยาศาสตร์
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
