แบบจำลองความสำเร็จในการถ่ายทอดเทคโนโลยีแฝดดิจิทัลเพื่อการบำรุงรักษาเครื่องจักรการผลิตชิ้นส่วนยานยนต์ขนาดกลางถึงขนาดใหญ่ในประเทศไทย
คำสำคัญ:
เทคโนโลยีแฝดดิจิทัล , การบำรุงรักษาเชิงพยากรณ์ , การถ่ายทอดเทคโนโลยี , อุตสาหกรรมยานยนต์บทคัดย่อ
การวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีอิทธิพลต่อความสำเร็จของการถ่ายทอดเทคโนโลยีแฝดดิจิทัล (Digital Twin: DT) สำหรับการบำรุงรักษาเครื่องจักรในอุตสาหกรรมการผลิตชิ้นส่วนยานยนต์ขนาดกลางและขนาดใหญ่ของประเทศไทย เทคโนโลยีแฝดดิจิทัลสามารถสร้างแบบจำลองดิจิทัลของระบบกายภาพแบบเวลาจริง เพื่อสนับสนุนการบำรุงรักษาเชิงพยากรณ์ ซึ่งช่วยลดการหยุดทำงานของเครื่องจักร ลดต้นทุนการดำเนินงาน และเพิ่มความปลอดภัยในการปฏิบัติงาน อย่างไรก็ตาม การนำเทคโนโลยีดังกล่าวไปใช้ในบริบทของประเทศกำลังพัฒนายังเผชิญข้อจำกัดด้านความพร้อมของบุคลากร การสื่อสาร และความซับซ้อนของเทคโนโลยี การศึกษานี้ใช้ระเบียบวิธีวิจัยเชิงปริมาณ โดยเก็บข้อมูลจากกลุ่มตัวอย่างจำนวน 320 คน ซึ่งประกอบด้วยพนักงานโรงงานและผู้ให้บริการเทคโนโลยีแฝดดิจิทัล และวิเคราะห์ข้อมูลด้วยแบบจำลองสมการโครงสร้าง เพื่อทดสอบความสัมพันธ์ระหว่างตัวแปร 6 ตัว ได้แก่ ผู้รับเทคโนโลยี ผู้ถ่ายทอดเทคโนโลยี ความซับซ้อนของเทคโนโลยี การสื่อสาร ความสัมพันธ์ระหว่างองค์กร และปัจจัยเชิงบริบท ผลการวิจัยพบว่า ปัจจัยเชิงบริบทและการสื่อสารที่มีประสิทธิภาพมีบทบาทสำคัญต่อความสำเร็จของการถ่ายทอดเทคโนโลยี ขณะที่ความซับซ้อนของเทคโนโลยีส่งผลเชิงลบต่อความสำเร็จ แบบจำลองสามารถอธิบายความแปรปรวนของความสำเร็จในการถ่ายทอดเทคโนโลยีได้ร้อยละ 84.9 ผลการศึกษาชี้ให้เห็นว่าปัจจัยเชิงบริบท ความร่วมมือระหว่างองค์กร และความพร้อมของบุคลากรเป็นปัจจัยสำคัญต่อการนำเทคโนโลยีแฝดดิจิทัลไปใช้ในภาคอุตสาหกรรมอย่างมีประสิทธิภา
เอกสารอ้างอิง
Abayadeera, N., & Ganegoda, D. (2024). Digital twins and their applications: Opportunities and challenges. International Journal of Advanced Research in Engineering and Technology, 15(2), 45–59.
Agrawal, P., Fischer, M., & Singh, R. (2021). Strategic alignment for digital twin adoption: Overcoming barriers in manufacturing. Journal of Manufacturing Systems, 60, 324–336. https://doi.org/10.1016/j.jmsy.2021.02.004
Alkhazaleh, R., Mykoniatis, K., & Alahmer, A. (2022). The success of technology transfer in the Industry 4.0 era: A systematic literature review. Journal of Open Innovation: Technology, Market, and Complexity, 8(4), 202. https://doi.org/10.3390/joitmc8040202
Cohen, W. M., & Levinthal, D. A. (1990). Absorptive capacity: A new perspective on learning and innovation. Administrative Science Quarterly, 35(1), 128–152. https://doi.org/10.2307/2393553
Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16(3), 297–334. https://doi.org/10.1007/BF02310555
Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39–50. https://doi.org/10.1177/002224378101800104
Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson.
Hu, L. T., & Bentler, P. M. (1999). Cutoff criteria for fit indexes in covariance structure analysis: Conventional criteria versus new alternatives. Structural Equation Modeling, 6(1), 1–55. https://doi.org/10.1080/10705519909540118
Matta, A., & Lugaresi, G. (2024, December). An introduction to digital twins. In H. Lam, E. Azar, D. Batur, S. Gao, W. Xie, S. R. Hunter, & M. D. Rossetti (Eds.), Proceedings of the 2024 Winter Simulation Conference (pp. 1–12). IEEE. https://doi.org/10.1109/WSC63780.2024.10838793
Rismawati, R., Jaelani, A., & Aygün, O. (2023). Contextual readiness and technology adoption in developing economies. Technology in Society, 74, 102311. https://doi.org/10.1016/j.techsoc.2023.102311
Schumacker, R. E., & Lomax, R. G. (2010). A beginner’s guide to structural equation modeling (3rd ed.). Routledge.
Sharma, R., Kosasih, B., Zhang, J., Brintrup, A., & Calinescu, A. (2022). Digital twins in predictive maintenance: State-of-the-art review. Computers in Industry, 134, 103551. https://doi.org/10.1016/j.compind.2021.103551
Singh, M., Fuenmayor, E., Hinchy, E. P., Qiao, Y., Murray, N., & Devine, D. (2021). Digital twin: Origin to future. Applied System Innovation, 4(2), 36. https://doi.org/10.3390/asi4020036
Stark, R., & Damerau, T. (2019). Digital twin. In CIRP Encyclopedia of Production Engineering (pp. 1–8). Springer. https://doi.org/10.1007/978-3-642-35950-7_16870-1
Yu, C., Zhang, Z., Zhang, W., & Fan, X. (2022). Outcomes of technology transfer in manufacturing: Understanding, acceptance, application, and results. Journal of Technology Transfer, 47(2), 345–365. https://doi.org/10.1007/s10961-021-09872-7
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
จรรยาบรรณผู้เขียนบทความ
ผู้เขียนบทความต้องรับรองว่าบทความนี้ไม่เคยตีพิมพ์ในวารสารใดหรือสิ่งพิมพ์อื่นๆ มาก่อน ต้องไม่คัดลอกผลงานผู้อื่นมาปรับแต่งเป็นบทความของตน และไม่ได้อยู่ระหว่างการเสนอเพื่อพิจารณาตีพิมพ์ อีกทั้งยอมรับหลักเกณฑ์การพิจารณาและการตรวจแก้ไขบทความต้นฉบับโดยกองบรรณาธิการวารสารวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์
บทความทุกเรื่องได้รับการตรวจพิจารณาทางวิชาการโดยผู้ทรงคุณวุฒิที่มีประสบการณ์และมีความเชี่ยวชาญตรงตามสาขาของบทความ ซึ่งผู้เขียนต้องแก้ไขตามคำแนะนำของผู้ทรงคุณวุฒิภายในระยะเวลาที่กำหนด หากไม่เป็นไปตามกำหนดกองบรรณาธิการขอสงวนสิทธิ์และยกเลิกการตีพิมพ์โดยจะแจ้งให้ทราบต่อไป
ข้อความที่ปรากฏในบทความของวารสารนี้เป็นความคิดเห็นของผู้เขียนซึ่งไม่เกี่ยวข้องกับวิทยาลัยนครราชสีมาแต่อย่างใด และกองบรรณาธิการขอสงวนสิทธิ์ในการพิจารณาและตรวจประเมินบทความเพื่อตีพิมพ์ในวารสารของวิทยาลัยนครราชสีมา สาขามนุษยศาสตร์และสังคมศาสตร์
