This research aims to reduce the time required to resolve customer issues by focusing on improvements based on lean principles and the application of technology. The researcher conducts the case study at Nexter Digital and Solution Co., Ltd. to enhance workflows, establish new work standards, and integrate Bot technology into the processes to reduce resolution time and set new performance benchmarks for the company. The research proposes key ideas, such as identifying the root cause of problems, reducing redundant processes, implementing Lean methodologies, and applying technology to streamline operations. The research identifies two main issues to be resolved. The first involves addressing customer complaints, where the results show that the average resolution time reduces from 5 days to 3 days, representing a 38% decrease. The second issue involves solving problems for vendors, where the results show that the average response time reduces from 20 minutes to within 1 minute, a 98.5% decrease. The findings from both cases not only improve customer service but also establish a new standard for responding to and resolving internal issues more efficiently.
ในยุคที่เทคโนโลยีและการแข่งขันทางธุรกิจพัฒนาอย่างรวดเร็ว คุณภาพการบริการเป็นปัจจัยสำคัญที่ทำให้บริษัทเติบโตอย่างยั่งยืน โดยผู้วิจัยได้เล็งเห็นความสำคัญของการยกระดับคุณภาพการบริการเพื่อตอบสนองลูกค้าของทางบริษัท เน็กซเตอร์ ดิจิตอล แอนด์ โซลูชั่น จำกัด โดยประยุกต์ใช้แนวคิด Lean เพื่อลดความสูญเสียในกระบวนการทำงาน พร้อมกับนำเทคโนโลยีบอทเข้ามาช่วยเสริมในการแก้ไขปัญหา ซึ่งช่วยลดเวลาการจัดการปัญหาได้อย่างมีประสิทธิภาพและเพิ่มความพึงพอใจของลูกค้า โดยนำเทคโนโลยีสมัยใหม่ เช่น AI และระบบอัตโนมัติ ยังช่วยให้การทำงานมีความรวดเร็วและแม่นยำ ลดความผิดพลาดจากมนุษย์ อีกทั้งยังช่วยวิเคราะห์ข้อมูลเพื่อการตัดสินใจที่ดีขึ้น จากการศึกษา พบว่าบริษัทยังขาดกระบวนการทำงานที่ชัดเจน มีเวลาเฉลี่ยในการแก้ปัญหาที่ค่อนข้างนาน และพนักงานมีภาระงานที่มากเกินไป การปรับปรุงกระบวนการทำงานจึงเน้นการสร้างผังขั้นตอนที่ชัดเจน ลดเวลาการแก้ไขปัญหาให้เหมาะสม และปรับภาระงานของพนักงานให้เหมาะสม เพื่อลดระยะเวลาการรอคอยและเพิ่มความพึงพอใจให้กับลูกค้า
คณะบริหารธุรกิจ
This project is a part of KMITL business student’s thesis. The topic is business plan about blazers and trousers made by recycled fabric
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
The objective of this research is to utilize waste slag in industrial applications and help mitigate flooding, water accumulation, and ponding issues. Currently, slag from the steel smelting or refining process is commonly used as a component in construction materials, such as road surfaces. However, slag has properties that make it difficult for water to permeate, leading to poor drainage and increased flooding problems. This study focuses on improving the properties of pavement materials to enhance their strength and water permeability. This can be achieved through physical structural modifications or the addition of chemical agents such as HPMC, which increases void spaces to facilitate water absorption and drainage according to required standards. The utilization of waste slag not only helps reduce production costs and improve material performance but also minimizes environmental impacts and promotes the sustainable use of resources.
คณะเทคโนโลยีสารสนเทศ
This report is part of applying the knowledge gained from studying machine learning models and methods for developing a predictive model to identify customers likely to cancel their credit card services with a bank. The project was carried out during an internship at a financial institution, where the creator developed a model to predict customers likely to churn from their credit card services using real customer data through the organization's system. The focus was on building a model that can accurately predict customer churn by selecting features that are appropriate for the prediction model and the unique characteristics of the credit card industry data to ensure the highest possible accuracy and efficiency. This report also covers the integration of the model into the development of a website, which allows related departments to conveniently use the prediction model. Users can upload data for prediction and receive model results instantly. In addition, a dashboard has been created to present insights from the model's predictions, such as identifying high-risk customers likely to cancel services, as well as other important analytical information for strategic decision-making. This will help support more efficient marketing planning and customer retention efforts within the organization.