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
วิทยาเขตชุมพรเขตรอุดมศักดิ์
This project focuses on developing a work tracking system for team members. Python is used to extract data from Excel files and import it into a SQL Server database for systematic data management. The system includes a function to notify task status via LINE and displays reports via Power BI, allowing supervisors to track progress and evaluate team members' performance efficiently. Additionally, the system helps promote work and time management skills for team members.
คณะเทคโนโลยีการเกษตร
The objective of this experiment was to determine the effect of nitrogen and potassium concentration combination with photoperiod on the growth of Viola in a plant factory to increase the quality of the products, reduce the production time and increase the production cycle throughout the year. The experimental plan was 3x3 Factorial in CRD with nine treatments and three replications (six plants per replication). The factor of this study was two factors; the first factor was three different concentrations of nitrogen and potassium in ratios of 1:1, 1:2 and 2:1. The second factor was the application of different photoperiods. There were 1) 24-hours photoperiod, 2) 8-hours light/16-hours dark photoperiod (Induced flowering state: 13-hours light/11-hours dark photoperiod) and 3) 5-hours light/3-hours dark photoperiod. Controlled temperature at 25 °C, the EC=1.5-2.0 mS/cm and the pH=5.8-6.5 in all treatment. The result showed that the concentration of N: K in the ratio of 1:1 combined with 24-hour photoperiod was the most vegetative growth and also maximizes reproductive growth. The overall great sensory evaluation was an acceptable level and suitable for cooking or decorating dishes. Therefore, the concentration of N: K in the ratio of 1:1 combined with 24-hour photoperiod is the best treatment to increase the quality of the product, reduce the production time of viola flowers in each cycle from 90-100 days down to 43-45 days which is good for farmers.
คณะวิศวกรรมศาสตร์
Under The National Broadcasting and Telecommunications Commission (NBTC), the Telecommunication Enforcement Bureau collects a lot of data on service quality by monitoring and controlling the quality of telecommunications services, mainly by assessing mobile network infrastructure. The NBTC used Microsoft Excel for data analysis but became ineffective and slow. We used Python programming for preparation, analysis, and data processing to address this. Raw data was obtained from the Syberiz program in CSV format, processed in Python, and displayed on a dashboard. The dashboard, developed using Power BI, meets NBTC's telecommunications quality standards. It features maps, test results, and graphical representations. This method enhances the dashboard's appearance and usability and speeds up data processing and visualization compared to Microsoft Excel. This project is primarily designed to help the Telecommunication Enforcement Bureau's operations by making data processing and display for telecommunications quality monitoring faster, more effective, and easier to use.