ข้อมูลจากบทคัดย่อ
ยังไม่มีสรุปภาษาไทยสำหรับระเบียนนี้
ด้านล่างเป็นบทคัดย่อต้นฉบับภาษาอังกฤษจากข้อมูลบรรณานุกรม โปรดตรวจบทความต้นฉบับก่อนอ้างอิง
ABSTRACT Traditional performance evaluations suffer from systemic manager bias and structural stagnation. This study develops an interdisciplinary human resource (HR) governance framework to resolve these flaws. Drawing an analogy to electrical engineering, supervisor bias represents harmonic signal noise. To extract the true output signal, we design a 40/60 weighting mechanism using a Mamdani Fuzzy Inference System and automated enterprise data. The framework operates like a full‐wave bridge rectifier circuit. Empirically deployed over 12 months across two manufacturing plants (1800 and 1200 employees), the model successfully stabilized distorted evaluations. High‐performer retention rates rose up to 88.0%. Factory line productivity increased by 13.0% in overall equipment effectiveness (OEE). This study demonstrates how automated mathematical governance protects human capital and optimizes industrial workflows.
เหตุผลที่อยู่ในฐานติดตาม
ระเบียนนี้ได้รับ Impact Signal 79/100 จากความใหม่ แหล่งเผยแพร่ ความร่วมมือ และสัญญาณในข้อมูลบรรณานุกรม คะแนนนี้ใช้จัดลำดับการติดตาม ไม่ใช่การตัดสินคุณภาพงานวิจัย
ประเด็นที่เกี่ยวข้อง: AI and HR Technologies · Employer Branding and e-HRM · Job Satisfaction and Organizational Behavior
บทบาทของนักวิจัยและสถาบันไทย
Arithat Chuchotsakunleot · Rajabhat Maha Sarakham University
ข้อจำกัดของข้อมูล
หน้านี้เป็นระเบียนบรรณานุกรมและข้อมูลจากบทคัดย่อ ยังไม่ใช่บทวิเคราะห์ฉบับเต็มหรือการประเมินคุณภาพงานวิจัย ควรตรวจสอบ DOI และเอกสารต้นฉบับก่อนนำไปอ้างอิง