ปลดล็อกสุดยอดนวัตกรรม กระบวนการออกแบบวิศวกรรมที่พลิกเกม

ในยุคที่เทคโนโลยีก้าวหน้าอย่างก้าวกระโดดและความต้องการของผู้บริโภคมีการเปลี่ยนแปลงอย่างรวดเร็ว องค์กรและอุตสาหกรรมต่าง ๆ ต้องเผชิญกับความท้าทายในการสร้างสรรค์นวัตกรรมที่ไม่เพียงแต่ตอบสนองความต้องการในปัจจุบัน แต่ยังต้องสามารถคาดการณ์และกำหนดทิศทางอนาคตได้อีกด้วย กระบวนการออกแบบวิศวกรรมแบบดั้งเดิมที่เน้นการทำงานเป็นลำดับขั้นอาจไม่เพียงพออีกต่อไปในการจัดการกับความซับซ้อน ความไม่แน่นอน และความเร่งด่วนของการพัฒนาผลิตภัณฑ์และบริการในปัจจุบัน บทความวิชาการนี้จะเจาะลึกถึง “กระบวนการออกแบบวิศวกรรมที่พลิกเกม” ซึ่งเป็นแนวทางใหม่ที่ถูกสร้างขึ้นเพื่อปลดล็อกศักยภาพสูงสุดของนวัตกรรม ช่วยให้องค์กรสามารถนำเสนอโซลูชันที่มีคุณค่าสูงและสร้างผลกระทบเชิงบวกได้อย่างแท้จริง เราจะสำรวจเสาหลักสำคัญของกระบวนการเหล่านี้ กลยุทธ์ในการนำไปปฏิบัติ และผลลัพธ์ที่จับต้องได้ ซึ่งทั้งหมดนี้ได้รับการสนับสนุนจากแนวคิดและงานวิจัยที่เกี่ยวข้อง

ความท้าทายในภูมิทัศน์นวัตกรรมปัจจุบัน

สภาพแวดล้อมทางธุรกิจในปัจจุบันเป็นที่ประจักษ์ว่าเต็มไปด้วยความผันผวน ความไม่แน่นอน ความซับซ้อน และความคลุมเครือ (VUCA world) การพัฒนาระบบหรือผลิตภัณฑ์ใหม่ ๆ ไม่ได้เป็นเพียงเรื่องของการแก้ปัญหาทางเทคนิคอีกต่อไป แต่ยังเกี่ยวข้องกับการทำความเข้าใจตลาด กลุ่มผู้ใช้งาน พฤติกรรมทางสังคม และผลกระทบต่อสิ่งแวดล้อม งานวิศวกรรมจึงต้องบูรณาการศาสตร์และศิลป์เข้าด้วยกันเพื่อสร้างสรรค์สิ่งที่ตอบโจทย์ทั้งฟังก์ชันการทำงาน ความสวยงาม ความสามารถในการผลิต และความยั่งยืน

ความล้มเหลวของการออกแบบเชิงเส้นตรง

โมเดลการออกแบบวิศวกรรมแบบน้ำตก (Waterfall model) ซึ่งเป็นแนวทางเชิงเส้นตรงที่แบ่งกระบวนการออกเป็นระยะ ๆ เช่น การกำหนดความต้องการ การออกแบบ การพัฒนา การทดสอบ และการนำไปใช้ มักจะประสบปัญหาเมื่อความต้องการเปลี่ยนแปลงกลางคัน หรือเมื่อพบข้อบกพร่องในช่วงท้ายของกระบวนการ ซึ่งนำไปสู่ต้นทุนที่สูงขึ้น ความล่าช้า และความล้มเหลวของโครงการ (Royce, 1970) แนวทางนี้ไม่เอื้อต่อการเรียนรู้และการปรับตัวที่จำเป็นต่อการพัฒนานวัตกรรมที่แท้จริง

ความต้องการโซลูชันที่ครอบคลุมและยืดหยุ่น

เพื่อตอบสนองต่อความท้าทายเหล่านี้ มีความจำเป็นต้องพัฒนากระบวนการออกแบบวิศวกรรมที่สามารถรองรับการเปลี่ยนแปลง ความคลุมเครือ และส่งเสริมการทำงานร่วมกันแบบสหสาขาวิชาชีพ กระบวนการเหล่านี้ต้องเน้นการเรียนรู้ การทำซ้ำ และการทดสอบอย่างต่อเนื่อง เพื่อลดความเสี่ยงและเพิ่มโอกาสในการสร้างสรรค์นวัตกรรมที่สำเร็จ

เสาหลักของกระบวนการออกแบบวิศวกรรมที่พลิกเกม

กระบวนการออกแบบวิศวกรรมสมัยใหม่ที่นำไปสู่นวัตกรรมที่พลิกเกมนั้น ไม่ได้ยึดติดกับขั้นตอนตายตัว แต่เป็นชุดของหลักการและแนวปฏิบัติที่ยืดหยุ่น ซึ่งสามารถปรับใช้ได้ตามบริบทของแต่ละโครงการ หัวใจสำคัญคือการย้ายจุดเน้นจากการสร้างผลิตภัณฑ์ไปสู่การสร้างคุณค่าและการแก้ปัญหาที่แท้จริง เราจะมาสำรวจแนวคิดหลักที่ขับเคลื่อนกระบวนการเหล่านี้

การคิดเชิงออกแบบ (Design Thinking): หัวใจแห่งความเข้าใจผู้ใช้

การคิดเชิงออกแบบเป็นแนวทางที่ยึดมนุษย์เป็นศูนย์กลางในการแก้ปัญหา โดยเริ่มต้นด้วยความเข้าใจอย่างลึกซึ้งในความต้องการและปัญหาของผู้ใช้ (empathy) ก่อนที่จะสร้างสรรค์แนวคิด (ideation) สร้างต้นแบบ (prototyping) และทดสอบอย่างต่อเนื่อง (testing) เพื่อปรับปรุงโซลูชัน งานวิจัยของ IDEO (Brown, 2009) ได้เน้นย้ำถึงพลังของการคิดเชิงออกแบบในการสร้างสรรค์นวัตกรรมที่ผู้ใช้งานต้องการอย่างแท้จริง และส่งเสริมการทำงานร่วมกันข้ามสายงาน

ขั้นตอนสำคัญของการคิดเชิงออกแบบ:

• Empathize (ทำความเข้าใจ): การสังเกต การสัมภาษณ์ และการทำความเข้าใจความต้องการ ปัญหา และบริบทของผู้ใช้งานอย่างลึกซึ้ง
• Define (กำหนดปัญหา): การสังเคราะห์ข้อมูลที่รวบรวมได้เพื่อกำหนดปัญหาหลักที่ต้องการแก้ไขอย่างชัดเจนและจากมุมมองของผู้ใช้
• Ideate (ระดมสมอง): การสร้างสรรค์แนวคิดโซลูชันที่เป็นไปได้จำนวนมาก โดยไม่จำกัดกรอบความคิด
• Prototype (สร้างต้นแบบ): การสร้างโมเดลหรือแบบจำลองอย่างรวดเร็วเพื่อทดสอบแนวคิด
• Test (ทดสอบ): การนำต้นแบบไปทดสอบกับผู้ใช้งานจริงเพื่อรับข้อเสนอแนะและเรียนรู้เพื่อการปรับปรุง

ผลลัพธ์ที่ได้คือโซลูชันที่ไม่เพียงแต่เป็นไปได้ทางเทคนิค แต่ยังเป็นที่พึงปรารถนาสำหรับผู้ใช้ และมีความเป็นไปได้ในเชิงธุรกิจ การศึกษาของ Chang และ Lee (2018) พบว่าบริษัทที่นำการคิดเชิงออกแบบมาใช้ในกระบวนการพัฒนานวัตกรรม มีอัตราความสำเร็จของผลิตภัณฑ์ใหม่สูงขึ้น 2.5 เท่า และมีความพึงพอใจของผู้ใช้งานเพิ่มขึ้นอย่างมีนัยสำคัญ

การพัฒนาผลิตภัณฑ์แบบลีนและคล่องตัว (Lean and Agile Product Development): ความเร็วและการปรับตัว

แนวคิด Lean Product Development มีรากฐานมาจากการผลิตแบบลีน (Lean Manufacturing) โดยเน้นการกำจัดความสูญเปล่า เพิ่มประสิทธิภาพ และสร้างคุณค่าสูงสุดด้วยทรัพยากรที่น้อยที่สุด (Womack & Jones, 1996) ขณะที่ Agile Development ซึ่งได้รับความนิยมอย่างมากในอุตสาหกรรมซอฟต์แวร์ เน้นการส่งมอบผลิตภัณฑ์ที่ใช้งานได้จริงในวงรอบสั้น ๆ (sprints) การทำงานร่วมกันของทีม และการตอบสนองต่อการเปลี่ยนแปลง (Beck et al., 2001)

องค์ประกอบสำคัญของ Lean และ Agile:

• Minimum Viable Product (MVP): การสร้างผลิตภัณฑ์ที่มีฟังก์ชันการทำงานพื้นฐานที่สุดเพื่อนำไปทดสอบกับผู้ใช้งานจริงและเรียนรู้โดยเร็วที่สุด
• การทำงานเป็นวงรอบ (Iterations and Sprints): การแบ่งโครงการออกเป็นส่วนย่อย ๆ และพัฒนาในวงรอบสั้น ๆ (เช่น 2-4 สัปดาห์) เพื่อส่งมอบคุณค่าอย่างต่อเนื่อง
• การปรับตัวต่อการเปลี่ยนแปลง: เปิดรับการเปลี่ยนแปลงความต้องการแม้ในขั้นตอนท้ายของโครงการ แทนที่จะยึดติดกับแผนที่วางไว้ตั้งแต่ต้น
• ทีมข้ามสายงาน (Cross-functional Teams): การรวมผู้เชี่ยวชาญจากสาขาต่าง ๆ มารวมกันในทีมเดียวเพื่อเพิ่มประสิทธิภาพการสื่อสารและการตัดสินใจ

งานวิจัยของ Kim และ Park (2020) ชี้ให้เห็นว่าการบูรณาการหลักการ Lean และ Agile ในการพัฒนาฮาร์ดแวร์และผลิตภัณฑ์เชิงกายภาพ ช่วยลดระยะเวลาในการนำผลิตภัณฑ์ออกสู่ตลาดได้ถึง 30% และลดต้นทุนการพัฒนาลง 15-20% โดยเฉพาะอย่างยิ่งในบริษัทสตาร์ทอัพและองค์กรที่ต้องการนวัตกรรมที่รวดเร็ว

การออกแบบที่ขับเคลื่อนด้วยข้อมูลและการจำลอง (Data-Driven Design and Simulation): ความแม่นยำและการคาดการณ์

ในยุคของ Big Data และ AI การออกแบบวิศวกรรมสามารถใช้ประโยชน์จากข้อมูลจำนวนมหาศาลเพื่อเพิ่มความแม่นยำ ลดความผิดพลาด และคาดการณ์ประสิทธิภาพของผลิตภัณฑ์ก่อนที่จะมีการสร้างจริง

เทคโนโลยีและแนวทางที่สำคัญ:

• Digital Twins: การสร้างแบบจำลองดิจิทัลของผลิตภัณฑ์หรือระบบทางกายภาพที่สามารถรับข้อมูลจากเซ็นเซอร์ในโลกจริง เพื่อจำลองพฤติกรรม วิเคราะห์ประสิทธิภาพ และคาดการณ์ปัญหา (Fuller et al., 2020) ทำให้วิศวกรสามารถทดสอบสถานการณ์ต่าง ๆ และปรับปรุงการออกแบบได้อย่างต่อเนื่อง
• การจำลองขั้นสูง (Advanced Simulation): การใช้ Finite Element Analysis (FEA), Computational Fluid Dynamics (CFD), Multibody Dynamics (MBD) และเครื่องมือจำลองอื่น ๆ เพื่อวิเคราะห์คุณสมบัติทางกายภาพและพฤติกรรมของผลิตภัณฑ์ภายใต้เงื่อนไขต่าง ๆ อย่างละเอียด ซึ่งช่วยลดความจำเป็นในการสร้างต้นแบบทางกายภาพจำนวนมาก
• การเรียนรู้ของเครื่องจักร (Machine Learning) ในการออกแบบ: AI และ ML สามารถนำมาใช้เพื่อเพิ่มประสิทธิภาพการออกแบบ โดยเฉพาะในการวิเคราะห์ข้อมูลการใช้งาน การแนะนำวัสดุที่เหมาะสม การเพิ่มประสิทธิภาพโครงสร้าง (generative design) และการคาดการณ์ความล้มเหลว (Li et al., 2021)

ผลการศึกษาของ Chen และ Wang (2021) แสดงให้เห็นว่าการนำ Digital Twins และ AI มาใช้ในการออกแบบระบบการผลิต ช่วยลดข้อผิดพลาดในการออกแบบได้ถึง 40% และเพิ่มประสิทธิภาพการทำงานของระบบโดยรวม 25% ซึ่งเป็นตัวอย่างที่ชัดเจนของการใช้ข้อมูลเพื่อขับเคลื่อนนวัตกรรม

วิศวกรรมระบบแบบจำลอง (Model-Based Systems Engineering – MBSE): การจัดการความซับซ้อนอย่างเป็นองค์รวม

เมื่อระบบต่าง ๆ มีความซับซ้อนมากขึ้น การจัดการความต้องการ การออกแบบ และการวิเคราะห์ด้วยเอกสารข้อความเพียงอย่างเดียวอาจไม่เพียงพอ MBSE เป็นแนวทางที่ใช้แบบจำลองเป็นศูนย์กลางตลอดวงจรชีวิตของการพัฒนาระบบ (ระบบที่ซับซ้อน เช่น เครื่องบิน ระบบขนส่งมวลชน หรือโรงงานผลิต) แบบจำลองเหล่านี้เป็นภาษากลางที่ช่วยให้ผู้มีส่วนได้ส่วนเสียทั้งหมดเข้าใจระบบในมุมมองที่แตกต่างกันได้

ประโยชน์ของ MBSE:

• การสื่อสารที่ชัดเจน: แบบจำลองภาพช่วยลดความกำกวมและข้อผิดพลาดในการสื่อสารระหว่างทีมและผู้มีส่วนได้ส่วนเสีย
• การตรวจสอบความสอดคล้อง: สามารถตรวจสอบความสอดคล้องระหว่างความต้องการ การออกแบบ และการทดสอบได้อย่างอัตโนมัติ
• การจัดการความซับซ้อน: ช่วยให้สามารถจัดการระบบที่มีองค์ประกอบและปฏิสัมพันธ์ที่ซับซ้อนจำนวนมากได้อย่างเป็นระบบ
• การนำกลับมาใช้ใหม่ (Reuse): แบบจำลองสามารถนำกลับมาใช้ใหม่หรือปรับเปลี่ยนได้ง่ายสำหรับโครงการในอนาคต

บทความของ Davies (2022) อธิบายว่า MBSE เป็นเครื่องมือสำคัญในการออกแบบและพัฒนาระบบอวกาศและป้องกันประเทศที่มีความซับซ้อนสูง โดยช่วยลดความเสี่ยงของข้อผิดพลาดที่เกิดจากมนุษย์ และเพิ่มความสามารถในการจัดการการเปลี่ยนแปลงตลอดวงจรชีวิตของโครงการ

การออกแบบโดยมุ่งเน้นผู้ใช้และความยั่งยืน (User-Centricity and Sustainability): นวัตกรรมที่มีคุณค่าและรับผิดชอบ

นวัตกรรมที่แท้จริงต้องไม่เพียงแต่ตอบสนองความต้องการของผู้ใช้และมีคุณค่าทางธุรกิจเท่านั้น แต่ยังต้องคำนึงถึงผลกระทบต่อสังคมและสิ่งแวดล้อมด้วย

หลักการสำคัญ:

• การออกแบบที่เน้นผู้ใช้ (User-Centered Design – UCD): ขยายแนวคิดจาก Design Thinking โดยให้ความสำคัญกับการทำความเข้าใจผู้ใช้ในทุกขั้นตอนของกระบวนการ เพื่อสร้างประสบการณ์ที่ดีที่สุดและโซลูชันที่ใช้งานได้จริง (Norman, 1988)
• การออกแบบเพื่อความยั่งยืน (Design for Sustainability – DfS): การพิจารณาผลกระทบต่อสิ่งแวดล้อมและสังคมตลอดวงจรชีวิตของผลิตภัณฑ์ ตั้งแต่การจัดหาวัตถุดิบ การผลิต การใช้งาน ไปจนถึงการกำจัดหรือรีไซเคิล (LCA – Life Cycle Assessment) ซึ่งรวมถึงการลดการใช้ทรัพยากร การลดของเสีย และการออกแบบผลิตภัณฑ์ที่สามารถซ่อมแซมได้ หรือมีอายุการใช้งานยาวนาน (Pahl et al., 2007)
• จริยธรรมในการออกแบบ (Ethical Design): การพิจารณาถึงผลกระทบทางจริยธรรมของนวัตกรรม เช่น ความเป็นส่วนตัว ความเท่าเทียม การเข้าถึง และความรับผิดชอบต่อสังคม

ผลการศึกษาของ Zhou และ Liu (2023) พบว่าบริษัทที่บูรณาการหลักการ DfS เข้ากับการออกแบบผลิตภัณฑ์ มีการลดการปล่อยก๊าซคาร์บอนไดออกไซด์โดยเฉลี่ย 18% และได้รับการตอบรับเชิงบวกจากลูกค้าและนักลงทุนมากขึ้น ซึ่งสะท้อนให้เห็นถึงความสำคัญของนวัตกรรมที่รับผิดชอบ

กลยุทธ์ในการนำกระบวนการออกแบบวิศวกรรมที่พลิกเกมไปปฏิบัติ

การนำแนวคิดเหล่านี้ไปปฏิบัติให้เกิดผลสำเร็จต้องอาศัยกลยุทธ์ที่ครอบคลุม ทั้งในด้านวัฒนธรรม องค์กร เทคโนโลยี และการพัฒนาบุคลากร

การสร้างวัฒนธรรมนวัตกรรมและความร่วมมือ

หัวใจของการเปลี่ยนแปลงคือการสร้างสภาพแวดล้อมที่ส่งเสริมการทดลอง ความผิดพลาดเป็นบทเรียน และการทำงานร่วมกันโดยไม่มีกำแพงกั้นระหว่างแผนกหรือสาขาวิชา การสนับสนุนจากผู้บริหารระดับสูงเป็นสิ่งสำคัญในการผลักดันให้เกิดการเปลี่ยนแปลงนี้

• ส่งเสริมการทดลองและความกล้าที่จะล้มเหลว: สร้างพื้นที่ปลอดภัยสำหรับการทดลองและเรียนรู้จากความผิดพลาด
• การทำงานร่วมกันแบบสหสาขาวิชาชีพ: จัดตั้งทีมที่ประกอบด้วยสมาชิกจากหลากหลายความเชี่ยวชาญ (วิศวกร นักออกแบบ นักการตลาด ผู้เชี่ยวชาญด้านข้อมูล)
• การสื่อสารที่โปร่งใสและต่อเนื่อง: ใช้เครื่องมือและกระบวนการที่ส่งเสริมการแลกเปลี่ยนข้อมูลและข้อเสนอแนะอย่างเปิดเผย

การลงทุนในเครื่องมือและเทคโนโลยีที่เหมาะสม

การใช้เครื่องมือที่ทันสมัยเป็นสิ่งจำเป็นในการสนับสนุนกระบวนการออกแบบใหม่ ๆ

• แพลตฟอร์มการออกแบบแบบบูรณาการ: เลือกใช้ซอฟต์แวร์ CAD/CAE/PLM ที่สามารถทำงานร่วมกันได้อย่างราบรื่น
• เครื่องมือสำหรับการจำลองและวิเคราะห์ขั้นสูง: ลงทุนในซอฟต์แวร์จำลองที่สามารถรองรับความซับซ้อนของผลิตภัณฑ์
• แพลตฟอร์มสำหรับการจัดการข้อมูลและ AI/ML: พัฒนาโครงสร้างพื้นฐานที่รองรับการเก็บรวบรวม วิเคราะห์ และประยุกต์ใช้ข้อมูลในการออกแบบ
• เทคโนโลยีการสร้างต้นแบบอย่างรวดเร็ว (Rapid Prototyping): เช่น 3D Printing, CNC Machining เพื่อเร่งกระบวนการสร้างและทดสอบต้นแบบ

การฝึกอบรมและพัฒนาทักษะบุคลากร

บุคลากรคือหัวใจสำคัญของการเปลี่ยนแปลง การลงทุนในการฝึกอบรมทักษะใหม่ ๆ เป็นสิ่งจำเป็น

• การฝึกอบรม Design Thinking: สอนหลักการและเครื่องมือของการคิดเชิงออกแบบให้กับทีมงาน
• การพัฒนาทักษะด้าน Lean และ Agile: อบรมให้เข้าใจแนวคิด MVP, Sprints และวิธีการทำงานแบบ Agile
• การพัฒนาความเชี่ยวชาญด้าน Data Science และ AI/ML: ให้ความรู้และทักษะในการใช้ข้อมูลเพื่อการออกแบบ
• การส่งเสริมทักษะด้านวิศวกรรมระบบ (Systems Engineering): โดยเฉพาะอย่างยิ่งในบริบทของ MBSE

การวัดผลและการปรับปรุงอย่างต่อเนื่อง

เช่นเดียวกับกระบวนการออกแบบที่เน้นการทำซ้ำ กระบวนการออกแบบวิศวกรรมเองก็ควรได้รับการตรวจสอบและปรับปรุงอย่างต่อเนื่อง

• การกำหนดตัวชี้วัดความสำเร็จ (KPIs): เช่น ระยะเวลาในการออกสู่ตลาด (Time-to-Market), อัตราความสำเร็จของผลิตภัณฑ์ใหม่, ความพึงพอใจของลูกค้า, ต้นทุนการพัฒนา, หรือผลกระทบต่อสิ่งแวดล้อม
• การรวบรวมข้อเสนอแนะและบทเรียนที่ได้รับ: จัดให้มีการทบทวนหลังโครงการ (Post-Mortem Review) เพื่อระบุสิ่งที่ได้ผลดีและสิ่งที่ต้องปรับปรุง
• การนำผลลัพธ์มาปรับปรุงกระบวนการ: สร้างวงจรแห่งการเรียนรู้และการปรับปรุงอย่างต่อเนื่องในระดับองค์กร

บทสรุป

การปลดล็อกสุดยอดนวัตกรรมในยุคปัจจุบัน ไม่ได้ขึ้นอยู่กับความฉลาดทางเทคนิคเพียงอย่างเดียว แต่ยังขึ้นอยู่กับความสามารถในการปรับใช้ กระบวนการออกแบบวิศวกรรมที่พลิกเกม ซึ่งเป็นการผสมผสานระหว่างความเข้าใจผู้ใช้อย่างลึกซึ้ง (Design Thinking) ความเร็วและความยืดหยุ่นในการพัฒนา (Lean & Agile) ความแม่นยำและการคาดการณ์ด้วยข้อมูลและเทคโนโลยี (Data-Driven Design & Simulation) การจัดการความซับซ้อนอย่างเป็นองค์รวม (MBSE) และความรับผิดชอบต่อสังคมและสิ่งแวดล้อม (User-Centricity & Sustainability) การนำแนวทางเหล่านี้ไปปฏิบัติอย่างจริงจังต้องอาศัยการเปลี่ยนแปลงทางวัฒนธรรม การลงทุนในเทคโนโลยี และการพัฒนาบุคลากรอย่างต่อเนื่อง

ในฐานะนักวิจัยและนักพัฒนานวัตกร เราเชื่อมั่นว่าการนำกระบวนการเหล่านี้มาใช้อย่างมีกลยุทธ์ จะไม่เพียงแต่ช่วยให้องค์กรสามารถสร้างสรรค์ผลิตภัณฑ์และบริการที่ตอบสนองความต้องการของตลาดได้อย่างรวดเร็วและมีประสิทธิภาพเท่านั้น แต่ยังเป็นการสร้างรากฐานที่แข็งแกร่งสำหรับการเติบโตอย่างยั่งยืน และการเป็นผู้นำในโลกที่ขับเคลื่อนด้วยนวัตกรรมอย่างไม่หยุดยั้ง การลงทุนในกระบวนการออกแบบเหล่านี้คือการลงทุนในอนาคตขององค์กรและสังคมโดยรวม

แหล่งอ้างอิงข้อมูล (บรรณานุกรม)

• Beck, K., Beedle, M., van Bennekum, A., Cockburn, A., Cunningham, W., Fowler, M., … & Thomas, D. (2001). Manifesto for Agile Software Development. Agile Alliance.
• Brown, T. (2009). Change by Design: How Design Thinking Transforms Organizations and Inspires Innovation. HarperBusiness.
• Chang, Y. T., & Lee, J. S. (2018). The impact of design thinking on product innovation success in high-tech industries. Journal of Engineering and Technology Management, 35, 10-25.
• Chen, L., & Wang, J. (2021). Enhancing manufacturing system design through digital twin and AI integration. International Journal of Production Research, 59(12), 3705-3720.
• Davies, C. (2022). Model-based systems engineering in complex defense and aerospace projects. Systems Engineering Journal, 25(3), 281-295.
• Fuller, A., Fan, Z., Day, C., & Barlow, C. (2020). Digital Twin: Enabling technologies, challenges and open research. IEEE Access, 8, 108928-108953.
• Kim, S. H., & Park, J. M. (2020). Lean-agile integration for physical product development: A case study approach. Journal of Product Innovation Management, 37(5), 450-468.
• Li, W., Du, S., & Ren, J. (2021). Artificial intelligence applications in product design and development: A systematic review. Computers & Industrial Engineering, 161, 107641.
• Norman, D. A. (1988). The Design of Everyday Things. Basic Books.
• Pahl, G., Beitz, W., Feldhusen, J., & Grote, K. H. (2007). Engineering Design: A Systematic Approach (3rd ed.). Springer.
• Royce, W. W. (1970). Managing the development of large software systems: Concepts and techniques. Proceedings of IEEE WESCON, 26(8), 1-9.
• Womack, J. P., & Jones, D. T. (1996). Lean Thinking: Banish Waste and Create Wealth in Your Corporation. Simon & Schuster.
• Zhou, Q., & Liu, Y. (2023). Integrating design for sustainability into product development: Empirical evidence from manufacturing firms. Journal of Cleaner Production, 382, 134901.