Academic Year 2025

ชื่อปริญญานิพนธ์ : การพัฒนาชุดการเรียนรู้ เรื่อง การวัดและควบคุมอุณหภูมิและระดับน้ำ

(Development of a Temperature and Water Level Measurement and Controllearning kit) 

ผู้จัดทำ :  นายยศสรัล กิจบำรุง และ นายศราวุธ จันทระ

อาจารย์ที่ปรึกษาปริญญานิพนธ์หลัก  : รองศาสตราจารย์ ดร.ศุภชัย หอวิมานพร
อาจารย์ที่ปรึกษาปริญญานิพนธ์ร่วม  : รองศาสตราจารย์ ดร.ศศิธร ชูแก้ว

บทคัดย่อ

       ปริญญานิพนธ์นี้มุ่งพัฒนาชุดการเรียนรู้เรื่องการวัดและควบคุมอุณหภูมิและระดับน้ำ โดยเน้นการจัดการเรียนรู้ด้านการผลิตที่ใช้เทคโนโลยีเพื่อเพิ่มประสิทธิภาพและความแม่นยำในการควบคุมเครื่องจักรอย่างไรก็ตาม หัวข้อดังกล่าวค่อนข้างซับซ้อน ทำให้นักเรียนมักขาดความเข้าใจ อีกทั้งสื่อการสอนที่มีอยู่ยังมีราคาแพงและไม่เพียงพอต่อการเรียนการสอนที่มีประสิทธิภาพ ดังนั้น การศึกษานี้ได้ออกแบบและพัฒนาชุดการเรียนรู้การวัดและควบคุมอุณหภูมิและระดับน้ำ ปริญญานิพนธ์นี้จึงมีวัตถุประสงค์ คือ 1)เพื่อสร้างสื่อการสอนในรายวิชาเทคนิคการวัดและอุปกรณ์ควบคุมที่เหมาะสมสำหรับการเรียนรู้ในระดับประกาศนียบัตรวิชาชีพ 2) เพื่อประเมินผลสัมฤทธิ์ทางการเรียนรู้ของผู้เรียนที่ใช้ชุดการเรียนรู้ เรื่อง การวัดและควบคุมอุณหภูมิและระดับน้ำ 3) เพื่อประเมินการมีส่วนร่วมของผู้เรียนในการใช้ชุดการเรียนรู้เรื่องการวัดและควบคุมอุณหภูมิและระดับน้ำ และได้นำไปใช้จัดการเรียนการสอนให้กับนักเรียน จำนวน 31 คน พบว่า ผู้เรียนมีผลสัมฤทธิ์ด้านทักษะในระดับดีมาก และผลการประเมินการมีส่วนร่วมของผู้เรียนในระดับเห็นด้วยมาก

ชื่อปริญญานิพนธ์ : การประยุกต์ใช้นิวโร-ฟัซซี เพื่อประมาณธาตุเหล็กสำหรับการปลูกพืชระบบปิด

(Application of a Neuro-Fuzzy Approach for Iron Estimation in Controlled Environment Agriculture) 

ผู้จัดทำ :  นางสาวชลาลัย ลายน้ำเงิน

อาจารย์ที่ปรึกษาปริญญานิพนธ์หลัก  : ผู้ช่วยศาสตราจารย์ ดร.สรรพงศ์ ทานอก

บทคัดย่อ

       ปริญญานิพนธ์นี้มีวัตถุประสงค์เพื่อพัฒนาและออกแบบระบบนิวโรฟัซซี (Neuro-Fuzzy System) สำหรับการทำนายปริมาณธาตุเหล็ก (Fe) ในผักกาดแก้ว (Iceberg Lettuce) ที่ปลูกในระบบปิดโดยใช้ตัวแปรสภาพแวดล้อม อุณหภูมิ ความชื้น ความเข้มแสง และระยะเวลาการให้แสง ข้อมูลถูกเก็บด้วยไมโครคอนโทรลเลอร์ ESP32 ทุก 3 นาที เป็นเวลา 20 วัน รวม 481 ครั้งต่อวัน และเฉลี่ยข้อมูลออกเป็นสองชุดคือ ชุดข้อมูลช่วงเปิดไฟ (ON/Day) และข้อมูลเปิดปิด (ON-OFF/Day) จากนั้นสร้างโมเดลนิวโรฟัซซีแบบ ซูเกโนะ (Sugeno) จำนวน 4 โมเดลในโปรแกรม MATLAB โดยโมเดลที่ 1 และ 2 ใช้ข้อมูลชุด เปิดไฟ ส่วนโมเดลที่ 3 และ 4 ใช้ข้อมูลชุด เปิดปิด ผลการทดลองพบว่าโมเดลที่ใช้ข้อมูล เปิดไฟ มีค่าความผิดพลาดต่ำสุด (Error ≈ 0.00027237) และให้ผลการทำนายใกล้เคียงค่าจริงที่สุดเมื่อเปรียบเทียบกับผลแล็บของการปลูกรอบที่ 4 โดยมีความคลาดเคลื่อนเฉลี่ยไม่เกิน 1% ที่ช่วงเวลาให้แสง 15 ชั่วโมงต่อวัน ค่าทำนาย 0.558 mg/100 g เทียบกับค่าจริง 0.556 mg/100 g แสดงให้เห็นว่าระบบนิวโรฟัซซีที่พัฒนาขึ้นสามารถทำนายปริมาณธาตุเหล็กในระบบปลูกพืชปิดได้อย่างมีประสิทธิภาพ