https://buuir.buu.ac.th/xmlui/handle/1234567890/4716 คณะวิทยาการสารสนเทศ 2026-05-07T14:42:38Z https://buuir.buu.ac.th/xmlui/handle/1234567890/17752 การจำแนกทักษะของวิศวกรซอฟต์แวร์สำหรับสร้างตัวแบบสมรรถนะตามความต้องการขององค์กรซอฟต์แวร์ในประเทศไทย ณัฐพร ภักดี งานวิจัยนี้มีวัตถุประสงค์เพื่อวิเคราะหืทักษะที่เป็นที่ต้องการในอุตสาหกรรมซอฟต์แวร์ของ ประเทศไทย โดยมุ่งเน้นทั้งทักษะทางเทคนิค (Technical Skills) และทักษะด้านบุคคล (Soft Skills) ที่ปรากฏในประกาศรับสมัครงาน โดยใช้เทคนิคการประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) เพื่อดึงข้อมูลเชิงลึกจากข้ความประกาศงาน ข้อมูลถูกเก็บจากเว็บไซตื JobThai และ LinkedIn ในช่วงปี 2023–2024 จากนั้นผ่านกระบวนการทำความสะอาดข้อมูล การตัดคำ การลบคำซ้ำ และการวิเคราะหืความถี่ของทักษะในแต่ละตำแหน่งงาน ผลการศึกษาพบว่า ทักษะด้าน Programming Languages เช่น Java, SQL และ Python เป็นที่ต้องการสูงที่สุดในเกือบทุกตำแหน่ง ขณะที่ทักษะด้านบุคคล เช่น Communication, Collaborate และ Problem-Solving เป็นทักษะหลักที่ปรากฏอย่างสม่ำเสมอในทุกตำแหน่งเช่นกัน นอกจากนี้ยังมีการเปรียบเทียบประสิทธิภาพของโมเดลการทำนายตำแหน่งงานโดยใช้เทคนิค Machine Learning ได้แก่ Random Forest, Nave Bayes และ XGBoost และ Deep Learning ได้แก่ LSTM ผลลัพธ์พบว่า Random Forest ให้ผลดีที่สุด ผลที่ได้จากงานวิจัยนี้สามารถนำไปใช้เป็นข้อมูลสำหรับการปรับปรุงหลักสูตรการเรียนการสอนให้ตอบโจทยืตลาดแรงงาน และการใช้โมเดลเชิงพยากรณ์เพื่อแนะนำทักษะที่เหมาะสมในอนาคต 2568-01-01T00:00:00Z https://buuir.buu.ac.th/xmlui/handle/1234567890/17751 โครงการวิจัยการพัฒนามอดูลการวัดความซับซ้อนของซอร์สโค้ดสำหรับแพลตฟอร์มการเรียนรู้การเขียนโปรแกรม พีระศักดิ์ เพียรประสิทธิ์; ณัฐพร ภักดี งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนามอดูลการวัดผลความซับซ้อนของซอร์สโค๊ดสำหรับ แพลตฟอร์มการเรียนรู้การเขียนโปรแกรม ซึ่งเป็นแพลตฟอร์มสำหรับการเรียนการสอนที่เกี่ยวข้องกับการเขียนโปรแกรม ปัจจุบันแพลตฟอร์มนี้มีฟังก์ชันต่าง ๆ เช่น การกำหนดปัญหา การมอบหมายงานให้นักเรียน และการตรวจประเมินความถูกต้องของซอร์สโค๊ดและรายงานผลคะแนนของผู้เรียน วัตถุประสงค์ของแพลตฟอร์มนี้คือเพื่อทำให้การสอนและการเรียนรู้เข้าถึงได้ง่ายขึ้นสำหรับผู้สอนและนักเรียน มอดูลการวัดความซับซ้อนของซอร์สโค๊ดที่พัฒนาขึ้นนี้จะใช้วัดค่าความซับซ้อนของซอร์สโค๊ดของผู้เรียนในแตAละโจทย์ปัญหา โดยใช้การวัดด้วย Cyclomatic metrics และ Object Oriented Design Metrics (C-K metrics) ผลลัพธUจากรายงานความซับซ้อนของซอร์สโค๊ดของผู้เรียนแต่ละโจทย์ปัญหาจะสะท้อนถึงระดับความยากง่ายของโจทย์ปัญหา และใช้เป็นข้มูลสนับสนุนผู้สอนในการตัดสินใจเลือกโจทย์ปัญหาสำหรับการเขียนโปรแกรม โดยคำนึงถึงระดับความยากของคำถามที่เหมาะสมกับนักเรียน และสร้างผลลัพธ์การเรียนรู้ให้แก่ผู้เรียนให้เหมาะสม ข้อมูลนี้อาจถูกนำไปใช้ในการกำหนดงาน ประเมินระดับทักษะความรู้ความสามารถของนักเรียน และปรับกิจกรรมการเรียนรู้ให้สอดคล้องกับทักษะของผู้เรียน 2567-01-01T00:00:00Z https://buuir.buu.ac.th/xmlui/handle/1234567890/17750 การประยุกต์ใช้งานความเป็นจริงเสริมในงานด้านอุตสาหกรรมอัตโนมัติ (ระยะที่ 2) ประจักษ์ จิตเงินมะดัน ในอุตสาหกรรมและเทคนิคการผลิตสมัยใหม่ การบำรุงรักษาที่รวดเร็วและแม่นยำเป็นแนวคิดที่สำคัญอย่างยิ่ง การศึกษานี้ได้นำเสนอระบบผู้เชี่ยวชาญระยะไกลที่ขับเคลื่อนด้วย AI ซึ่งเปลี่ยนแปลงการบำรุงรักษาในอุตสาหกรรมอัตโนมัติผ่านการบูรณาการเทคโนโลยีปัญญาประดิษฐ์ (AI) ความเป็นจริงผสม (MR) และการประมวลผลภาษาธรรมชาติ (NLP) เข้าด้วยกัน โดยมีการทดสอบการนำไปใช้งานด้วยโมเดล YOLOv8s บนอุปกรณ์แว่น Microsoft HoloLens 2 สำหรับการรู้จำวัตถุแบบเรียลไทม์และการตรวจจับสถานะไฟแสดง LED บนอุปกรณ์ PLCnext ช่วยให้ผู้ปฏิบัติงานซ่อมบำรุงได้รับข้อมูลการตรวจสอบและวินิจฉัยในทันที การตรวจสอบความถูกต้องด้วยการทดลองและการทดสอบภาคสนามแสดงให้เห็นถึงประสิทธิภาพของระบบที่มีประสิทธิภาพด้วยค่า mAP50 ที่ 0.993 และ mAP50-95 ที่ 0.844 และระบบสามารถสร้างคำแนะนำในการซ่อมบำรุงเครื่องจักรโดยใช้โมเดล NLP ที่ได้รับการพัฒนาเสริมข้อมูลเฉพาะทาง ซึ่งสามารถให้คำแนะนำเฉพาะทางแบบอัตโนมัติตามปัญหาที่ระบุ โดยแนวทางในการพัฒนานวัตกรรมนี้ สร้างกระบวนทัศน์ใหม่สำหรับการซ่อมบำรุงในอุตสาหกรรมอัตโนมัติที่ช่วยลดเวลาหยุดทำงานของเครื่องจักรอย่างมีนัยสำคัญ เพิ่มประสิทธิภาพการดำเนินงาน และลดต้นทุนการบำรุงรักษาในภาพรวม 2567-01-01T00:00:00Z https://buuir.buu.ac.th/xmlui/handle/1234567890/17749 การศึกษาความเป็นไปได้ด้านการออกแบบและพัฒนาเทคโนโลยีคู่แฝดดิจิทัลบนพื้นฐานของเทคโนโลยี PLCnext (ระยะที่ 2) ประจักษ์ จิตเงินมะดัน งานวิจัยนี้ศึกษาความเป็นไปได้ในการออกแบบและพัฒนาเทคโนโลยีคู่แฝดดิจิทัล (Digital Twin) บนพื้นฐานของเทคโนโลยี PLCnext โดยมุ่งเน้นการประยุกต์ใช้ในอุตสาหกรรมการผลิตอัตโนมัติ การวิจัยแบ่งเป็นสองระยะ โดยระยะที่ 1 เน้นการศึกษาและทดสอบโปรโตคอลการสื่อสารระหว่างอุปกรณ์จริงกับแบบจำลองดิจิทัล และระยะที่ 2 พัฒนาความสามารถในการวิเคราะห์และทำนายด้วยโครงข่ายประสาทเทียม ผลการศึกษาพบว่าโปรโตคอล MQTT มีประสิทธิภาพสูงในการส่งข้อมูลจากอุปกรณ์ PLCnext ไปยังแพลตฟอร์ม IoT ขณะที่ WebSocket เหมาะสมกับการดึงข้อมูลแบบเรียลไทม์จากแพลตฟอร์มไปยัง Unity การพัฒนา แบบจำลองโครงข่ายประสาทเทียมแบบไฮบริด CNN-LSTM สามารถทำนายพารามิเตอร์การผลิตได้แม่นยำกว่าแบบจำลองเดี่ยว โดยมีค่า mAP50 ที่ 63.8% เปรียบเทียบกับ LSTM ที่ 57.2% และ CNN ที่ 51.9% ปัจจัยที่ส่งผลต่ออุณหภูมิกระบวนการมากที่สุดคือความเร็วการหมุน (55%) แรงบิด (22%) และการสึกหรอของเครื่องมือ (15%) การศึกษานี้แสดงให้เห็นว่าเทคโนโลยีคู่แฝดดิจิทัลเป็นเครื่องมือที่มีประสิทธิภาพในการปรับปรุงกระบวนการผลิตและการบำรุงรักษาเชิงพยากรณ์ในอุตสาหกรรม 4.0 2568-01-01T00:00:00Z