การศึกษาความเป็นไปได้ด้านการออกแบบและพัฒนาเทคโนโลยีคู่แฝดดิจิทัลบนพื้นฐานของเทคโนโลยี PLCnext (ระยะที่ 2)

ประจักษ์ จิตเงินมะดัน

dc.contributor.author	ประจักษ์ จิตเงินมะดัน
dc.date.accessioned	2026-04-23T08:39:48Z
dc.date.available	2026-04-23T08:39:48Z
dc.date.issued	2568
dc.identifier.uri	https://buuir.buu.ac.th/xmlui/handle/1234567890/17749
dc.description.abstract	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	th_TH
dc.description.sponsorship	โครงการวิจัยประเภทเงินรายได้ คณะวิทยาการสารสนเทศ ประจำปีงบประมาณ พ.ศ. 2567	th_TH
dc.language.iso	th	th_TH
dc.publisher	คณะวิทยาการสารสนเทศ มหาวิทยาลัยบูรพา	th_TH
dc.subject	การออกแบบระบบ -- โปรแกรมคอมพิวเตอร์	th_TH
dc.subject	เทคโนโลยีสารสนเทศ	th_TH
dc.title	การศึกษาความเป็นไปได้ด้านการออกแบบและพัฒนาเทคโนโลยีคู่แฝดดิจิทัลบนพื้นฐานของเทคโนโลยี PLCnext (ระยะที่ 2)	th_TH
dc.title.alternative	Feasibility Study of Design and Development of Digital Twin Technology based on PLCnext Technology (Phase 2)	th_TH
dc.type	Research	th_TH
dc.author.email	prajaks@buu.ac.th	th_TH
dc.year	2568	th_TH
dc.description.abstractalternative	This research investigates the feasibility of designing and developing Digital Twin technology based on PLCnext technology, focusing on applications in automated manufacturing. The research was divided into two phases, with Phase 1 emphasizing the study and testing of communication protocols between physical devices and digital models, and Phase 2 developing analytical and predictive capabilities using neural networks. The study found that the MQTT protocol demonstrates high efficiency in transmitting data from PLCnext devices to IoT platforms, while WebSocket is suitable for real-time data retrieval from platforms to Unity. The development of a hybrid CNN-LSTM neural network model provided more accurate manufacturing parameter predictions than single models, achieving mAP50 score of 63.8% compared to 57.2% for LSTM and 51.9% for CNN models. The factors most influencing process temperature were rotational speed (55%), torque (22%), and tool wear (15%). This study demonstrates that Digital Twin technology is an effective tool for improving manufacturing processes and predictive maintenance in Industry 4.0 environments.	th_TH