วารสารไทยการวิจัยดำเนินงาน

การวินิจฉัยโรคในปลานิลด้วยปัญญาประดิษฐ์โดยใช้การเรียนรู้ของเครื่อง

ชนะชัย คำนาโฮม, สุรเจษฐ์ ก้อนจันทร์, ถนัดกิจ ศรีโชค — Wed, 24 Dec 2025 00:00:00 +0700

โรคในปลานิล (Oreochromis niloticus) ส่งผลกระทบอย่างรุนแรงต่ออุตสาหกรรมการเพาะเลี้ยงสัตว์น้ำ ทำให้อัตราการตายของปลาสูงและก่อให้เกิดความสูญเสียทางเศรษฐกิจอย่างมีนัยสำคัญ วิธีการวินิจฉัยโรคแบบดั้งเดิมมักต้องอาศัยผู้เชี่ยวชาญเฉพาะทาง ซึ่งมีค่าใช้จ่ายสูง ใช้เวลานาน และอาจไม่สามารถเข้าถึงได้สำหรับเกษตรกรรายย่อย งานวิจัยนี้นำเสนอแนวทางการวินิจฉัยโรคในปลานิลโดยใช้เทคนิคการเรียนรู้ของเครื่อง (Machine Learning) โดยพัฒนาแบบจำลอง DFYOLO ซึ่งเป็นการปรับปรุง YOLOv5 ให้มีความแม่นยำและประสิทธิภาพสูงขึ้นสำหรับการตรวจจับโรคแบบเรียลไทม์ งานวิจัยนี้รวบรวมข้อมูลภาพถ่ายปลานิลที่มีสุขภาพดีและติดโรคจำนวน 1,795 ภาพ ซึ่งได้รับการติดป้ายกำกับโดยสัตวแพทย์เฉพาะทาง ก่อนนำมาใช้ในการฝึกและทดสอบแบบจำลอง การประเมินผลลัพธ์โดยใช้ค่าความแม่นยำ (Precision) ค่าการเรียกคืน (Recall) และค่าความแม่นยำเฉลี่ย (mAP50) พบว่า DFYOLO มีประสิทธิภาพสูงกว่าวิธีการแบบดั้งเดิม โดยให้ค่า Precision ร้อยละ 99.75, Recall ร้อยละ 99.31 และ mAP50 ร้อยละ 99.38 พร้อมความสามารถในการประมวลผลแบบเรียลไทม์ที่ 93.21 FPS ผลการศึกษานี้ชี้ให้เห็นถึงศักยภาพของปัญญาประดิษฐ์ในการเพิ่มประสิทธิภาพการวินิจฉัยโรคในอุตสาหกรรมเพาะเลี้ยงสัตว์น้ำ เพื่อความยั่งยืนในระยะยาว ทั้งนี้ งานวิจัยในอนาคตจะมุ่งเน้นการปรับปรุงความสามารถของแบบจำลองให้รองรับโรคในสัตว์น้ำชนิดอื่น รวมถึงการบูรณาการร่วมกับระบบเฝ้าระวังสิ่งแวดล้อม

การสร้างนโยบายใหม่ในการบริหารสินค้าคงคลังของเวชภัณฑ์ที่ใช้ในการผ่าตัดโรคต้อกระจก กรณีศึกษาคลังเวชภัณฑ์หน่วยจักษุวิทยาของโรงพยาบาลแห่งหนึ่ง

บงกช สุขโข บงกช สุขโข — Wed, 24 Dec 2025 00:00:00 +0700

งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างนโยบายใหม่ในการบริหารจัดการคลังเวชภัณฑ์ของโรงพยาบาลให้มีต้นทุนการถือครองสินค้าเฉลี่ยต่อปีรวมลดลง โดยทำการรวบรวมข้อมูลจำนวนครั้งในการผ่าตัดโรคต้อกระจกเพื่อนำมาวิเคราะห์หาตัวแบบที่เหมาะสมในการพยากรณ์จำนวนครั้งในการผ่าตัด โดยใช้การพยากรณ์รูปแบบอนุกรมเวลา (Time Series Forecasting) ในโปรแกรม R Studio และพิจารณาเลือกตัวแบบที่มีความคลาดเคลื่อน RMSE ต่ำที่สุด จากนั้นสร้างนโยบายในการบริหารจัดการคลังเวชภัณฑ์สำหรับโรคต้อกระจกแบบใหม่โดยใช้นโยบาย Periodic Review System (R,S) โดยกำหนดระดับการให้บริการสินค้า (Cycle Service Level: CSL) ที่ร้อยละ 99 และทำการสร้าง Probability Mass Function เพื่อหาความต้องการในการใช้เวชภัณฑ์แต่กลุ่มแต่ละชนิดต่อการผ่าตัดในแต่ครั้ง (Demand) จากนั้นทำการทดสอบนโยบายโดยใช้แบบจำลองกระบวนการสินค้าคงคลัง (Simulation of inventory process) และทำการเปรียบเทียบต้นทุนการถือครองเฉลี่ย สรุปได้ว่า เมื่อนำตัวแบบในการพยากรณ์จำนวนครั้งในการผ่าตัดใหม่มาสร้างนโยบายแบบ Periodic Review System (R,S) โดยกำหนด CSL เท่ากับร้อยละ 99 ทดสอบนโยบายในแบบจำลองกระบวนการสินค้าคงคลังพบว่าต้นทุนการถือครองสินค้าเฉลี่ยต่อปีของนโยบายแบบใหม่ลดลงจากวิธีการบริหารจัดการในปัจจุบันมากที่สุดถึงร้อยละ 75

การจัดสมดุลสายการผลิตกระบวนการบรรจุผลิตภัณฑ์เสริมอาหารด้วย โปรแกรมจำลองสถานการณ์

พิชญานิน มิ่งขวัญ, วิภาวี ธรรมาภรณ์พิลาศ — Wed, 24 Dec 2025 00:00:00 +0700

บทความนี้มุ่งเน้นการเพิ่มประสิทธิภาพการทำงานของโรงงานบรรจุผลิตภัณฑ์เสริมอาหารผ่านการปรับสมดุลสายการบรรจุให้เหมาะสมกับแต่ละสถานการณ์โดยประยุกต์ใช้หลักการ ECRS และการจำลองสถานการณ์ด้วยโปรแกรม Simio เดิมหน่วยงานออกแบบสายการบรรจุมาตรฐานสำหรับพนักงาน 24 คนเพื่อรองรับการทำงานของสายการบรรจุ 3 สายการบรรจุ อย่างไรก็ตามปัจจุบันมีพนักงานเพียง 15 คน ทำให้ในบางสถานการณ์ไม่สามารถดำเนินการบรรจุได้ครบตามคำสั่ง เนื่องจากข้อจำกัดด้านกำลังคน อีกทั้งยังไม่สามารถเพิ่มพนักงานได้ เพราะมากกว่าร้อยละ 70 ของช่วงเวลาตลอดปีต้องการพนักงานเพียง 15 คน ดังนั้นการปรับสมดุลสายการบรรจุภายใต้ข้อจำกัดด้านจำนวนพนักงานและปริมาณคำสั่งบรรจุในแต่ละวันจึงเป็นสิ่งจำเป็นเพื่อให้ได้ผลผลิตสูงสุด ผลการศึกษาพบว่าเมื่อปรับปรุงกระบวนการด้วยหลักการ ECRS สามารถลดรอบเวลาการทำงานได้ถึงร้อยละ 44.70, 41.12 และร้อยละ 25.49 สำหรับสายการบรรจุที่ 1, 2 และ 3 ตามลำดับ ขณะเดียวกันการประยุกต์ใช้แนวทาง ECRS ร่วมกับการจำลองสถานการณ์ผ่านโปรแกรม Simio เพื่อจัดสรรพนักงานในแต่ละวันในแต่ละสายการบรรจุ ยังสามารถช่วยเพิ่มประสิทธิภาพการทำงานได้เมื่อเปรียบเทียบกับประสิทธิภาพการทำงานในปี 2023 โดยมีอัตราการปรับปรุงอยู่ที่ร้อยละ 17.07, 18.14, 16.07 และร้อยละ 17.63 สำหรับการปฏิบัติงานใน 3 สายการบรรจุพร้อมกัน ภายใต้เงื่อนไขที่มีพนักงานจำนวน 15 คน 14 คน 13 คน และ 12 คนตามลำดับ

การเพิ่มประสิทธิภาพอัลกอริทึมผลต่างวิวัฒนาการด้วยวิธี Restart mechanism

ปฏิภาณ พลวิรัตน์, ศิวดล เสถียรพัฒนากูล, ดวงเพ็ญ เจตน์พิพัฒนพงษ์ — Wed, 24 Dec 2025 00:00:00 +0700

งานวิจัยชิ้นนี้ได้นำเสนอการเพิ่มประสิทธิภาพอัลกอริทึมผลต่างวิวัฒนาการด้วยวิธี Restart mechanism (Enhanced Differential Evolution with Restart Mechanism for Numerical Optimization: RMDE) ที่ปรับปรุงประสิทธิภาพในการค้นหาคำตอบของอัลกอริทึม An enhanced Differential Evolution algorithm with novel control parameter adaption schemes for numerical optimization (PaDE) โดยมีการนำกลไก Restart mechanism จาก Adaptive multiple-elites-guided composite differential evolution algorithm with a shift mechanism (AMECoDEs) ที่ประกอบไปด้วยกลไกช่วยเพิ่มความหลากหลายของประชากรและกลไกช่วยให้ประชากรลู่เข้า นอกจากนี้ RMDE ได้มีการนำเสนอการปรับปรุงการปรับค่าพารามิเตอร์ได้แก่ ค่าเฉลี่ยอัตราการครอสโอเวอร์ และ ค่าเฉลี่ยแฟกเตอร์ขยายผลต่าง ในการทดสอบ RMDE ด้วยชุดปัญหาทดสอบ CEC2017 กับอัลกอริทึมผลต่างวิวัฒนาการที่เป็น state-of-the-art ได้แก่ jSO MPADE JADE SHADE และ PaDE ที่ขนาดของปัญหา 10 และ 30 ตัวแปรตัดสินใจ พบว่า ในปัญหาขนาด 10 ตัวแปรตัดสินใจ jSO SHADE และ MPADE มีประสิทธิภาพในการค้นหาคำตอบดีกว่า RMDE ในขณะที่ JADE และ PaDE มีประสิทธิภาพในการค้นหาคำตอบใกล้เคียงกันกับ RMDE แต่เมื่อขนาดของปัญหาเพิ่มขึ้นเป็น 30 ตัวแปรตัดสินใจพบว่า RMDE มีประสิทธิภาพในการค้นหาคำตอบได้ดีกว่าอัลกอริทึม JADE MPADE และ PaDE ส่วน jSO และ SHADE พบว่ามีประสิทธิภาพในการค้นหาคำตอบใกล้เคียงกับ RMDE นอกจากนี้เมื่อพิจารณาผลการค้นหาคำตอบในฟังก์ชันประเภท Hybrid พบว่าอัลกอริทึม RMDE มีประสิทธิภาพในการค้นหาคำตอบได้ดีกว่าอัลกอริทึมตัวอื่นทุกตัวที่นำมาเปรียบเทียบ สำหรับการประยุกต์ใช้งาน RMDE และ PaDE ในปัญหาการจัดการคลังสินค้าพบว่า RMDE มีประสิทธิภาพในการค้นหาคำตอบได้ดีกว่า PaDE ในปัญหาขนาดกลางและปัญหาขนาดใหญ่

แนวทางขับเคลื่อนด้วยข้อมูลสำหรับปัญหาการจัดเรียงกล่องบนพาเลท: กรณีศึกษาศูนย์กระจายสินค้าแบบเย็น

กนกวรรณ เฮมสะมัน, Akkaranan Pongsathornwiwat — Thu, 25 Dec 2025 00:00:00 +0700

งานวิจัยนี้สนใจปัญหาการบรรจุผลิตภัณฑ์ในหนึ่งมิติ (One-Dimensional Bin Packing Problem) ภายใต้ข้อกำหนดในการจัดเรียงสินค้าบนพาเลท ซึ่งมีความจุเท่ากันทุกพาเลท (bin) โดยทั่วไปแล้วมีวัตถุประสงค์เพื่อมุ่งเน้นการลดจำนวนพาเลทให้เหลือน้อยที่สุด อย่างไรก็ตามงานวิจัยนี้นิยามความจุของพาเลทในแง่ของความสูงในการวางสินค้า โดยความสูงรวมของสินค้าบนพาเลทต้องไม่เกินขีดจำกัดที่กำหนดไว้ล่วงหน้า ซึ่งวัตถุประสงค์ของงานวิจัยนี้ไม่ได้มุ่งเน้นการลดจำนวนพาเลทที่ใช้ให้น้อยที่สุด แต่เน้นการจัดเรียงสินค้าให้สอดคล้องกับข้อจำกัดที่กำหนด ด้วยจำนวนพาเลทที่แน่นอน แนวทางดังกล่าวมีเป้าหมายเพื่อลดระยะเวลาในการดำเนินงานของพนักงานหยิบสินค้า (Order Picking) ลดความเสียหายของสินค้าอันเนื่องมาจากการจัดเรียงที่ไม่เป็นไปตามข้อกำหนด และสร้างมาตรฐานที่ในศูนย์กระจายสินค้าแบบควบคุมอุณหภูมิ (Cold Storage Distribution Center) แห่งหนึ่ง ผลการทดลองด้วยใบหยิบสินค้า (Picking list) จำนวน 25 ใบ ด้วยการประยุกต์ใช้วิธีการเชิงฮิวริสติก (Heuristic Algorithm) สองวิธี ได้แก่ First Fit Decreasing (FFD) และ Best Fit (BF) และประมวลผลด้วยโปรแกรม Python พบว่าวิธี First Fit Decreasing มีอัตราความคลาดเคลื่อนไม่เป็นไปตามจำนวนมาตราฐานตามข้อกำหนดต่ำกว่าวิธี Best Fit และเวลาที่ใช้ในการวางแผนจัดสินค้าด้วยวิธี First Fit Decreasing ใช้เวลาน้อยกว่าการปฏิบัติงานจริงของพนักงานโดยเฉลี่ย 916 วินาทีต่อใบ หรือ 15 นาทีต่อใบ หรือ 6 ชั่วโมง 15 นาทีต่อวัน