https://ph02.tci-thaijo.org/index.php/ectiard/issue/feed 2024-04-30T21:58:57+07:00 รศ.ดร.อนันต์ ผลเพิ่ม (Assoc.Prof. Anan Phonphoem) anan.p@ku.ac.th Open Journal Systems <p>วารสารงานวิจัยและพัฒนาเชิงประยุกต์ ISSN: 2773-918X โดยสมาคม ECTI เป็นวารสารทางวิชาการของสมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศแห่งประเทศไทย โดยมีวัตถุประสงค์หลัก เพื่อส่งเสริมและเผยแพร่ผลงานเกี่ยวกับ การใช้เทคโนโลยีทางด้านวิศวกรรมไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ กับงานในสาขาต่าง ๆ ซึ่งนำไปสู่การสร้างนวัตกรรม สิ่งประดิษฐ์ การออกแบบและพัฒนาเชิงประยุกต์ ที่มีประโยชน์ต่อประเทศและส่วนรวม เพื่อเป็นประโยชน์ต่อนักวิจัย นิสิตนักศึกษา และคณาจารย์ โดยผลงานตีพิมพ์ต้องมีความเป็นต้นฉบับ ไม่ได้ตีพิมพ์มาก่อน มีความสมบูรณ์ ทันสมัย ทั้งด้านทฤษฎี การทดสอบ ทดลอง เป็นไปตามหลักการตามระเบียบวิธีวิจัยอย่างเหมาะสม</p> https://ph02.tci-thaijo.org/index.php/ectiard/article/view/253137 2024-03-27T10:01:09+07:00 ปิยาณี สุขจำเริญ piyanee.su@ku.th สุขุมาล กิติสิน sukumal.i@ku.th ชวลิต ศรีสถาพรพัฒน์ chavalit.s@ku.th

<p>งานวิจัยนี้นำเสนอการพัฒนาระบบเพื่อแก้ไขปัญหาการเลือกตั้งภายในของกระทรวงการคลังที่ปัจจุบันมีการเลือกตั้ง 2 วิธี คือ การเลือกตั้ง ณ สถานที่ที่ได้จัดเตรียมไว้ และการเลือกตั้งผ่านระบบที่เก็บข้อมูลแบบรวมศูนย์ ซึ่งอาจเกิดการทุจริตด้านความไม่โปร่งใสและความไม่เป็นธรรมได้ อีกทั้งการเลือกตั้งแต่ละครั้งมีเงื่อนไขที่แตกต่างกัน ทำให้ผู้พัฒนาระบบเลือกตั้งต้องพัฒนาระบบใหม่ทุกครั้งที่มีการเลือกตั้ง งานวิจัยนี้จึงนำเสนอ ระบบเลือกตั้งสำเร็จรูปบนบล็อกเชน สำหรับกระทรวงการคลัง โดยมีวัตถุประสงค์ 3 ข้อดังนี้ (1) พัฒนาระบบเลือกตั้งสำหรับใช้ในหน่วยงานกระทรวงการคลังที่ครอบคลุมความต้องการของผู้ใช้งาน (2) พัฒนาระบบเลือกตั้งที่สามารถปรับใช้งานได้กับทุกการเลือกตั้งตามเงื่อนไขที่ต้องการ (3) พัฒนาระบบเลือกตั้งที่โปร่งใส เป็นธรรมและตรวจสอบได้ โดยการวิจัยเริ่มต้นด้วยการศึกษาระบบเดิมและรวบรวมความต้องการของผู้ใช้งาน รวมถึงเอกสารและงานวิจัยที่เกี่ยวข้อง และวิเคราะห์ข้อมูลที่ได้จากการศึกษา จึงได้นำเทคโนโลยี blockchain เข้ามาช่วยให้ระบบมีความโปร่งใส และตรวจสอบได้ ซึ่งเป็นคุณสมบัติของ blockchain และมีการออกแบบและพัฒนาส่วนต่อประสานกราฟิกกับผู้ใช้ (GUI) และส่วนต่อประสานโปรแกรมประยุกต์ (API) ด้วย Next.js และพัฒนา smart contract โดยใช้ภาษา Solidity และ Hardhat ที่เป็น development environment สำหรับการพัฒนาบนแพลตฟอร์ม Ethereum และสุดท้ายทำการทดสอบระบบ ปรับปรุงแก้ไขระบบให้ถูกต้อง โดยมีการทดสอบ ดังนี้ (1) การทดสอบหน่วยย่อย (unit test) จำนวน 15 รายการ ซึ่งผลการทดสอบผ่านทั้ง 15 รายการ (2) การทดสอบประสิทธิภาพของระบบ แบ่งออกเป็น การทดสอบเวลาที่ใช้สำหรับการบันทึกและดึงข้อมูลจาก blockchain พบว่า การบันทึกข้อมูลลงบล็อกเชนใช้เวลาในการทำธุรกรรมเฉลี่ย 0.299 วินาที ซึ่งมากกว่าการอ่านข้อมูลจาก blockchain ที่ใช้เวลาในการทำธุรกรรมเฉลี่ย 0.078 วินาที และการทดสอบจำนวนธุรกรรมที่ blockchain สามารถรองรับได้มากที่สุดใน 1 วินาที พบว่า ระบบรองรับการทำรายการเฉลี่ย 116.443 &nbsp;ธุรกรรมต่อวินาที และ (3) การประเมินคุณสมบัติของระบบ พบว่าระบบมีความสอดคล้องของข้อมูล, ความสมบูรณ์ของข้อมูล&nbsp; และความโปร่งใสในการเข้าถึงข้อมูล ฯลฯ ที่สูง</p>

2024-04-30T00:00:00+07:00 Copyright (c) 2024 สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ https://ph02.tci-thaijo.org/index.php/ectiard/article/view/252617 2024-03-25T15:06:14+07:00 กำธร สารวรรณ kamthorn.sa@ksu.ac.th ภูริ จันทิมา phoori.ch@ksu.ac.th วรพจน์ สมมูล worapot.so@ksu.ac.th รณชัย สังหมื่นเม้า ronnachai.sa@ksu.ac.th พรศิริ คำหล้า pornsiri.kh@ksu.ac.th

<p>ความสามารถในการให้บริการอย่างต่อเนื่องของเว็บไซต์เป็นหัวใจสำคัญขององค์กรในยุคปัจจุบัน หากเว็บไซต์ไม่สามารถให้บริการได้หรือถูกโจมตีด้วยการเปลี่ยนแปลงข้อมูลหน้าเว็บไซต์ย่อมส่งผลเสียหายทั้งทางตรงและทางอ้อม การเฝ้าระวังและแจ้งเตือนเมื่อเกิดเหตุดังกล่าวเป็นสิ่งสำคัญไม่น้อยกว่าป้องกันไม่ให้เกิดเหตุ สำหรับองค์กรที่มีศูนย์ข้อมูลเป็นของตนเองการออกแบบให้ระบบเฝ้าระวังติดตั้งภายในศูนย์ข้อมูลเอง จึงมีความไม่เหมาะสมมากนัก เพราะหากระบบการสื่อสารของศูนย์ข้อมูลมีปัญหา จะส่งผลให้ระบบเฝ้าระวังไม่สามารถทำงานได้ด้วยเช่นกัน งานวิจัยนี้ได้นำเสนอการประยุกต์ใช้เทคโนโลยีคลาวด์ ซึ่งเป็นการเฝ้าระวังจากระยะไกล อีกทั้งระบบที่นำเสนอสามารถใช้งานได้ฟรี เพื่อออกแบบและพัฒนาระบบตรวจสอบและแจ้งเตือนเมื่อเว็บไซต์ไม่สามารถให้บริการด้วยการตรวจสอบจากรหัส HTTP Status หรือตรวจสอบการถูกโจมตีการเปลี่ยนแปลงข้อมูลเว็บไซต์ด้วยเทคนิคการ Hashing ซึ่งระบบที่นำเสนอสามารถบรรลุวัตถุประสงค์ กล่าวคือระบบสามารถส่งข้อความแจ้งเตือนไปยังแอปพลิเคชั่นไลน์ อีเมล์ และทำการบันทึกข้อมูลได้ 100% ทั้งในกรณีเว็บไซต์ไม่สามารถให้บริการได้และกรณีถูกโจมตีด้วยการเปลี่ยนแปลงข้อมูล</p>

2024-04-30T00:00:00+07:00 Copyright (c) 2024 สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ https://ph02.tci-thaijo.org/index.php/ectiard/article/view/252848 2024-02-29T10:37:07+07:00 ศิรัสวยา หงษ์ยนต์ jane.sj4@gmail.com ประภาส จงสถิตย์วัฒนา prabhas.c@chula.ac.th

<p>Crime prediction is a crucial aspect of law enforcement strategies and crime prevention efforts. Machine learning has emerged as a valuable tool in crime prediction, allowing for more accurate and data-driven forecasting. In this study, we focus on forecasting the number of crimes at Pathumwan Police Station in Thailand. Utilizing criminal records from various police stations across Thailand, we employ the K-Means clustering algorithm to group police stations exhibiting similar crime patterns to the Pathumwan Police Station. The clustering results reveal that Wang Thonglang, Nang Loeng, Dusit, Bang Sue, Thung Maha Mek, Samre, Sutthisan, Pak Khlong San, Bangkok Yai, Bangkok Noi, Makkasan, Bang Yi Ruea, and Talat Phlu Police Station are clustered together with Pathumwan Police Station. Subsequently, we apply the Long Short-Term Memory (LSTM) model to forecast crimes at Pathumwan Police Station. The training dataset comprises paired data from police stations within the same cluster as Pathumwan Police Station. Our findings indicate that combining data from Wang Thonglang, Nang Loeng, Dusit, Bang Sue, Thung Maha Mek, Samre, Sutthisan, Pak Khlong San, Bangkok Yai, Bangkok Noi, Makkasan, Bang Yi Ruea, and Talat Phlu Police Station with Pathumwan Police Station results in lower errors in Root Mean Squared Error (RMSE) and Mean Absolute Error (MAE) compared to using only Pathumwan Police Station data. This collaborative approach enhances the accuracy of crime prediction models and contributes to more effective law enforcement strategies.</p>

2024-04-30T00:00:00+07:00 Copyright (c) 2024 สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ https://ph02.tci-thaijo.org/index.php/ectiard/article/view/253100 2024-04-23T15:22:14+07:00 ศรชัย ลักษณะปิติ sornchai.la@ku.th สุขุมาล กิติสิน sukumal.i@ku.th

<p>คัมภีร์สำคัญทางพระพุทธศาสนาในประเทศไทย เช่น พระไตรปิฎก มีจำนวนมาก ถูกบันทึกอยู่ในแผ่นกระดาษหรือใบลานด้วยอักขระขอมไทย และเสี่ยงต่อความเสียหายในอนาคต การถอดความจากเอกสารสำคัญทางพระพุทธศาสนามีความสำคัญต่อการศึกษาหลักฐานทางประวัติศาสตร์ของศาสนาพุทธในไทย แต่ยังคงใช้ผู้เชี่ยวชาญในการอ่านและถอดความอักขระขอมไทยเป็นอักขระไทย งานศึกษานี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบโมเดลจากการเรียนรู้เชิงลึกโดยโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Convolutional Neural Network - CNN) สำหรับการรู้จำอักขระขอมไทย โครงสร้างที่ใช้ในการเรียนรู้ประกอบด้วย CNN ที่แตกต่างกัน 10 โครงสร้าง, ResNet50 และ ResNet50V2 โดยเก็บรวบรวมชุดข้อมูลจากภาพลายมือเขียนจากคัมภีร์พระธัมมกายาทิ และภาพลายมือเขียนในตำราเรียนอักษรขอมไทย จำแนกเป็นอักขระขอมไทย 96 รูปแบบ แบ่งชุดข้อมูลออกเป็น 3 ชุด คือ ข้อมูลชุดฝึก ข้อมูลชุดตรวจสอบ และข้อมูลชุดทดสอบ โดยกำหนดรอบในการฝึกที่ 10 รอบ จากการศึกษาพบว่าโมเดลโครงสร้าง 1 ใน 10 โครงสร้างที่สร้างขึ้น มีค่าความถูกต้องมากที่สุด คือ 79.25% ใช้เวลาในการฝึก 250.72 วินาที เมื่อเทียบกับโมเดลที่ใช้โครงสร้าง ResNet50 ที่มีค่าความถูกต้อง เท่ากับ 77.88% และใช้เวลาในการฝึก 1,514.13 วินาที จึงสรุปได้ว่า โครงสร้าง CNN ที่สร้างขึ้นสามารถนำไปพัฒนาต่อเป็นโมเดลสำหรับการรู้จำอักขระขอมไทย</p>

2024-04-30T00:00:00+07:00 Copyright (c) 2024 สมาคมวิชาการไฟฟ้า อิเล็กทรอนิกส์ คอมพิวเตอร์ โทรคมนาคม และสารสนเทศ