Original Title: Regression Modeling of Fuel Cosumption Optimization of Rotary Blades of Power Tiller Under Sandy Clay Loam Condition
Source: li01.tci-thaijo.org
Disclaimer: Summary generated by AI based on the provided document. Please refer to the original paper for full scientific accuracy.

ការធ្វើម៉ូដែលតម្រែតម្រង់នៃការធ្វើឱ្យប្រសើរឡើងនូវការប្រើប្រាស់ប្រេងឥន្ធនៈនៃផ្លែរ៉ូតារីរបស់គោយន្តកន្ត្រៃក្នុងលក្ខខណ្ឌដីល្បាយខ្សាច់-ដីឥដ្ឋ

ចំណងជើងដើម៖ Regression Modeling of Fuel Cosumption Optimization of Rotary Blades of Power Tiller Under Sandy Clay Loam Condition

អ្នកនិពន្ធ៖ Mesfin Tafesse (Afar National Regional State, Bureau of Agriculture P.O.Box, 74, Semera, Ethiopia), Sakda Intaravichai (Department of Farm Mechanics, Faculty of Agriculture, Kasetsart University, Bangkok 10900, Thailand), Banyat Saitthiti (Department of Farm Mechanics, Faculty of Agriculture, Kasetsart University, Bangkok 10900, Thailand), Thanya Kiatiwat (Department of Mechanical Engineering, Faculty of Engineering, Kasetsart University, Bangkok 10900, Thailand)

ឆ្នាំបោះពុម្ព៖ 2007 Kasetsart J. (Nat. Sci.)

វិស័យសិក្សា៖ Agricultural Engineering

១. សេចក្តីសង្ខេបប្រតិបត្តិ (Executive Summary)

បញ្ហា (The Problem)៖ ការសិក្សានេះដោះស្រាយបញ្ហាតម្រូវការក្នុងការវាយតម្លៃ និងធ្វើឱ្យប្រសើរឡើងនូវការប្រើប្រាស់ប្រេងឥន្ធនៈសម្រាប់ផ្លែរ៉ូតារីគោយន្តផ្សេងៗគ្នា ដែលដំណើរការភ្ជួររាស់ក្នុងលក្ខខណ្ឌដីល្បាយខ្សាច់-ដីឥដ្ឋ (Sandy clay loam)។

វិធីសាស្ត្រ (The Methodology)៖ អ្នកស្រាវជ្រាវបានបង្កើត និងកែសម្រួលម៉ូដែលគណិតវិទ្យា ព្រមទាំងប្រើប្រាស់ការវិភាគភាពរសើប និងមេគុណសហសម្ព័ន្ធ ដើម្បីវាយតម្លៃប្រសិទ្ធភាពនៃរូបរាងផ្លែរ៉ូតារីចំនួន ៥ ប្រភេទផ្សេងគ្នា។

ការធ្វើម៉ូដែលគណិតវិទ្យានៃការប្រើប្រាស់ប្រេងឥន្ធនៈ (Fuel Consumption Mathematical Modeling)
ការវិភាគភាពរសើបនៃប៉ារ៉ាម៉ែត្រ (Sensitivity Analysis)
ការវិភាគមេគុណសហសម្ព័ន្ធ (Pearson Correlation Coefficient Analysis)

លទ្ធផលសំខាន់ៗ (The Verdict)៖

ជម្រៅនៃការភ្ជួរ (r=0.7, p<0.05) និងទទឹងមុខកាត់ (r=0.5, p<0.01) គឺជាប៉ារ៉ាម៉ែត្រប្រព័ន្ធដែលជះឥទ្ធិពលខ្លាំងជាងគេបំផុតទៅលើតម្រូវការប្រើប្រាស់ប្រេងឥន្ធនៈ។
ផ្លែរ៉ូតារីរាងអក្សរ 'C' ត្រូវបានរកឃើញថាស៊ីប្រេងឥន្ធនៈតិចបំផុត ប៉ុន្តែផ្លែរាងអក្សរ 'Pick' មានសមត្ថភាពភ្ជួរដីបានបរិមាណទាបបំផុតក្នុងមួយវិនាទី។
ដោយសារបរិមាណដីភ្ជួរទាបនាំឱ្យថ្លៃចំណាយប្រតិបត្តិការមានភាពល្អប្រសើរបំផុត ផ្លែរ៉ូតារីរាងអក្សរ 'Pick' ត្រូវបានទស្សន៍ទាយថាជាជម្រើសដ៏ល្អ និងមានប្រសិទ្ធភាពបំផុតសម្រាប់ការអនុវត្តជាក់ស្តែង។

២. ការវិភាគលើប្រសិទ្ធភាព និងដែនកំណត់ (Performance & Constraints)

វិធីសាស្ត្រ (Method)	គុណសម្បត្តិ (Pros)	គុណវិបត្តិ (Cons)	លទ្ធផលគន្លឹះ (Key Result)
'Pick'-shaped blade optimization ការធ្វើម៉ូដែលនិងធ្វើឱ្យប្រសើរឡើងនូវផ្លែរ៉ូតារីរាងអក្សរ 'Pick'	ផ្តល់បរិមាណដីភ្ជួរក្នុងមួយវិនាទីទាបបំផុត (Lowest volume of soil tilled per second) ដែលធ្វើឱ្យចំណាយប្រតិបត្តិការសរុបទាបបំផុត និងមានប្រសិទ្ធភាពខ្ពស់សម្រាប់ការងារដី។	ស៊ីប្រេងឥន្ធនៈខ្ពស់ជាងគេបើប្រៀបធៀបតែលើអត្រាស៊ីប្រេងសុទ្ធសាធជាមួយប្រភេទផ្លែដទៃទៀត។	ត្រូវបានកំណត់ថាជាជម្រើសដ៏ល្អបំផុត (Optimum) សម្រាប់ការអនុវត្តជាក់ស្តែង ដោយមានតុល្យភាពរវាងប្រតិបត្តិការដី និងការចំណាយសរុប។
'C'-shaped blade optimization ការធ្វើម៉ូដែលនិងធ្វើឱ្យប្រសើរឡើងនូវផ្លែរ៉ូតារីរាងអក្សរ 'C'	ស៊ីប្រេងឥន្ធនៈតិចជាងគេបំផុត (Least fuel consumer) ក្នុងចំណោមផ្លែទាំង ៥ ប្រភេទ។	មិនមានភាពល្អប្រសើរបំផុតក្នុងការងារកាត់ដី (បរិមាណដីភ្ជួរ) បើធៀបនឹងផ្លែប្រភេទ Pick ដែលអាចប៉ះពាល់ដល់ប្រសិទ្ធភាពការងារសរុប។	អត្រាស៊ីប្រេងមានកម្រិតទាបបំផុត ប៉ុន្តែមិនមែនជាជម្រើសសន្សំសំចៃរួមកម្រិតកំពូលសម្រាប់ការរៀបចំដីនោះទេ។
'L', 'I', and 'J'-shaped blade optimizations ការធ្វើម៉ូដែលប្រភេទផ្លែរ៉ូតារីរាងអក្សរ 'L', 'I', និង 'J'	មានភាពរសើបខ្លាំងចំពោះជម្រៅភ្ជួរ (Depth of tillage) និងទទឹងមុខកាត់ ជាពិសេសផ្លែ 'L' និង 'J' ដែលអនុញ្ញាតឱ្យងាយស្រួលកែតម្រូវការប្រើប្រាស់ថាមពល។	មិនមានលទ្ធផលលេចធ្លោទាក់ទងនឹងការសន្សំប្រេង ឬតុល្យភាពនៃបរិមាណដីភ្ជួរដូចប្រភេទ 'C' និង 'Pick' នោះទេ។	ជម្រៅនៃការភ្ជួរគឺជាប៉ារ៉ាម៉ែត្រដ៏សំខាន់បំផុតដែលជះឥទ្ធិពលដល់ការប្រើប្រាស់ប្រេង សម្រាប់ផ្លែប្រភេទទាំងនេះ។

ការចំណាយលើធនធាន (Resource Cost)៖ ការសិក្សានេះពឹងផ្អែកជាចម្បងលើការវិភាគម៉ូដែលគណិតវិទ្យា (Mathematical Optimization) ដូច្នេះតម្រូវការធនធានភាគច្រើនទាមទារនូវកម្មវិធីកុំព្យូទ័រ និងទិន្នន័យបឋមពីការធ្វើតេស្ត។

Software: កម្មវិធី LINGO (Version 10.0) សម្រាប់វិភាគនិងដោះស្រាយការធ្វើឱ្យប្រសើរឡើងនូវម៉ូដែលគណិតវិទ្យាមិនលីនេអ៊ែរ (Nonlinear optimization)។
Hardware: កុំព្យូទ័រធម្មតាសម្រាប់ដំណើរការកម្មវិធីវិភាគទិន្នន័យ (Data analysis) មិនតម្រូវឱ្យមានកុំព្យូទ័រល្បឿនខ្ពស់ខ្លាំងនោះទេ។
Dataset: ទិន្នន័យប៉ារ៉ាម៉ែត្ររបស់ផ្លែរ៉ូតារី ដូចជា ល្បឿនរង្វិល (Rotational velocity), កាំរ៉ូតារី, ជម្រៅភ្ជួរ និងទទឹងមុខកាត់ ក្នុងលក្ខខណ្ឌដីល្បាយខ្សាច់-ដីឥដ្ឋ។
Expertise: ចំណេះដឹងឯកទេសផ្នែកវិស្វកម្មគ្រឿងយន្តកសិកម្ម (Agricultural Engineering) និងស្ថិតិអនុវត្តសម្រាប់ការវិភាគ Correlation និង Sensitivity។

៣. ការពិនិត្យសម្រាប់បរិបទកម្ពុជា/អាស៊ីអាគ្នេយ៍

ភាពលំអៀងនៃទិន្នន័យ (Data Bias)៖

ការសិក្សានេះប្រើប្រាស់ទិន្នន័យម៉ូដែលដោយផ្អែកលើលក្ខខណ្ឌដីល្បាយខ្សាច់-ដីឥដ្ឋ (Sandy clay loam) ពីការសិក្សាមុនៗនៅប្រទេសថៃ (Serdang) និងយកទៅអនុវត្តសាកល្បងនៅប្រទេសអេត្យូពី។ សម្រាប់ប្រទេសកម្ពុជា ដីកសិកម្មមានភាពចម្រុះ (ដូចជាដីឥដ្ឋស្អិតខ្លាំងនៅតំបន់វាលទំនាប ឬដីល្បាយខ្សាច់នៅតំបន់ខ្ពង់រាប) ដូច្នេះទិន្នន័យនេះមិនអាចយកមកតំណាងឱ្យគ្រប់លក្ខខណ្ឌដីនៅកម្ពុជាបានទេ ហើយតម្រូវឱ្យមានការកែតម្រូវប៉ារ៉ាម៉ែត្រដីឡើងវិញ។

លទ្ធភាពនៃការអនុវត្ត (Applicability)៖

វិធីសាស្ត្រនៃការធ្វើម៉ូដែលគណិតវិទ្យាដើម្បីសន្សំសំចៃប្រេងនេះ មានអត្ថប្រយោជន៍ខ្លាំងណាស់សម្រាប់វិស័យកសិកម្មនៅកម្ពុជា ដែលកសិករភាគច្រើនប្រើប្រាស់គោយន្ត។

Smallholder Farmers (កសិករខ្នាតតូចនៅវាលទំនាប): អាចប្រើជាមូលដ្ឋានក្នុងការណែនាំកសិករឱ្យចេះជ្រើសរើសប្រភេទផ្លែគោយន្ត (ឧទាហរណ៍ ផ្លែ Pick ឬ C) និងកំណត់ជម្រៅភ្ជួរឱ្យបានត្រឹមត្រូវ ដើម្បីចំណេញទាំងប្រេង និងពេលវេលា។
Local Machinery Manufacturers (សិប្បកម្មកែច្នៃគ្រឿងយន្តកសិកម្មក្នុងស្រុក): អាចយកលទ្ធផលនៃការសិក្សានេះដើម្បីរចនា (Design) និងផលិតផ្លែរ៉ូតារីក្នុងស្រុក ឱ្យត្រូវនឹងទម្រង់ដីនីមួយៗនៅកម្ពុជាដោយទទួលបានប្រសិទ្ធភាពខ្ពស់។
Agricultural Research Institutes (ស្ថាប័នស្រាវជ្រាវកសិកម្ម ឧ. CARDI): អាចអនុវត្តវិធីសាស្ត្រនេះក្នុងការស្រាវជ្រាវបន្ថែមដោយប្រមូលទិន្នន័យលើប្រភេទដីផ្សេងៗ (ដូចជាដីឥដ្ឋ ឬដីល្បាប់ខ្សាច់) ដើម្បីពង្រីកវិសាលភាពនៃការប្រើប្រាស់បច្ចេកវិទ្យានេះ។

ការយល់ដឹងពីឥទ្ធិពលនៃរូបរាងផ្លែ និងជម្រៅភ្ជួរទៅលើការស៊ីប្រេង មិនត្រឹមតែជួយបង្កើនប្រាក់ចំណេញដល់កសិករតាមរយៈការកាត់បន្ថយចំណាយប៉ុណ្ណោះទេ ថែមទាំងជួយជំរុញការអនុវត្តកសិកម្មប្រកបដោយនិរន្តរភាពផងដែរ។

៤. ផែនការសកម្មភាពសម្រាប់និស្សិត (Actionable Roadmap)

ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖

សិក្សាមូលដ្ឋានគ្រឹះនៃម៉ូដែលទិន្នន័យ: ស្វែងយល់ពីប៉ារ៉ាម៉ែត្រនៃគ្រឿងយន្តកសិកម្ម ដូចជា ល្បឿនរង្វិលកង់ (Rotational velocity), ជម្រៅភ្ជួរ (Depth of tillage), និងទទឹងមុខកាត់ ដោយផ្តោតលើសមីការដែលបង្ហាញពីទំនាក់ទំនងរវាងកម្លាំងបង្វិល និងការប្រើប្រាស់ថាមពល។
ប្រមូលទិន្នន័យដី និងការប្រើប្រាស់គោយន្តនៅកម្ពុជា: ចុះប្រមូលទិន្នន័យផ្ទាល់ពីវាលស្រែ ឬដីចម្ការនៅតំបន់គោលដៅ ដើម្បីកំណត់ប្រភេទដី និងវាស់ស្ទង់ការប្រើប្រាស់ប្រេងជាក់ស្តែងនៃផ្លែរ៉ូតារីដែលកសិករខ្មែរនិយមប្រើ។
បង្កើត និងដោះស្រាយម៉ូដែលគណិតវិទ្យា: សិក្សាប្រើប្រាស់កម្មវិធី Lingo ឬភាសាកម្មវិធីជំនួសដូចជា Python (SciPy, GEKKO) ដើម្បីសរសេរកូដម៉ូដែលមិនលីនេអ៊ែរ (Nonlinear optimization) ក្នុងការរកតម្លៃចំណាយទាបបំផុត (Minimize Object Function)។
វិភាគភាពរសើបនៃប៉ារ៉ាម៉ែត្រ: ប្រើប្រាស់កម្មវិធីស្ថិតិ (ឧទាហរណ៍ SPSS ឬ R) ដើម្បីធ្វើការវិភាគភាពរសើប (Sensitivity Analysis) និងសហសម្ព័ន្ធ (Pearson Correlation Coefficient) ដើម្បីផ្ទៀងផ្ទាត់ថាតើជម្រៅភ្ជួរពិតជាមានឥទ្ធិពលខ្លាំងឬអត់។
ចងក្រងលទ្ធផល និងផ្សព្វផ្សាយ: ធ្វើការបកប្រែលទ្ធផលបច្ចេកទេសទៅជាសេចក្តីណែនាំសាមញ្ញ ឬខិត្តប័ណ្ណ ដើម្បីចែកជូនកសិករនិងអ្នកបើកបរគោយន្ត អំពីរបៀបជ្រើសរើសប្រភេទផ្លែនិងការកែតម្រូវជម្រៅភ្ជួរដើម្បីសន្សំប្រេង។

៥. វាក្យសព្ទបច្ចេកទេស (Technical Glossary)

ពាក្យបច្ចេកទេស	ការពន្យល់ជាខេមរភាសា (Khmer Explanation)	និយមន័យសាមញ្ញ (Simple Definition)
Objective function (អនុគមន៍គោលដៅ)	ជាសមីការគណិតវិទ្យាដែលគេប្រើសម្រាប់ស្វែងរកតម្លៃល្អបំផុត (អតិបរមា ឬអប្បបរមា) នៃប្រព័ន្ធណាមួយដោយផ្អែកលើលក្ខខណ្ឌកំណត់។ ក្នុងការសិក្សានេះ គេប្រើវាដើម្បីរកចំណុចដែលម៉ាស៊ីនគោយន្តស៊ីប្រេងតិចបំផុតក្នុងពេលប្រតិបត្តិការ។	ដូចជាការកំណត់គោលដៅនៅលើផែនទីកម្មវិធីទូរស័ព្ទ ដើម្បីស្វែងរកផ្លូវណាដែលចំណាយពេលនិងសាំងតិចបំផុតក្នុងការធ្វើដំណើរទៅដល់គោលដៅ។
Power take-off / PTO (រន្ធបញ្ជូនថាមពលគោយន្ត)	ជាប្រព័ន្ធអ័ក្សសម្រាប់បញ្ជូនថាមពលមេកានិចពីម៉ាស៊ីនត្រាក់ទ័រ ឬគោយន្ត ទៅកាន់ឧបករណ៍ភ្ជាប់ផ្សេងៗ (ដូចជាផ្លែរ៉ូតារី) ដើម្បីឱ្យវាអាចដំណើរការកាត់ ឬកូរដីបាន។	ដូចជារន្ធដោតឌុយពីម៉ាស៊ីនភ្លើងធំ ដើម្បីបញ្ជូនកម្លាំងអគ្គិសនីទៅបង្វិលកង្ហារ ឬម៉ាស៊ីនផ្សេងៗទៀតឱ្យដំណើរការព្រមគ្នា។
Sensitivity analysis (ការវិភាគភាពរសើប)	ជាវិធីសាស្ត្រតាមដានបម្រែបម្រួលដែលប្រើដើម្បីវាស់ស្ទង់ថាតើការផ្លាស់ប្តូរនៃកត្តាបញ្ចូលណាមួយ (ឧទាហរណ៍ ជម្រៅភ្ជួរ) នឹងធ្វើឱ្យលទ្ធផលចុងក្រោយ (កម្រិតស៊ីប្រេង) ប្រែប្រួលខ្លាំងកម្រិតណា។	ដូចជាការសាកល្បងបន្ថែមអំបិលបន្តិចម្តងៗទៅក្នុងសម្ល ដើម្បីចង់ដឹងថាតើរសជាតិសម្លនោះប្រែប្រួលប្រៃលឿនប៉ុណ្ណាធៀបនឹងបរិមាណអំបិលដែលបានដាក់។
Correlation coefficient (មេគុណសហសម្ព័ន្ធ)	ជារង្វាស់ស្ថិតិដែលបង្ហាញពីកម្រិតនៃទំនាក់ទំនងរវាងអថេរពីរ។ តម្លៃកាន់តែខិតជិត ១ ឬ -១ បញ្ជាក់ថាពួកវាមានឥទ្ធិពលលើគ្នាកាន់តែខ្លាំង (ឧទាហរណ៍ ឥទ្ធិពលនៃទទឹងមុខកាត់ទៅលើការស៊ីប្រេង)។	ដូចជាការវាស់ស្ទង់ទំនាក់ទំនងរវាងកម្ពស់ និងទម្ងន់របស់មនុស្ស បើកម្ពស់កាន់តែខ្ពស់ ទម្ងន់ច្រើនតែធ្ងន់តាមហ្នឹងដែរ។
Velocity ratio (ផលធៀបល្បឿន)	ជាផលធៀបរវាងល្បឿនវិលជុំវិញខ្លួនរបស់ផ្លែរ៉ូតារី (Peripheral velocity) ធៀបនឹងល្បឿនរំកិលទៅមុខរបស់ម៉ាស៊ីនគោយន្ត (Forward velocity)។ វាជាកត្តាសំខាន់ក្នុងការកំណត់ទំហំដុំដី និងថាមពលប្រើប្រាស់។	ដូចជាការធៀបគ្នារវាងល្បឿនដែលជើងយើងធាក់ឈ្នាន់កង់ និងល្បឿនដែលកង់នោះរត់ទៅមុខលើដងផ្លូវ។
Rotary blade (ផ្លែរ៉ូតារី ឬផ្លែផាលវិល)	ជាប្រភេទផ្លែដែកបំពាក់លើអ័ក្សវិលរបស់ម៉ាស៊ីនភ្ជួររាស់ ដែលមានមុខងារកាត់ បំបែក និងកូរដីឱ្យម៉ត់ល្អ។ វាមានរាងផ្សេងៗគ្នាដូចជា C, L, J ឬ Pick ដែលរាងនីមួយៗស៊ីប្រេងខុសៗគ្នា។	ដូចជាផ្លែកាំបិតរបស់ម៉ាស៊ីនទឹកក្រឡុក ដែលវិលយ៉ាងលឿនដើម្បីកាត់បំបែកវត្ថុរឹងនៅខាងក្នុងឱ្យម៉ត់ល្អ។
Depth of tillage (ជម្រៅភ្ជួរ)	ជារង្វាស់ប្រវែងនៃជម្រៅដែលផ្លែរ៉ូតារីអាចកាត់ទម្លុះចូលទៅក្នុងដីបាន។ ជម្រៅភ្ជួរកាន់តែជ្រៅ ទាមទារកម្លាំងម៉ាស៊ីនកាន់តែខ្លាំង ដែលជាហេតុធ្វើឱ្យមានការស៊ីប្រេងកាន់តែច្រើន។	ដូចជាការយកចបកាប់ទៅកាប់ដី បើយើងចង់កាប់ឱ្យបានកាន់តែជ្រៅ យើងត្រូវបញ្ចេញកម្លាំងកាន់តែខ្លាំង និងឆាប់ហត់។

៦. ប្រធានបទពាក់ព័ន្ធ (Further Reading)

អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖

ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖