បញ្ហា (The Problem)៖ នៅក្នុងឧស្សាហកម្មផលិតកម្មទំនើប ការរកឃើញភាពមិនប្រក្រតីនៃម៉ាស៊ីន CNC ក្នុងពេលវេលាជាក់ស្តែងមានការលំបាកដោយសារទិន្នន័យមានសំឡេងរំខានច្រើន ហើយម៉ូដែលដែលមានស្រាប់ខ្វះសមត្ថភាពបកស្រាយ ឬមិនមានភាពរហ័សគ្រប់គ្រាន់។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះស្នើឡើងនូវប្រព័ន្ធជំនាញដែលពង្រឹងដោយតក្កវិទ្យាហ្វាស៊ី (FLEES) ដោយរួមបញ្ចូលច្បាប់ភាសាជាមួយនឹងការបង្កើនប្រសិទ្ធភាពផ្អែកលើរូបវិទ្យា។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| FLEES (Proposed Model) ប្រព័ន្ធជំនាញដែលពង្រឹងដោយតក្កវិទ្យាហ្វាស៊ី (FLEES) |
មានភាពត្រឹមត្រូវខ្ពស់បំផុត និងល្បឿនដំណើរការលឿន (Inference Time) សមស្របសម្រាប់ការប្រើប្រាស់ជាក់ស្តែង។ ម៉ូដែលនេះផ្តល់នូវការពន្យល់ច្បាស់លាស់ (Explainability) តាមរយៈច្បាប់ IF-THEN។ | ត្រូវការចំណេះដឹងពីអ្នកជំនាញដើម្បីកំណត់ច្បាប់មូលដ្ឋាន និងត្រូវការការគណនាបន្ថែមសម្រាប់ការបង្កើនប្រសិទ្ធភាព (PSO)។ | ភាពត្រឹមត្រូវ (Accuracy) ៩៦.៧% និងល្បឿនដំណើរការ ១៨០ ms។ |
| LSTM (Long Short-Term Memory) បណ្តាញសរសៃប្រសាទសិប្បនិម្មិតបែប LSTM |
មានសមត្ថភាពខ្ពស់ក្នុងការវិភាគទិន្នន័យតាមពេលវេលា (Time-series) និងមានភាពត្រឹមត្រូវខ្ពស់ជាង SVM ។ | ដំណើរការយឺត (៤១០ ms) ដែលធ្វើឱ្យពិបាកក្នុងការប្រើប្រាស់សម្រាប់ប្រព័ន្ធ Real-time ហើយវាជាប្រព័ន្ធ Black-box ដែលពិបាកពន្យល់ពីមូលហេតុនៃកំហុស។ | ភាពត្រឹមត្រូវ ៩៤.១% ប៉ុន្តែចំណាយពេលយូរក្នុងការដំណើរការ។ |
| SVM (Support Vector Machine) ម៉ាស៊ីនវ៉ិចទ័រគាំទ្រ (SVM) |
ជាវិធីសាស្ត្រស្តង់ដារដែលងាយស្រួលអនុវត្ត និងប្រើប្រាស់ធនធានតិចជាង Deep Learning មួយចំនួន។ | មានប្រសិទ្ធភាពទាបជាងគេក្នុងការកំណត់អត្តសញ្ញាណកំហុស (Sensitivity ទាប) និងពិបាកដោះស្រាយជាមួយទិន្នន័យដែលមានសំឡេងរំខានខ្លាំង។ | ភាពត្រឹមត្រូវ ៩១.២% និង F1 Score ៩០.១%។ |
| Plain Fuzzy System ប្រព័ន្ធហ្វាស៊ីធម្មតា (គ្មានការបង្កើនប្រសិទ្ធភាព) |
ល្បឿនដំណើរការលឿនគួរសម និងងាយស្រួលបកស្រាយ។ | មានកម្រិតភាពត្រឹមត្រូវទាបជាង FLEES ដោយសារខ្វះការកែតម្រូវច្បាប់ដោយស្វ័យប្រវត្តិ (Optimization)។ | ភាពត្រឹមត្រូវ ៩៣.៦%។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអនុវត្តគម្រោងនេះទាមទារឧបករណ៍ចាប់សញ្ញាដែលមានគុណភាពខ្ពស់ និងកុំព្យូទ័រដែលមានសមត្ថភាពមធ្យមសម្រាប់ការដំណើរការកូដ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យពីម៉ាស៊ីន CNC ទំនើបរបស់ក្រុមហ៊ុន Bosch ដែលមានការគ្រប់គ្រងបរិយាកាសល្អ។ សម្រាប់ប្រទេសកម្ពុជា ការអនុវត្តជាក់ស្តែងអាចជួបបញ្ហាប្រឈមច្រើនជាងនេះ ដោយសាររោងចក្រមួយចំនួនប្រើប្រាស់ម៉ាស៊ីនចាស់ៗ ឬបរិយាកាសដែលមានធូលីនិងកម្ដៅខ្ពស់ជាងក្នុងការពិសោធន៍។
វិធីសាស្ត្រនេះមានប្រយោជន៍ខ្លាំងសម្រាប់វិស័យឧស្សាហកម្មនៅកម្ពុជា ជាពិសេសនៅពេលដែលរោងចក្រនានាកំពុងផ្លាស់ប្តូរទៅរកការធ្វើទំនើបកម្ម (Industry 4.0)។
បច្ចេកវិទ្យានេះផ្តល់នូវដំណោះស្រាយដែលមានតុល្យភាពរវាងតម្លៃនិងប្រសិទ្ធភាព ដែលអាចជួយបង្កើនផលិតភាពក្នុងវិស័យផលិតកម្មរបស់កម្ពុជា។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Fuzzy Logic | ជាប្រព័ន្ធគណិតវិទ្យាដែលអនុញ្ញាតឱ្យកុំព្យូទ័រធ្វើការសម្រេចចិត្តដោយផ្អែកលើទិន្នន័យមិនច្បាស់លាស់ (ដូចជា "ក្តៅបន្តិច" ឬ "លឿនណាស់") ជាជាងគ្រាន់តែប្រើតក្កវិទ្យាដាច់ខាត (ពិត ឬ មិនពិត)។ នៅក្នុងអត្ថបទនេះ វាត្រូវបានប្រើដើម្បីកំណត់ថាតើម៉ាស៊ីនកំពុងមានបញ្ហាឬអត់ ដោយផ្អែកលើកម្រិតរំញ័រដែលប្រែប្រួល។ | ដូចជាការដែលយើងនិយាយថាទឹក "ក្តៅឧណ្ហៗ" ជាជាងគ្រាន់តែនិយាយថា "ក្តៅ" ឬ "ត្រជាក់" ដាច់ខាត ដើម្បីឱ្យការវាស់វែងកាន់តែមានភាពបត់បែន។ |
| Particle Swarm Optimization (PSO) | ជាក្បួនដោះស្រាយកុំព្យូទ័រដែលយកគំរូតាមឥរិយាបថនៃហ្វូងសត្វ (ដូចជាហ្វូងបក្សី) ដើម្បីស្វែងរកដំណោះស្រាយល្អបំផុត។ នៅក្នុងការសិក្សានេះ វាត្រូវបានប្រើដើម្បីកែតម្រូវច្បាប់វិភាគរបស់ប្រព័ន្ធឱ្យមានភាពត្រឹមត្រូវបំផុតដោយស្វ័យប្រវត្តិ។ | ដូចជាក្រុមមនុស្សដែលកំពុងស្វែងរកកំណប់ក្នុងវាលមួយ នៅពេលម្នាក់រកឃើញតម្រុយ ពួកគេនឹងប្រាប់គ្នាដើម្បីឱ្យអ្នកផ្សេងទៀតមកជួយរកនៅកន្លែងនោះដែរ ដើម្បីឱ្យឆាប់រកឃើញ។ |
| Computer Numerical Control (CNC) | ជាបច្ចេកវិទ្យាគ្រប់គ្រងម៉ាស៊ីនផលិតកម្ម (ដូចជាម៉ាស៊ីនក្រឡឹង ឬម៉ាស៊ីនកាត់) ដោយស្វ័យប្រវត្តិតាមរយៈកុំព្យូទ័រ ដើម្បីផលិតគ្រឿងបន្លាស់ដែលមានភាពជាក់លាក់ខ្ពស់។ | ដូចជាដៃមនុស្សយន្តដែលធ្វើការកាត់ឬឆ្លាក់ឈើតាមបញ្ជាកុំព្យូទ័រយ៉ាងជាក់លាក់បំផុត ដោយមិនត្រូវការមនុស្សកាន់កាំបិតផ្ទាល់។ |
| Fast Fourier Transform (FFT) | ជាបច្ចេកទេសគណិតវិទ្យាដែលបំប្លែងសញ្ញាពីទម្រង់ពេលវេលា (Time Domain) ទៅជាទម្រង់ប្រេកង់ (Frequency Domain)។ វាជួយឱ្យវិស្វករដឹងថាតើមានរំញ័រនៅប្រេកង់ណាខ្លះដែលបណ្តាលមកពីកំហុសម៉ាស៊ីន។ | ដូចជាការស្តាប់តន្ត្រី ហើយអាចបែងចែកដាច់ពីគ្នាបានថា សំឡេងណាជាសំឡេងស្គរ សំឡេងណាជាសំឡេងហ្គីតា និងសំឡេងណាជាសំឡេងអ្នកចម្រៀង។ |
| Root Mean Square (RMS) | ជារង្វាស់ស្ថិតិដែលប្រើដើម្បីគណនាទំហំមធ្យមនៃថាមពលរំញ័រ។ វាតំណាងឱ្យកម្រិតរំញ័ររួមរបស់ម៉ាស៊ីន ដែលជាសូចនាករដ៏សំខាន់សម្រាប់ប្រាប់ថាមានអ្វីមួយខុសប្រក្រតី។ | ដូចជាការវាស់កម្លាំងខ្លាំងមធ្យមនៃរលកសមុទ្រ ទោះបីជាពេលខ្លះរលកខ្ពស់ ហើយពេលខ្លះរលកទាបក៏ដោយ ដើម្បីដឹងថាស្ថានភាពទឹកសមុទ្រកាចប៉ុណ្ណា។ |
| Acoustic Emissions | ជាការបញ្ចេញថាមពលក្នុងទម្រង់ជារលកសំឡេង (ដែលជួនកាលមនុស្សមិនអាចស្តាប់ឮ) នៅពេលដែលវត្ថុធាតុដើមមានការប្រែប្រួលភ្លាមៗ ដូចជាការប្រេះ ឬការកកិត។ | ដូចជាសំឡេង "ក្រឹប" តិចៗដែលឈើបន្លឺឡើង មុនពេលវាបាក់ ដែលជាសញ្ញាប្រាប់ថាកំពុងមានបញ្ហានៅខាងក្នុង។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
