បញ្ហា (The Problem)៖ វិធីសាស្រ្តគ្រប់គ្រងអាកាសធាតុបែបប្រពៃណីមានកម្រិតក្នុងការបត់បែនតាមការប្រែប្រួលបរិស្ថានជាក់ស្តែង ដែលទាមទារឱ្យមានប្រព័ន្ធឆ្លាតវៃដើម្បីបង្កើនប្រសិទ្ធភាពថាមពល និងកម្រិតផាសុកភាពរបស់អ្នកប្រើប្រាស់។
វិធីសាស្ត្រ (The Methodology)៖ ការសិក្សានេះបានរចនា និងធ្វើត្រាប់តាមប្រព័ន្ធគ្រប់គ្រងអាកាសធាតុដោយប្រើមីក្រូកុងត្រូល័រ និងកម្មវិធីបណ្ដាញសរសៃប្រសាទ (Neural Networks) ដើម្បីរក្សាកម្រិតផាសុកភាពតាមរយៈសន្ទស្សន៍កម្ដៅ (PMV) និង PPD។
លទ្ធផលសំខាន់ៗ (The Verdict)៖
| វិធីសាស្ត្រ (Method) | គុណសម្បត្តិ (Pros) | គុណវិបត្តិ (Cons) | លទ្ធផលគន្លឹះ (Key Result) |
|---|---|---|---|
| Proportional-Integral-Derivative (PID) Controllers ឧបករណ៍បញ្ជា PID ប្រពៃណី |
ធានាបាននូវស្ថិរភាពបរិស្ថានបានល្អសម្រាប់ទីតាំងដែលមិនសូវមានការប្រែប្រួលខ្លាំង។ | ខ្វះភាពបត់បែនក្នុងការសម្របខ្លួនទៅនឹងការប្រែប្រួលបរិស្ថានជាក់ស្តែង និងមិនសូវជួយសន្សំសំចៃថាមពលនៅពេលមានការផ្លាស់ប្តូរអាកាសធាតុភ្លាមៗ។ | មិនមានទិន្នន័យជាក់លាក់នៅក្នុងឯកសារទេ (ប្រើជាប្រព័ន្ធប្រៀបធៀបគោល)។ |
| Fuzzy Logic Models ប្រព័ន្ធតក្កវិទ្យាស្រពិចស្រពិល (Fuzzy Logic) |
អាចសម្របខ្លួនទៅនឹងចរិតលក្ខណៈរបស់អ្នកប្រើប្រាស់ និងអាចវិភាគកត្តាជាច្រើនក្នុងពេលតែមួយបានប្រសើរជាង PID ។ | ទាមទារឱ្យមានការរចនា និងកំណត់ច្បាប់ (Fuzzy rules) យ៉ាងប្រុងប្រយ័ត្ន ដែលមានភាពស្មុគស្មាញក្នុងការអនុវត្តជាក់ស្តែង។ | មិនមានទិន្នន័យជាក់លាក់នៅក្នុងឯកសារទេ (ប្រើជាប្រព័ន្ធប្រៀបធៀបគោល)។ |
| Neural Network Predictive Controller (NNPC) ឧបករណ៍បញ្ជាដោយប្រើបណ្ដាញសរសៃប្រសាទ (ជម្រើសដែលបានស្នើ) |
អាចរៀនពីទិន្នន័យចាស់ៗ ព្យាករណ៍ និងសម្របខ្លួនដោយស្វ័យប្រវត្តិដើម្បីរក្សាកម្រិតផាសុកភាព ព្រមទាំងជួយសន្សំសំចៃថាមពលបានខ្ពស់។ | ទាមទារចំណេះដឹងផ្នែក AI និងកម្មវិធីធ្វើត្រាប់តាមដូចជា MATLAB សម្រាប់ការហ្វឹកហាត់ម៉ូដែលជាមុន ព្រមទាំងស៊ីកម្លាំងគណនាបន្តិចបន្តួចនៅដំណាក់កាលដំបូង។ | សម្រេចបានអត្រាលម្អៀងកម្រិត 10^-4 ក្រោយការហ្វឹកហាត់ 2149 ដង និងរក្សាសន្ទស្សន៍ផាសុកភាពកម្ដៅ (PMV) ថេរនៅកម្រិត 0.21។ |
ការចំណាយលើធនធាន (Resource Cost)៖ ការអភិវឌ្ឍប្រព័ន្ធនេះទាមទារឱ្យមានការរួមបញ្ចូលគ្នារវាងឧបករណ៍ផ្នែករឹងមានតម្លៃសមរម្យ និងកម្មវិធីកុំព្យូទ័រឯកទេសដើម្បីធ្វើត្រាប់តាម និងហ្វឹកហាត់ម៉ូដែលសរសៃប្រសាទ។
ការសិក្សានេះប្រើប្រាស់ទិន្នន័យវាយតម្លៃ និងស្តង់ដារកម្ដៅ (ISO 7730) ដែលស័ក្តិសមសម្រាប់បុគ្គលិកការិយាល័យក្នុងតំបន់អាកាសធាតុត្រជាក់ ឬអឺរ៉ុប (ទីតាំងសិក្សានៅប្រទេសអ៊ុយក្រែន) ដោយមានការកំណត់កម្រិតសំលៀកបំពាក់ (Icl = 0.078)។ សម្រាប់ប្រទេសកម្ពុជាដែលមានអាកាសធាតុក្តៅហើយសើម ការយល់ឃើញពី 'ផាសុកភាពកម្ដៅ' (Thermal Comfort) របស់ប្រជាជនគឺមានភាពខុសគ្នា ដែលទាមទារឱ្យមានការប្រមូលទិន្នន័យបរិស្ថានក្នុងស្រុកជាមុន ដើម្បីចៀសវាងភាពលម្អៀងក្នុងការបញ្ជាម៉ាស៊ីនត្រជាក់។
ទោះបីជាមានភាពខុសគ្នាផ្នែកអាកាសធាតុក៏ដោយ វិធីសាស្រ្តរួមបញ្ចូល AI ជាមួយមីក្រូកុងត្រូល័រតម្លៃថោកនេះ មានសក្តានុពលខ្ពស់ក្នុងការអនុវត្តនៅប្រទេសកម្ពុជាដើម្បីកាត់បន្ថយការប្រើប្រាស់អគ្គិសនី។
ការធ្វើមូលដ្ឋានីយកម្មប្រព័ន្ធនេះ (Localization) ដោយបញ្ចូលទិន្នន័យអាកាសធាតុជាក់ស្តែងរបស់ប្រទេសកម្ពុជា នឹងជួយបង្កើតប្រព័ន្ធគ្រប់គ្រងអាកាសធាតុឆ្លាតវៃ (IoT) ដែលមានតម្លៃសមរម្យ និងមានប្រសិទ្ធភាពសន្សំសំចៃខ្ពស់សម្រាប់ការអភិវឌ្ឍដោយនិស្សិតឬអ្នកស្រាវជ្រាវក្នុងស្រុក។
ដើម្បីអនុវត្តតាមការសិក្សានេះ និស្សិតគួរអនុវត្តតាមជំហានខាងក្រោម៖
| ពាក្យបច្ចេកទេស | ការពន្យល់ជាខេមរភាសា (Khmer Explanation) | និយមន័យសាមញ្ញ (Simple Definition) |
|---|---|---|
| Predicted Mean Vote (PMV) | សន្ទស្សន៍សម្រាប់វាស់ស្ទង់កម្រិតផាសុកភាពកម្ដៅរបស់មនុស្សទូទៅ ផ្អែកលើកត្តាដូចជា សីតុណ្ហភាព សំណើម ល្បឿនខ្យល់ និងការស្លៀកពាក់ ដោយមានមាត្រដ្ឋានពី -៣ (រងាខ្លាំង) ដល់ +៣ (ក្តៅខ្លាំង) និង ០ ជាចំណុចកណ្តាល (មានផាសុកភាពបំផុត)។ | ដូចជាការសួរមនុស្សមួយក្រុមថា "តើក្នុងបន្ទប់នេះក្តៅឬរងា?" រួចយកចម្លើយទាំងអស់នោះមកគិតជាមធ្យមភាគដើម្បីដឹងថាភាគច្រើនមានអារម្មណ៍យ៉ាងណា។ |
| Predicted Percentage of Dissatisfied (PPD) | សូចនាករដែលបង្ហាញពីភាគរយនៃចំនួនមនុស្សដែលអាចនឹងមិនពេញចិត្ត ឬមានអារម្មណ៍មិនស្រួល (ក្តៅពេក ឬរងាពេក) នៅក្នុងបរិយាកាសជាក់លាក់ណាមួយ ដោយវាមានទំនាក់ទំនងផ្ទាល់ជាមួយ PMV។ | ដូចជាការទស្សន៍ទាយថា ក្នុងចំណោមមនុស្ស ១០០នាក់ តើមានប៉ុន្មាននាក់ដែលនឹងរអ៊ូថាម៉ាស៊ីនត្រជាក់នេះត្រជាក់ពេក ឬមិនសូវត្រជាក់។ |
| Neural Network Predictive Controller (NNPC) | ឧបករណ៍បញ្ជាដែលប្រើប្រាស់បណ្ដាញសរសៃប្រសាទសិប្បនិម្មិត (AI) ដើម្បីរៀនពីទិន្នន័យចាស់ៗ ព្យាករណ៍ពីការប្រែប្រួលបរិស្ថាននាពេលខាងមុខ និងសម្រេចចិត្តកែប្រែកម្រិតម៉ាស៊ីនត្រជាក់ទុកជាមុន។ | ដូចជាអ្នកបើកបរដ៏ស្ទាត់ជំនាញម្នាក់ ដែលដឹងមុនថាខាងមុខមានផ្លូវកោង ទើបគាត់បន្ថយល្បឿនជាមុន ជំនួសឱ្យការជាន់ហ្វ្រាំងភ្លាមៗនៅពេលទៅដល់ចំណុចនោះ។ |
| Proportional-Integral-Derivative (PID) controllers | ប្រព័ន្ធគ្រប់គ្រងបែបប្រពៃណីដែលគណនាតម្លៃលម្អៀង (Error) រវាងលទ្ធផលដែលចង់បាន និងស្ថានភាពបច្ចុប្បន្ន រួចធ្វើការកែតម្រូវដោយស្វ័យប្រវត្តិ។ ប៉ុន្តែវាមិនសូវពូកែសម្របខ្លួនទៅនឹងការប្រែប្រួលដែលកើតឡើងលឿនៗ និងស្មុគស្មាញដូច AI ទេ។ | ដូចជាការកាច់ចង្កូតរថយន្តឱ្យចំកណ្តាលគន្លងផ្លូវជានិច្ច បើរថយន្តរេទៅឆ្វេងបន្តិច យើងកាច់មកស្តាំវិញបន្តិច ដើម្បីរក្សាលំនឹង។ |
| I2C Protocol | ពិធីសារទំនាក់ទំនងទិន្នន័យសៀរៀល (Serial communication protocol) ដែលអនុញ្ញាតឱ្យមីក្រូកុងត្រូល័រអាចសន្ទនា និងផ្លាស់ប្តូរទិន្នន័យជាមួយសេនស័រជាច្រើនក្នុងពេលតែមួយ ដោយប្រើប្រាស់ខ្សែចម្លងត្រឹមតែពីរខ្សែប៉ុណ្ណោះ។ | ដូចជាប្រព័ន្ធទូរស័ព្ទក្នុងក្រុមហ៊ុនមួយដែលមានខ្សែតេឡេហ្វូនតែមួយ តែអ្នកគ្រប់គ្រងម្នាក់អាចចុចលេខតួ (Extension) ដើម្បីនិយាយទៅកាន់បុគ្គលិកណាម្នាក់ក៏បាន។ |
| Proteus VSM | កម្មវិធីកុំព្យូទ័រសម្រាប់ធ្វើត្រាប់តាម (Simulate) និងសាកល្បងដំណើរការនៃសៀគ្វីអគ្គិសនី និងកូដរបស់មីក្រូកុងត្រូល័រ មុនពេលយើងយកវាទៅតម្លើងលើផ្នែករឹង (Hardware) ពិតប្រាកដ។ | ដូចជាការលេងហ្គេមសាងសង់ទីក្រុងសិន ដើម្បីមើលថាតើការរៀបចំផ្លូវរបស់យើងដំណើរការល្អឬអត់ មុននឹងចាប់ផ្តើមចាក់បេតុងសាងសង់ផ្លូវមែនទែន។ |
| Error backpropagation algorithm | វិធីសាស្ត្រគណនាបែបគណិតវិទ្យាសម្រាប់បង្រៀនបណ្ដាញសរសៃប្រសាទ ដោយវាបញ្ជូនកំហុស (Error) ត្រឡប់ពីលទ្ធផលចុងក្រោយ ទៅកាន់ស្រទាប់មុនៗវិញ ដើម្បីកែតម្រូវកម្រិតទម្ងន់ (Weights) នៃទិន្នន័យឱ្យកាន់តែសុក្រឹតនៅពេលក្រោយ។ | ដូចជាសិស្សដែលធ្វើតេស្តខុស រួចគ្រូប្រាប់ថាតើខុសនៅចំណុចណា ហើយសិស្សនោះក៏ត្រឡប់ទៅមើលមេរៀននោះវិញដើម្បីកែតម្រូវកុំឱ្យខុសលើកក្រោយទៀត។ |
| Fuzzy logic | ទម្រង់នៃតក្កវិទ្យាដែលមិនពឹងផ្អែកតែលើជម្រើសដាច់ខាត "ពិត" (១) ឬ "មិនពិត" (០) ប៉ុន្តែវាអនុញ្ញាតឱ្យមានជម្រើសកម្រិតកណ្តាល ឧទាហរណ៍ដូចជា "ត្រជាក់បន្តិច" "ក្តៅល្មម" ដែលជួយឱ្យប្រព័ន្ធម៉ាស៊ីនសម្រេចចិត្តបានកាន់តែស្រដៀងទៅនឹងមនុស្ស។ | ជំនួសឱ្យការបិទ-បើកភ្លើងដោយកុងតាក់ត្រឹម ២ ជម្រើស (ភ្លឺ និង ងងឹត) វាដូចជាកុងតាក់វ៉ុលលីមដែលអាចរំកិលបន្តិចម្តងៗ ដើម្បីឱ្យភ្លើងភ្លឺព្រាលៗ ឬភ្លឺខ្លាំងតាមចិត្តចង់។ |
អត្ថបទដែលបានបោះពុម្ពនៅលើ KhmerResearch ដែលទាក់ទងនឹងប្រធានបទនេះ៖
ប្រធានបទ និងសំណួរស្រាវជ្រាវដែលទាក់ទងនឹងឯកសារនេះ ដែលអ្នកអាចស្វែងរកបន្ថែម៖
