การพัฒนาวิธีวัดเชิงมิติต้นทุนต่ำด้วยระบบสมองกลฝังตัวอาดูโน่และบันทึกผลแบบเรียลไทม์ผ่าน Microsoft Excel Data Streamer
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาวิธีวัดเชิงมิติต้นทุนต่ำ ใช้งานง่าย ด้วยระบบสมองกลฝังตัวอาดูโน่ เชื่อมต่อ Microsoft Excel Data Streamer สำหรับบันทึกข้อมูลแบบเรียลไทม์ แก้ปัญหาการเข้าถึงเครื่องมือวัดความเที่ยงตรงสูงที่มีราคาสูง ระบบต้นแบบประกอบด้วยบอร์ด Arduino, rotary encoder จอ LCD-I²C และวงจรปรับสัญญาณพร้อมเชื่อมต่อข้อมูลเข้าสู่ Excel ในรูปแบบเรียลไทม์ จากนั้นทำการสอบเทียบกับ Dial Test Indicator และทดลองวัดชิ้นงานตัวอย่างจำนวน 30 ชิ้น โดยเปรียบเทียบกับผลการวัดจากเครื่องมือมาตรฐาน ผลการวิเคราะห์ทางสถิติ (t-test, p>0.05) พบว่าไม่มีความแตกต่างอย่างมีนัยสำคัญทางสถิติระหว่างระบบสมองกลฝังตัวกับเครื่องมือมาตรฐาน แสดงให้เห็นว่าระบบที่พัฒนาขึ้นมีความแม่นยำและเชื่อถือได้ สามารถลดข้อผิดพลาดจากการบันทึกด้วยมือ และเพิ่มความสะดวกในการเข้าถึงข้อมูลสำหรับผู้ใช้งานทั่วไป ทั้งยังรองรับการประยุกต์ใช้ในบริบทของอุตสาหกรรม 4.0
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
ต้นฉบับที่ได้รับการตีพิมพ์ถือเป็นสิทธิของเจ้าของต้นฉบับและของวารสารวิชาการ มทร.สุวรรณภูมิ เนื้อหาบทความในวารสารเป็นแนวคิดของผู้แต่ง มิใช่เป็นความคิดเห็นของคณะกรรมการการจัดทำวารสาร และมิใช่ความรับผิดชอบของมหาวิทยาลัยเทคโนโลยีราชมงคลสุวรรณภูมิ
เอกสารอ้างอิง
Akhtar, M. U., & Iqbal, M. T. (2024). Development and evaluation of an Arduino-based data logging system integrated with Microsoft Excel for monitoring on-grid photovoltaic systems. European Journal of Electrical Engineering and Computer Science, 8(3), 29-37. https://doi.org/10.24018/ejece.2024.8.3.622
Al Mamun, M. R., Ahmed, A. K., Upoma, S. M., Haque, M. M., & Ashik E Rabbani, M. (2025). IoT enabled solar powered smart irrigation for precision agriculture. Smart Agricultural Technology, 10, 100773. https://doi.org/10.1016/j.atech.2025.100773
Demetillo, A. T., Japitana, M. V., & Taboada, E. B. (2019). A system for monitoring water quality in a large aquatic area using wireless sensor network technology. Sustainable Environment Research, 29(1), 12. https://doi.org/10.1186/s42834-019-0009-4
Egho-Promise, E., Sitti, M., Hutchful, N., & Agangiba, W. A. (2024). IoT-enhanced weather monitoring system: Affordable hardware solution for real-time data collection storage and predictive analysis. European Journal of Computer Science and Information Technology, 12(1), 43-56. https://doi.org/10.37745/ejcsit2013/vol12n14356
Geck, C. C., Alsaad, H., Voelker, C., & Smarsly, K. (2024). Personalized low-cost thermal comfort monitoring using IoT technologies. Indoor Environments, 1(4), 100048. https://doi.org/10.1016/j.indenv.2024.100048
Gómez-Gijón, S., Salmerón, J. F., Falco, A., Loghin, F. C., Lugli, P., Morales, D. P., Rodriguez, N., & Rivadeneyra, A. (2025). Printed RFID sensing system: The cost-effective way to IoT smart agriculture. Computers and Electronics in Agriculture, 232, 110116. https://doi.org/10.1016/j.compag.2025.110116
Kittidecha, C., Saramath, S., & Narapinij, P. (2025). Plant layout improvement of the stainless-steel cookware manufacturing using ALDEP. RMUTSB Academic Journal, 13(1), 57-70. https://doi.org/10.64989/rmutsbj.2025.265274 (in Thai)
Koomngern, A., & Chaiyabut, N. (2025). Development of an automated system for beverage preparation to assist bartenders. RMUTSB Academic Journal, 13(2), 237-252. https://doi.org/10.64989/rmutsbj.2025.268136 (in Thai)
Murugesan, L. J., & Chettiar, S. R. S. (2021). Design and implementation of intelligent classroom framework through light-weight neural networks based on multimodal sensor data fusion approach. Revue d'Intelligence Artificielle, 35(4), 291-300. https://doi.org/10.18280/ria.350403
Parkavi, V., K. J., & Veluswamy, P. (2024). Enhancing photovoltaic systems with integrated thermoelectric generators: Real-time optimization through arduino implementation. Materials Circular Economy, 6(1), 61. https://doi.org/10.1007/s42824-024-00141-w
Rose, T., Ali, N., & Dong, Y. (2025). Design and development of an IoT-based dendrometer system for real-time trunk diameter monitoring of Christmas trees. Smart Agricultural Technology, 10, 100765. https://doi.org/10.1016/j.atech.2024.100765
Saputra, A. D. S., Hindarto, D., & Haryono, H. (2023). Supervised learning from data mining on process data loggers on micro-controllers. Sinkron: Jurnal dan Penelitian Teknik Informatika, 7(1), 157-165. https://doi.org/10.33395/sinkron.v8i1.11942
Somogyi, A., Kelemen, A., Mellár, J., & Mingesz, R. (2024). Event-driven kinematic measurements using BBC micro: Bits programmed in C++. Central-European Journal of New Technologies in Research, Education and Practice, 6(1), 35-58. https://doi.org/10.36427/CEJNTREP.6.1.7135
Xiong, X., Liu, Z., Kan, K., Zhu, Y., Zhang, W., & Fang, X. (2025). Design and implementation of a digital calibration certificate web service system based on microservice architecture. Measurement: Sensors, 38(S), 101487. https://doi.org/10.1016/j.measen.2024.101487
