รหัสวิชา 03604475

ชื่อวิชาภาษาไทย             ระบบการวัดและสมองกลฝังตัวสำหรับการประยุกต์ใช้งานเมคาทรอนิกส์

ชื่อวิชาภาษาอังกฤษ             Measurement and Embedded Systems for Mechatronics

อาจารย์ผู้สอน

ผู้ช่วยศาสตราจารย์ ดร.กิตติพงษ์ เยาวาจา
หัวหน้ากลุ่มวิจัยวิทยาการหุ่นยนต์และระบบอัตโนมัติขั้นสูง
และผู้รับผิดชอบหลักสูตรหุ่นยนต์และระบบอัตโนมัติ (นานาชาติ)​
คณะวิศวกรรมศาสตร์ศรีราชา เกษตรศาสตร์ วิทยาเขตศรีราชา

จำนวนหน่วยกิต (ชม.บรรยาย-ชม.ปฏิบัติการ-ชม.ศึกษาด้วยตนเอง) 3(2-3-6)

ความสำคัญของรายวิชา
เพื่อพัฒนาสมรรถนะผู้เรียนให้มีความรู้ความเข้าใจและทักษะปฏิบัติในการใช้งานระบบการวัดอุตสาหกรรม การดึงข้อมูล และการประมวลผลผ่านระบบสมองกลฝังตัว รวมถึงการประยุกต์ใช้เทคโนโลยีการประมวลผลที่ขอบข่าย และปัญญาประดิษฐ์เบื้องต้น ซึ่งเป็นทักษะสำคัญในการพัฒนาระบบเมคาทรอนิกส์และระบบอัตโนมัติในยุคอุตสาหกรรมอัจฉริยะ

ผลลัพธ์การเรียนรู้ระดับรายวิชา (CLOs)
1 เลือก ติดตั้ง และปรับสภาพสัญญาณจากอุปกรณ์ตรวจวัดในงานอุตสาหกรรมได้อย่างถูกต้อง
2 ใช้งานหน่วยประมวลผลสัญญาณแบบเวลาจริง เพื่อดึงข้อมูล (DAQ) และประมวลผลแบบ Edge Computing ได้
3 ประยุกต์ใช้ปัญญาประดิษฐ์บนอุปกรณ์ฝังตัว เพื่อวิเคราะห์พฤติกรรมเครื่องจักรหรือบำรุงรักษาเชิงคาดการณ์เบื้องต้นได้
4 สร้างชุดต้นแบบสำหรับการวัดและบันทึกข้อมูลในระบบเมคาทรอนิกส์

คำอธิบายรายวิชา (Course Description)

   ศึกษาและปฏิบัติการเกี่ยวกับการวัดอุตสาหกรรม ตั้งแต่ตัวรับรู้และทรานสดิวเซอร์ จนถึงการปรับสภาพสัญญาณเพื่อขจัดสัญญาณรบกวนในสภาพแวดล้อมการผลิตจริง การประยุกต์ใช้ระบบเก็บข้อมูล ร่วมกับหน่วยประมวลผลสัญญาณแบบเวลาจริง การเรียนรู้พื้นฐานการวัดตำแหน่งและทิศทางสำหรับระบบเมคาทรอนิกส์และระบบอัตโนมัติเคลื่อนที่ การเขียนโปรแกรมควบคุมแบบเวลาจริงเพื่อการประมวลผลข้อมูลที่ส่วนหน้า พื้นฐานปัญญาประดิษฐ์บนอุปกรณ์ฝังตัวและการเรียนรู้ของเครื่องขนาดเล็ก เพื่อวิเคราะห์พฤติกรรมเครื่องจักรหรือการบำรุงรักษาเชิงคาดการณ์

Study and practice of industrial measurement, from sensors and transducers to signal conditioning to eliminate noise in real manufacturing environments. Application of data acquisition systems integrated with real-time signal processing units. Learning the fundamentals of position and orientation measurement for mechatronic and mobile automation systems. Real-time control programming for edge data processing. Fundamentals of embedded artificial intelligence and tiny machine learning for analyzing machine behavior or predictive maintenance.

. เค้าโครงรายวิชา ((Course Outline)

จำนวนชั่วโมงบรรยาย

1. การวัดอุตสาหกรรม ตัวรับรู้และทรานสดิวเซอร์
2. ระบบเก็บข้อมูล (Data Acquisition) และการแปลงสัญญาณ A/D, D/A
3. การจัดการสัญญาณไฟฟ้าเบื้องต้นและการลดสัญญาณรบกวน
4. สถาปัตยกรรมของหน่วยประมวลผลสัญญาณแบบเวลาจริง
5. พื้นฐานการเขียนโปรแกรมควบคุมลำดับงานแบบเวลาจริง
6. การวัดตำแหน่ง ระยะทาง และทิศทางสำหรับระบบเมคาทรอนิกส์
7. การประยุกต์ใช้เซนเซอร์วัดมุมและความเร่งสำหรับระบบเคลื่อนที่อัตโนมัติ
8. หลักการประมวลผลข้อมูลที่ส่วนหน้า (Edge Computing) และการคัดกรองข้อมูล
9. พื้นฐานการประยุกต์ใช้ปัญญาประดิษฐ์ในงานตรวจวัด (Edge AI Concepts)
10. การใช้เครื่องมือสอนการเรียนรู้ของเครื่องขนาดเล็ก (TinyML)
11. การวิเคราะห์พฤติกรรมความสั่นสะเทือนและความร้อนของเครื่องจักร
12. หลักการบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance)
13. การบันทึกข้อมูล (Data Logging) และการจัดการข้อมูลดิบ
14. การบูรณาการอุปกรณ์เพื่อสร้างชุดต้นแบบอัจฉริยะในงานวิศวกรรม
15. การทดสอบและการประเมินความคลาดเคลื่อนของระบบการวัด

จำนวนชั่วโมงปฏิบัติการ

1. ปฏิบัติการเชื่อมต่อและอ่านค่าเซนเซอร์พื้นฐานทางอุตสาหกรรม
2. ปฏิบัติการตั้งค่าระบบรัส่งข้อมูลระหว่างเซนเซอร์และคอมพิวเตอร์
3. ปฏิบัติการจัดการสัญญาณ Analog และการลดสัญญาณรบกวน
4. ปฏิบัติการใช้งานเครื่องมือโปรแกรมบนหน่วยประมวลผลสัญญาณแบบเวลาจริง
5. ปฏิบัติการเขียนโปรแกรมควบคุม I/O แบบเวลาจริง
6. ปฏิบัติการใช้งาน Encoder และเซนเซอร์วัดระยะทาง
7. ปฏิบัติการใช้งาน IMU สำหรับวิเคราะห์ทิศทางและการเคลื่อนที่
8. ปฏิบัติการประมวลผลข้อมูลเบื้องต้น ที่ตัวบอร์ดประมวลผล
9. ปฏิบัติการรวบรวมชุดข้อมูลจากเซนเซอร์เพื่อเตรียมใช้กับปัญญาประดิษฐ์
10. ปฏิบัติการสร้างและจำลองโมเดลปัญญาประดิษฐ์ขนาดเล็ก
11. ปฏิบัติการนำโมเดล AI ไปใช้งานบนบอร์ดเพื่อจำแนกสถานะผิดปกติ
12. ปฏิบัติการสร้างระบบแจ้งเตือนเมื่อตรวจพบแนวโน้มความผิดปกติของเครื่องจักร
13. ปฏิบัติการบันทึกข้อมูล (Data Logging) สู่หน่วยความจำและเครือข่าย
14. ปฏิบัติการพัฒนาและประกอบชุดต้นแบบ
15. การนำเสนอผลงานชุดต้นแบบและวิเคราะห์ผลการวัด