editor

ผู้เขียน : editor

อัพเดท: 18 ส.ค. 2008 15.24 น. บทความนี้มีผู้ชม: 634400 ครั้ง

บทความเรื่องหุ่นยนต์จาก อาจารย์ ดร.ชิต เหล่าวัฒนา ผู้อำนวยการสถาบันวิทยาการหุ่นยนต์ภาคสนาม (FIBO)


สมองกลเพื่อการประหยัดพลังงาน

       ในช่วง สองทศวรรษที่ผ่านมา ประเทศไทยมีการขยายตัวทางเศรษฐกิจและอุตสาหกรรมอย่างรวดเร็ว ส่งผลให้การใช้พลังงานของประเทศเพิ่มขึ้นตามไปด้วย โดยเฉพาะอย่างยิ่งการใช้ไฟฟ้า จากการเพิ่มขึ้นของการใช้ไฟฟ้าทำให้การไฟฟ้าฝ่ายผลิตต้องเพิ่มกำลังการผลิตพลังงานไฟฟ้า การเพิ่มกำลังการผลิตพลังงานไฟฟ้าทำได้โดย การสร้างโรงงานไฟฟ้าเพิ่ม ซึ่งผลการสร้างโรงไฟฟ้าเพิ่มทำให้เกิดปัญหาตามมามากมาย อาทิเช่น ปัญหาทางด้านสิ่งแวดล้อม ด้านเศรษฐศาสตร์ และด้านสังคม เป็นต้น
       
       จากการศึกษาวิจัย พบว่าการใช้ไฟฟ้า ในประเทศจะประกอบด้วยส่วนใหญ่ๆ 3 ส่วน คือ อุตสาหกรรม ที่พักอาศัย และอาคารพาณิชย์ เมื่อพิจารณาเฉพาะส่วนของอาคารพาณิชย์ สามารถแบ่งออกเป็นสี่ประเภทใหญ่ๆคือโรงแรม โรงพยาบาล อาคารสำนักงาน และ ศูนย์การค้า โดยอาคารพาณิชย์ดังกล่าวนี้ต้องการพลังงานไฟฟ้าสำหรับระบบปรับอากาศอาคาร ประมาณ 50 - 70% ของพลังงานไฟฟ้าทั้งหมดของอาคาร และยังเป็นตัวการสำคัญที่ก่อให้เกิดค่าใช้จ่ายทางด้านความต้องการไฟฟ้า
       
       สถาบันวิทยาการหุ่นยนต์ภาคสนาม แห่งมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี ได้ตระหนักถึงปัญหาการใช้พลังงานไฟฟ้าของอาคารพาณิชย์ขนาดใหญ่ที่มีจำนวนมากในกรุงเทพๆ และเมืองใหญ่ ในประเทศ จึงได้คิดนำเอาระบบปัญญาประดิษฐ์ (AI) แบบข่ายงานระบบประสาท เนื่องจากความสามารถในการจำลองพฤติกรรมทางกายภาพของระบบที่มีความซับซ้อน จากข้อมูลที่ป้อนให้เรียนรู้ การประยุกต์ใช้ข่ายงานระบบประสาท จึงเป็นทางเลือกใหม่ในการควบคุม เราได้นำข่ายงานระบบประสาท มาใช้ในการวิเคราะห์ และออกแบบระบบที่ช่วยในการแนะนำผู้ปฎิบัติงานในการควบคุมระบบปรับอากาศของอาคารสำนักงานใหญ่ ธนาคารไทยพาณิชย์ ซึ่งตั้งอยู่ที่สี่แยกรัชโยธิน บางเขน กรุงเทพๆ เป็นกรณีศึกษา
       ข่ายงานระบบประสาท ข่ายงานระบบประสาท คือแบบจำลองคณิตศาสตร์ที่พัฒนาขึ้นมาเพื่อจำลองการทำงานของ เครือข่ายประสาทในสมองมนุษย์ ด้วยวัตถุประสงค์ที่จะสร้างเครื่องมือ ซึ่งมีความสามารถในการเรียนรู้การจดจำแบบรูป และ การอุปมานความรู้ เช่นเดียวกับความสามารถที่มีในสมองมนุษย์ จากรูปที่ 1. นั้นเป็นเซลล์ประสาทที่ประกอบไปด้วย ส่วนประกอบต่างๆ ได้แก่เดนไดรต์ (Dendrites) ซึ่งทำหน้าที่ในการรับความรู้สึกที่ส่งเข้ามา เซลล์ประสาทรับข้อมูลอินพุต จากเซลล์นิวรอลเซลล์อื่น
       
       โดยผ่านทางจุดเชื่อมโยงระหว่างเซลล์ ที่เรียกว่า ไซกแนบส์ (Synapse) สัญญาณข้อมูลอินพุตจะได้รับการประมวลผลภายใน จากนั้นสัญญาณข้อมูลเอาท์พุต จากเซลล์ประสาทจะถูกส่งออกมา ทางส่วนของเอ็กซอน ซึ่งจะส่งลงสู่เดนไดรต์ต่อไป ส่วนวิธีการประมวลผลภายในโดยเซลล์ประสาท แต่ละเซลล์มีจุดเชื่อมโยงระหว่าง อินพุตและเอาท์พุต แล้วยังมีหน้าที่ขยายหรือลดขนาดของสัญญาณ ซึ่งมีฟังก์ชันการทำงานสองลักษณะ คือการกระตุ้น) เป็นการทำให้สัญญาณที่ผ่านมามีความถี่สูงขึ้น และการยับยั้ง เป็นการทำให้สัญญาณที่ผ่านมามีความถี่ลดลงซึ่งแบบจำลองระบบเครือข่ายประสาท อัตราขยายหรืออัตราลด ถูกกำหนดด้วยค่าน้ำหนัก เมื่อเราทราบว่ากลไกการทำงานของเซลล์ประสาทแล้ว เราก็สามารถสร้างแบบจำลองของเซลล์ประสาทได้ซึ่งเรียกกันว่า เครือข่ายประสาทเทียม แบบจำลองโครงข่ายเซลล์ประสาทเทียมนั้นได้ถูกพัฒนาขึ้นมามากมายหลายชนิด เพื่อให้คล้ายคลึงกับสมองมากที่สุด แต่ละชนิดจะมีคุณสมบัติแตกต่างกันไป ซึ่งสามารถเลือกประยุกต์ให้เหมาะสมกับงานในแต่ละประเภท ถ้าเราแบ่งตามความสามารถในการเรียนรู้ ก็แยกได้เป็น 2 ชนิดใหญ่ๆ คือการเรียนรู้แบบมีผู้ช่วย และการเรียนรู้แบบไม่มีผู้ช่วย
       
       การเรียนรู้แบบมีผู้ช่วย วิธีการนี้กระทำโดย นำข้อมูลตัวอย่างที่ได้จากการเก็บข้อมูลของระบบที่เราทำการเข้าสู่โครงข่าย เพื่อประมวลผลแล้วนำเอาท์พุตที่ได้จากการฝึก มาเปรียบเทียบเอาท์พุตที่กำหนด ความแตกต่างระหว่างค่าเอาท์พุตทั้งสองนี้ จะถูกนำไปปรับค่าพารามิเตอร์ต่างๆ เพื่อให้ข่ายงานระบบประสาท สามารถเรียนรู้ข้อมูลอินพุตและเอาท์พุตได้ตามที่กำหนด ซึ่งแสดงดังรูปที่ 2ก.ในส่วนการเรียนรู้แบบมีผู้สอนนั้นข่ายงานระบบประสาทแบบโครงข่ายหลายชั้น ที่ใช้การเรียนรู้แบบแพร่กระจายกลับ ได้รับความนิยมมาก
       
       การเรียนรู้แบบไม่มีผู้ช่วย วิธีการนี้กระทำโดยขั้นการเรียนรู้จะเข้าจากการเรียนรู้ข้อมูลอินพุตเท่านั้น ดังนั้นการเรียนรู้ไม่มีความรู้จากข้อมูลเอาท์พุตของระบบ สำหรับเปรียบเทียบเพื่อปรับค่าพารามิเตอร์ของข่ายงานระบบประสาท การปรับค่าพารามิเตอร์จึงใช้เฉพาะค่าเอาท์พุตของข่ายงานระบบประสาท การปรับสามารถทำได้หลายวิธี โดยแต่ละวิธีมีจุดประสงค์เพื่อให้เครือข่ายระบบประสาทสามารถจำและแยกแยะรูปแบบของข้อมูลอินพุตได้ แสดงดังรูป 2ข การเรียนรู้แบบไม่มีผู้ช่วยก็มีหลายแบบแต่ที่จะกล่าวถึงในบทความนี้คือ ข่ายงานแบบจัดเรียงตัวเอง จุดประสงค์หลักของข่ายงานแบบนี้คือ การจำแนกกลุ่มข้อมูลออกเป็นกลุ่มๆที่ไม่เกี่ยวข้องกัน โดยถือว่าชุดข้อมูลที่อยู่ในกลุ่มเดียวกันจะแสดงพฤติกรรมแบบเดียวกัน
       สำหรับงานนี้ เราใช้วิธีข่ายงานแบบจัดเรียงตัวเอง ซึ่งเป็นการปรับปรุงจากข่ายงานระบบประสาทแบบเชิงสถิติ นำไปวิเคราะห์และออกแบบระบบผู้แนะนำผู้ควบคุมขบวนการทำน้ำเย็นขนาดใหญ่ของอาคารสำนักงานใหญ่ ธนาคารไทยพาณิชย์ เครือข่ายนี้ ประกอบด้วย ชั้นข้อมูลขาเข้า, ชั้นข้อมูลปกปิด 2 ชั้น และขั้นข้อมูลขาออก ข้อแตกต่างที่สำคัญจากการสอนข่ายงานระบบประสาทโดยใช้วิธีแพร่กระจายกลับ คือข่ายงานแบบเชิงสถิติสามารถสร้างรูปแบบข่ายงานของตัวเองจากการสอนโดยใช้ชุดข้อมูลตัวอย่างเบื้องต้น โดยชั้นปกปิดที่หนึ่งคือ ชุดข้อมูลตัวอย่าง และ ชั้นปกปิดที่ 2 เกิดจากการจัดเรียงกลุ่มข้อมูลออกเป็นกลุ่มๆ เราจึงถือว่าเป็นข่ายงานแบบจัดเรียงตัวเองแบบหนึ่ง ฟังก์ชันการกระตุ้นของปมประสาทเกิดจากการประมาณค่าฟังก์ชันความหนาแน่นของความน่าจะเป็น (Probability Density Function, PDFs) ซึ่งเกิดจากการสอนข่ายงานระบบประสาทด้วยชุดข้อมูลตัวอย่างนั้นเอง
       
       วิธีการหาPDF สามารถอธิบายได้ดังนี้ในการอธิบายพฤติกรรมของระบบต่างๆทางวิศวกรรม อาศัยข้อมูลที่ได้จากการทดลองหรือข้อมูลในอดีตของระบบนั้นๆ โดยเราถือว่าเหตุการณ์หนึ่งอาจนำไปสู่เหตุการณ์อื่นๆได้ โดยอาศัยเกณฑ์ของค่าความน่าจะเป็นแบบมีเงื่อนไขได้ ทำให้เราสามารถคาดเดาแนวโน้มของเหตุการณ์ที่ยังไม่เกิดขึ้นหรือแตกต่างจากชุดข้อมูลตัวอย่างที่เรามีอยู่นั้นได้
       
       เราประยุกต์ข่ายงานระบบประสาท ณ.จุดปฏิบัติงานที่เหมาะสมที่สุดของเครื่องทำน้ำเย็น เพื่อประหยัดค่าไฟฟ้ามากที่สุด แต่ยังคงรักษาประสิทธิภาพของระบบไว้สูงสุด ข่ายงานระบบประสาทที่ใช้เป็นแบบจัดเรียงด้วยตัวเองแบบเชิงสถิติ ซึ่งมีความสามารถในการพยากรณ์ ,ประมาณค่าฟังก์ชัน และ จำแนกกลุ่มข้อมูล มีการเรียนรู้แบบเรียนรู้ด้วยตัวเอง คุณสมบัติเหล่านี้ทำให้ข่ายงานระบบประสาทแบบนี้มีความสามารถ จำแนกหมวดความรู้อย่างชัดเจน ปริภูมิของความรู้ทั้งหมดถูกแบ่งเป็นปริภูมิย่อยๆ ซึ่งจะทำให้ปมประสาทชุดหนึ่ง จะทำหน้าที่เข้ารหัสความรู้เฉพาะในปริภูมิย่อยๆนั้นโดยไม่ขึ้นกับปมประสาทชุดอื่น ดังนั้นแต่ละกลุ่มก็จะมีปมประสาทไม่เท่ากัน ตามความหนาแน่นของกลุ่มข้อมูลในปริภูมิย่อยนั้น ถ้าหนาแน่นมาก ปมประสาทก็จะมากไปด้วย นอกจากนี้การปรับค่าถ่วงน้ำหนักของปมประสาทเพียงบางค่าเท่านั้น ที่มีการกระตุ้นจากข้อมูลอินพุตในการปรับค่า ซึ่งต่างจากข่ายงานระบบประสาทแบบแพร่กระจายกลับ ซึ่งปมประสาททุกปมจะทำหน้าที่เข้ารหัสความรู้ทั้งหมดร่วมกัน
       
       ผลการพยากรณ์ค่าอุณหภูมิภายนอกอาคาร และ ค่าภาระความร้อนของอาคาร เพื่อนำไปใช้ในการหาจุดปฏิบัติการที่เหมาะสมมีความแม่นยำในระดับที่น่าพอใจ ทำให้อาคารสำนักงานใหญ่ ธนาคารไทยพาณิชย์ มีความสามารถประหยัดพลังงานอยู่ในอันดับต้นๆ ของประเทศ อย่างไรก็ตามก็มีกรณีที่ไม่สามารถคาดเดาได้เกิดขึ้นบ้างเช่นในช่วง ฝนตก เป็นต้น ในอนาคตต้องปรับปรุงการระบบแนะนำดังกล่าวให้ดียิ่งขึ้น โดยต้องเน้นที่ความถูกต้องของข้อมูลและ การใช้เทคนิคใหม่ๆด้านระบบเครือข่ายระบบประสาท
       
       พลังงานมีความสำคัญ แต่ที่สำคัญกว่าคือเราต้องสามารถควบคุมการใช้พลังงานให้ได้อย่างสมเหตุสมผล




ข้อคิดเห็น/เสนอแนะ มาที่ผู้เขียนได้ที่ djitt@fibo.kmutt.ac.th



drdjitt7070.jpg

รู้จักผู้เขียน
รศ.ดร. ชิต เหล่าวัฒนา
จบปริญญาตรีวิศวกรรมศาสตร์ (เกียรตินิยม) จากมหาวิทยาลัยเทคโนโลยีพระจอมเกล้า ธนบุรี ไดัรับทุนมอนบูโช รัฐบาลญี่ปุ่นไปศึกษาและทำวิจัยด้านหุ่นยนต์ที่มหาวิทยาลัยเกียวโต ประเทศญี่ปุ่น เข้าศึกษาต่อระดับปริญญาเอกที่มหาวิทยาลัยคาร์เนกี้เมลลอน สหรัฐอเมริกา ด้วยทุนฟุลไบรท์ และจากบริษัท AT&T ได้รับประกาศนียบัตรด้านการจัดการเทคโนโลยีจากสถาบันเทคโนโลยีแห่งมลรัฐแมสซาชูเซสต์ (เอ็มไอที) สหรัฐอเมริกา

ภายหลังจบการศึกษา ดร. ชิต ได้กลับมาเป็นอาจารย์สอนที่มหาวิทยาลัยเทคโนโลยีพระจอมเกล้า ธนบุรี และเป็นผู้ก่อตั้งสถาบันวิทยาการหุ่นยนต์ภาคสนาม หรือที่คนทั่วไปรู้จักในนาม “ฟีโบ้ (FIBO)” เป็นหน่วยงานหนึ่งในมหาวิทยาลัยเทคโนโลยีพระจอมเกล้า ธนบุรี เพื่อทำงานวิจัยพื้นฐาน และประยุกต์ด้านเทคโนโลยีหุ่นยนต์ ตลอดจนให้คำปรึกษาหน่วยงานรัฐบาล เอกชน และบริษัทข้ามชาติ (Multi-national companies) ในประเทศไทยด้านการลงทุนทางเทคโนโลยี การใช้งานเทคโนโลยีอัตโนมัติชั้นสูง และการจัดการเทคโนโลยีสารสนเทศอย่างมีประสิทธิภาพ



บทความนี้เกิดจากการเขียนและส่งขึ้นมาสู่ระบบแบบอัตโนมัติ สมาคมฯไม่รับผิดชอบต่อบทความหรือข้อความใดๆ ทั้งสิ้น เพราะไม่สามารถระบุได้ว่าเป็นความจริงหรือไม่ ผู้อ่านจึงควรใช้วิจารณญาณในการกลั่นกรอง และหากท่านพบเห็นข้อความใดที่ขัดต่อกฎหมายและศีลธรรม หรือทำให้เกิดความเสียหาย หรือละเมิดสิทธิใดๆ กรุณาแจ้งมาที่ ht.ro.apt@ecivres-bew เพื่อทีมงานจะได้ดำเนินการลบออกจากระบบในทันที