โครงการวิจัย

การวิเคราะห์ประสิทธิภาพของโครงข่ายอินเทอร์เน็ตของสรรพสิ่งแบบหลายชั้นสำหรับระบบตรวจวัดแบบกลุ่มแพ็กเก็ตด้วยเทคนิคการส่งข้อมูลแบบแบตช์

Performance Analysis of Multi-Layer Internet of Things Architecture for Batch-Based Packet Transmission Systems

รายละเอียดโครงการ

ปีงบประมาณ 2569
หน่วยงานเจ้าของโครงการ
ลักษณะโครงการ โครงการใหม่
ประเภทโครงการ โครงการเดี่ยว
ประเภทงานวิจัย โครงการพื้นฐาน
วันที่เริ่มโครงการวิจัย (พ.ศ.) 1 ตุลาคม 2568
วันที่สิ้นสุดโครงการวิจัย (พ.ศ.) 30 กันยายน 2569
วันที่ได้รับทุนวิจัย (พ.ศ.) 1 ตุลาคม 2568
ประเภททุนวิจัย อื่นๆ
สถานะโครงการ อยู่ระหว่างดำเนินการ
เลขที่สัญญา
เป็นโครงการวิจัยที่ใช้ในการจบการศึกษา ไม่ใช่
เป็นโครงการวิจัยรับใช้สังคม ไม่ใช่
บทคัดย่อโครงการ

โครงการวิจัยนี้มุ่งเน้นการออกแบบและวิเคราะห์ประสิทธิภาพของระบบอินเทอร์เน็ตของสรรพสิ่ง (IoT) แบบหลายชั้น โดยใช้เทคนิคการส่งข้อมูลแบบ Batch Transmission เพื่อเพิ่มความน่าเชื่อถือของการสื่อสารระหว่างชั้นเซนเซอร์ (Sensor Node) และเกตเวย์ (Gateway) ในสภาพแวดล้อมจริง การทดลองประกอบด้วยเครือข่ายเซนเซอร์ไร้สาย 8 โหนดที่เชื่อมต่อด้วยโมดูล XBee ไปยังเกตเวย์ที่รวมกับเทคโนโลยี NB-IoT เพื่อส่งข้อมูลขึ้นสู่คลาวด์ การวิเคราะห์ประสิทธิภาพใช้ตัวชี้วัดหลัก ได้แก่ Packet Success Ratio (PSR), Packet Error Ratio (PER), Packet Loss Ratio (PLR) และ Packet Cloud Success Ratio (PCSR) โดยทำการทดสอบภายใต้ช่วงเวลาในการส่ง (Transmission Interval) และขนาดของแบตช์ (Batch Size) ที่แตกต่างกัน ผลการทดลองเชิง Testbed และการวิเคราะห์เชิงคณิตศาสตร์ (Analytic Comparison) แสดงให้เห็นว่า การเพิ่มขนาดแบตช์ช่วยลดความถี่ในการสื่อสารและเพิ่มเสถียรภาพของเครือข่าย ในขณะที่ค่าช่วงเวลาการส่งที่เหมาะสม (ประมาณ 20–25 วินาที) ช่วยให้ได้อัตราความสำเร็จของแพ็กเก็ตสูงกว่า 98% และลดการสูญเสียโดยรวมลงอย่างมีนัยสำคัญ งานวิจัยนี้ยังนำเสนอแบบจำลองการตัดสินใจแบบหลายเกณฑ์ (Multi-Criteria Decision Model) สำหรับการเลือกค่าการทำงานที่เหมาะสมที่สุดของระบบ IoT เพื่อให้เกิดความสมดุลระหว่างความหน่วงเวลา พลังงานที่ใช้ และความน่าเชื่อถือในการสื่อสาร
รายละเอียดการนำไปใช้งาน

  • การจัดการเครือข่าย IoT ในอุตสาหกรรม (Industrial IoT)
    แบบจำลองที่พัฒนาขึ้นสามารถนำไปประยุกต์ใช้ในระบบตรวจวัดพลังงาน เครื่องจักร หรือกระบวนการผลิตในโรงงาน โดยปรับขนาด Batch และ Interval ให้เหมาะสมกับสภาพการใช้งานจริง เช่น ระบบ Smart Factory, ระบบตรวจวัดการใช้พลังงานในเครื่องจักร หรือระบบคาดการณ์การบำรุงรักษา (Predictive Maintenance)

  • ระบบติดตามสิ่งแวดล้อม (Environmental Monitoring)
    ใช้ในระบบตรวจวัดคุณภาพอากาศ, PM2.5, หรือข้อมูลสิ่งแวดล้อมในพื้นที่กว้าง เช่น โครงการติดตามในจังหวัดชายฝั่ง (Songkhla–Trang Basin) โดยเน้นการลดการสูญหายของข้อมูลในช่วงการเชื่อมต่อ NB-IoT ที่ไม่เสถียร

  • การเรียนรู้และการสอนในสาขา IoT และระบบสื่อสาร (IoT Education Platform)
    สามารถใช้เป็นชุดการทดลองในรายวิชา การวัดและเครื่องมือวัดทางโทรคมนาคม, การโปรแกรมเครือข่าย, หรือ Smart System Engineering เพื่อให้นักศึกษาได้ทดลองและวิเคราะห์พฤติกรรมเครือข่ายจริงจากข้อมูลที่เก็บได้

  • การพัฒนาต้นแบบระบบอัจฉริยะเชื่อมโยง AI (AI-Integrated IoT)
    ข้อมูลที่ได้จากระบบสามารถต่อยอดสู่การสร้างแบบจำลอง Machine Learning หรือ Deep Learning สำหรับทำนายค่าความน่าเชื่อถือของการสื่อสาร หรือปรับพารามิเตอร์ของระบบอัตโนมัติในแบบ Adaptive IoT Network

  • สนับสนุนเป้าหมายการพัฒนาอย่างยั่งยืน (SDG 9 และ SDG 13)
    โครงการนี้สอดคล้องกับ SDG 9 (Industry, Innovation, and Infrastructure) และ SDG 13 (Climate Action) โดยส่งเสริมการใช้เทคโนโลยีดิจิทัลเพื่อการพัฒนาโครงสร้างพื้นฐานด้านข้อมูลและลดผลกระทบทางสิ่งแวดล้อมจากการใช้พลังงานในระบบตรวจวัดแบบเดิม

    		•
    เอกสารประกอบโครงการ
    • -

    ทีมวิจัย

    หัวหน้าโครงการ
    ที่ นักวิจัย หน่วยงาน ตำแหน่งในทีม การมีส่วนร่วม (%)
    1ธนากร อินทสุทธิ์คณะวิศวกรรมศาสตร์ ราชมงคลศรีวิชัย สงขลาหัวหน้าโครงการ100