การประยุกต์ใช้งานความเป็นจริงเสริมในงานด้านอุตสาหกรรมอัตโนมัติ (ระยะที่ 2)

Applied Augmented Reality for Industrial Automation (Phase 2)

Name: ประจักษ์ จิตเงินมะดัน

Organization : มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ

Email : prajaks@buu.ac.th

ThaSH: ความเป็นจริงเสริม

Classification :.DDC: 006.8

ThaSH: ปัญญาประดิษฐ์ -- การใช้ในอุตสาหกรรม

Abstract: ในอุตสาหกรรมและเทคนิคการผลิตสมัยใหม่ การบำรุงรักษาที่รวดเร็วและแม่นยำเป็นแนวคิดที่สำคัญอย่างยิ่ง การศึกษานี้ได้นำเสนอระบบผู้เชี่ยวชาญระยะไกลที่ขับเคลื่อนด้วย AI ซึ่งเปลี่ยนแปลงการบำรุงรักษาในอุตสาหกรรมอัตโนมัติผ่านการบูรณาการเทคโนโลยีปัญญาประดิษฐ์ (AI) ความเป็นจริงผสม (MR) และการประมวลผลภาษาธรรมชาติ (NLP) เข้าด้วยกัน โดยมีการทดสอบการนำไปใช้งานด้วยโมเดล YOLOv8s บนอุปกรณ์แว่น Microsoft HoloLens 2 สำหรับการรู้จำวัตถุแบบเรียลไทม์และการตรวจจับสถานะไฟแสดง LED บนอุปกรณ์ PLCnext ช่วยให้ผู้ปฏิบัติงานซ่อมบำรุงได้รับข้อมูลการตรวจสอบและวินิจฉัยในทันที การตรวจสอบความถูกต้องด้วยการทดลองและการทดสอบภาคสนามแสดงให้เห็นถึงประสิทธิภาพของระบบที่มีประสิทธิภาพด้วยค่า mAP50 ที่ 0.993 และ mAP50-95 ที่ 0.844 และระบบสามารถสร้างคำแนะนำในการซ่อมบำรุงเครื่องจักรโดยใช้โมเดล NLP ที่ได้รับการพัฒนาเสริมข้อมูลเฉพาะทาง ซึ่งสามารถให้คำแนะนำเฉพาะทางแบบอัตโนมัติตามปัญหาที่ระบุ โดยแนวทางในการพัฒนานวัตกรรมนี้ สร้างกระบวนทัศน์ใหม่สำหรับการซ่อมบำรุงในอุตสาหกรรมอัตโนมัติที่ช่วยลดเวลาหยุดทำงานของเครื่องจักรอย่างมีนัยสำคัญ เพิ่มประสิทธิภาพการดำเนินงาน และลดต้นทุนการบำรุงรักษาในภาพรวม

Abstract: In modern industries and manufacturing techniques, quick and precise maintenance is a vital concept. This study introduces an AI-driven Remote Expert System that transforms industrial maintenance through the integration of artificial intelligence (AI), mixed reality (MR), and natural language processing (NLP) technologies. Our implementation utilizes YOLOv8s on Microsoft HoloLens 2 for real-time object recognition and LED status indicator detection on PLCnext controllers, enabling on-site operators to receive immediate diagnostic information. Experimental validation and field trials demonstrate robust system performance with an mAP50 of 0.993 and mAP50-95 of 0.844, while optimizing CPU utilization and battery consumption during video streaming operations. The system automatically generates NLP-based maintenance recommendations corresponding to identified issues. This innovative approach establishes a new paradigm for industrial maintenance that significantly reduces equipment downtime, enhances operational efficiency, and minimizes maintenance costs.

มหาวิทยาลัยบูรพา. สำนักหอสมุด

Address: ชลบุรี

Email: buulibrary@buu.ac.th

Name: มหาวิทยาลัยบูรพา. คณะวิทยาการสารสนเทศ

Role: ผู้ให้ทุน

Created: 2568

Modified: 2569-04-13

Issued: 2569-04-13

งานวิจัย/Research report

application/pdf

CallNumber: 006.8 ป222ก

tha

©copyrights มหาวิทยาลัยบูรพา

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	2569-726.pdf	6.28 MB

ใช้เวลา

0.021697 วินาที