งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบแปลภาษามือตัวอักษรภาษาอังกฤษแบบเรียลไทม์โดยใช้แนวคิดการประมวลผลแบบไฮบริดระหว่างเว็บไคลเอนต์และอุปกรณ์ IoT ระบบใช้ MediaPipe ส าหรับสกัดพิกัดจุดข้อต่อของมือจ านวน 42 ค่าแทนการใช้ภาพถ่ายดิบ เพื่อลดความซับซ้อนของข้อมูลและเพิ่มประสิทธิภาพในการประมวลผล จากนั้นน าข้อมูลพิกัดไปจ าแนกด้วยโมเดลโครงข่ายประสาทเทียมแบบหลายชั้น (MLP) บนไมโครคอนโทรลเลอร์ ESP32 โดยประยุกต์ใช้แนวคิดรูปแบบมาตรฐาน (Canonical Form) เพื่อแก้ปัญหาความแตกต่างระหว่างมือซ้ายและขวา ผลการทดลองพบว่าระบบสามารถแปลภาษามือตัวอักษรภาษาอังกฤษ A–Z (ยกเว้น J และ Z) ได้อย่างมีประสิทธิภาพ โดยมีค่าความถูกต้องเฉลี่ยเท่ากับ 91.67% และสามารถท างานได้อย่างเสถียรในสภาพแวดล้อมที่แตกต่างกัน งานวิจัยนี้แสดงให้เห็นว่าการใช้ข้อมูลเชิงโครงสร้างร่วมกับสถาปัตยกรรมแบบไฮบริดช่วยให้ระบบแปลภาษามือมีความแม่นย าสูง เหมาะสมกับการประยุกต์ใช้บนอุปกรณ์ IoT ที่มีข้อจ ากัดด้านทรัพยากร

การอบแห้งเป็นกระบวนการหลังการเก็บเกี่ยวที่มีความสำคัญต่อคุณภาพ ความปลอดภัย และอายุการเก็บรักษาของ สมุนไพรและพืชสมุนไพร งานวิจัยนี้มุ่งเน้นการพัฒนาแบบจำลองโครงข่ายประสาทเทียม (Artificial Neural Network: ANN) เพื่อทำนายพฤติกรรมการอบแห้งของกระชายขาว (Boesenbergia rotunda) ภายใต้สภาวะสุญญากาศ โดยได้ทำการทดลอง อบแห้งที่ความดันสัมบูรณ์ 3 ระดับ (5, 10 และ 15 kPa) และความหนาตัวอย่าง 3 ระดับ (3, 5 และ 7 mm) โดยพิจารณาตัว แปรสำคัญ ได้แก่ ความชื้น (Moisture Content; MC) อัตราส่วนความชื้น (Moisture Ratio; MR) และอัตราการแห้ง (Drying Rate; DR) ผลการทดลองชี้ให้เห็นว่า การอบแห้งที่ความดันต่ำ 5 kPa ช่วยเพิ่มประสิทธิภาพในการคายน้ำ ทำให้ ระยะเวลาอบแห้งสั้นที่สุด ในขณะที่ความดันที่สูงขึ้นส่งผลให้การคายน้ำช้าลง แบบจำลอง ANN ที่พัฒนาขึ้นมีโครงสร้าง ประกอบด้วย 2 ชั้นซ่อน (Hidden Layers) พร้อมกลไกการหยุดก่อนเวลา (Early Stopping) และการปรับอัตราการเรียนรู้ (Learning Rate Reduction) เพื่อเพิ่มประสิทธิภาพการเรียนรู้ ผลการประเมินพบว่าแบบจำลองมีความสอดคล้องกับข้อมูล การทดลองอย่างดีเยี่ยม โดยได้ค่า R2 มากกว่า 0.98, ค่า RMSE ต่ำกว่า 0.03 และค่า MAPE อยู่ระหว่าง 3.8–10.9% แสดงให้ เห็นถึงความน่าเชื่อถือและความสามารถของ ANN ในการทำนายพฤติกรรมการอบแห้งภายใต้สภาวะสุญญากาศได้อย่าง Received: Aug 28, 2025 Revised: Jun 16, 2026 Accepted: แม่นยำ ดังนั้น การวิจัยครั้งนี้แสดงให้เห็นถึงศักยภาพของ ANN ในการประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพและควบคุม กระบวนการอบแห้งสุญญากาศของสมุนไพร ซึ่งมีประโยชน์ต่อการออกแบบระบบการอบในระดับอุตสาหกรรม การประหยัด พลังงาน และการคงคุณภาพของสมุนไพรที่มีคุณค่าทางยา คำสำคัญ : กระชายขาว, การอบแห้งสุญญากาศ, โครงข่ายประสาทเทียม, อัตราการแห้ง

งานวิจัยนี้ได้นำเสนอการวิเคราะห์ปัจจัยการซื้อผลิตภัณฑ์ซาลอนของผู้ประกอบการธุรกิจร้านซาลอน โดยใช้เทคนิคการทำเหมืองข้อมูล สำหรับการศึกษานี้ได้แบ่งการศึกษาออกเป็นสองส่วน คือ ส่วนที่หนึ่งเป็นการใช้เทคนิคการจัดกลุ่มแบบสองขั้นตอน (Two stage clustering) จากประเภทของผลิตภัณฑ์ที่สั่งซื้อเพื่อแยกผู้ประกอบการธุรกิจซาลอนตามผลิตภัณฑ์ที่สั่งซื้อ ในเบื้องต้นได้ทำการเก็บรวบรวมข้อมูลผู้ประกอบการธุรกิจ ซาลอนในเขตพื้นที่กรุงเทพมหานคร จำนวน 526 ระเบียน 20 คุณลักษณะ โดยใช้เทคนิคโครงข่ายประสาทเทียม (SOM) เพื่อหาจำนวนกลุ่มที่เหมาะสมและใช้เทคนิคเคมีนส์ (K-Means) ในการจัดกลุ่มข้อมูล จากการจัดกลุ่มข้อมูลแบบสองขั้นตอนพบว่า จำนวนกลุ่มที่เหมาะสมมีจำนวน 3 กลุ่ม โดยกลุ่มที่ 1 มีสมาชิกจำนวน 191 ระเบียน กลุ่มที่ 2 จำนวน 223 ระเบียนและกลุ่มที่ 3 จำนวน 112 ระเบียน สำหรับการศึกษาในส่วนที่สองเป็นการวิเคราะห์ปัจจัยที่มีผลต่อการซื้อผลิตภัณฑ์ของผู้ประกอบการในแต่ละกลุ่มโดยสร้างแบบจำลองพฤติกรรมการสั่งซื้อผลิตภัณฑ์โดยใช้เทคนิคการจำแนกข้อมูล (Classification) ในรูปแบบของกฎ โดยในกลุ่มที่ 1 มีจำนวนกฎ 15 กฎ ในกลุ่มที่ 2 จำนวน 20 กฎและในกลุ่มที่ 3 จำนวน 14 กฎ ซึ่งประโยชน์ที่ได้รับจากการศึกษานี้ทำให้ผู้ขายผลิตภัณฑ์ซาลอนสามารถวิเคราะห์พฤติกรรมของผู้ประกอบการธุรกิจซาลอนเพื่อเป็นแนวทางในการจัดการรูปแบบกลยุทธ์การขายผลิตภัณฑ์ต่อไปในรูปแบบของแบบจำลองพฤติกรรมของผู้บริโภค สำหรับแนวทางในการศึกษาต่อ คือ การศึกษาเทคนิคการจัดกลุ่มข้อมูลเทคนิคอื่นๆ นอกเหนือจากเทคนิคเคมีนส์ และศึกษาเทคนิคการจำแนกข้อมูลในการสร้างแบบจำลองเพิ่มเติมนอกเหนือจากเทคนิคต้นไม้ตัดสินใจ