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