การศึกษาพฤติกรรมผู้ใช้งานตู้แช่เชิงพาณิชย์ด้วยเทคนิคต้นไม้ตัดสินใจ

Abstract

เนื่องจากปัจจุบันตู้แช่เชิงพาณิชย์มีความนิยมใช้งานในหมู่ร้านค้า แต่ปัญหาที่พบคือตู้แช่มี การใช้พลังงานไฟฟ้าที่สูง ท าให้ต้นทุนของร้านสูงตามไปด้วย อย่างไรก็ตามมีระบบ FTC (อุปกรณ์ ควบคุมอุณหภูมิตู้แช่อาดุยโน่) ช่วยในการควบคุมอุณหภูมิของตู้แช่ให้คงที่ เพื่อไม่ใช้เกิดปัญหาตู้แช่มี อุณหภูมิที่ต่ ามากท าให้เกิดน าแข็งและสินค้าเสียหาย แต่ยังมีการบริโภคไฟฟ้าที่สูงอยู่ บทความนี จึง น าเสนอการใช้เทคนิคต้นไม้ตัดสินใจ (Decision Tree Learning) เพื่อศึกษาพฤติกรรมการใช้งานตู้แช่ เชิงพาณิชย์ เพื่อพัฒนาระบบ FTC เดิมให้มีประสิทธิภาพมากขึ น และท าให้มีค่าใช้จ่ายในค่าไฟฟ้า ลดลง โดยมีการเก็บข้อมูลแบบแยกหมวดหมู่เพื่อหาค่ามาตรฐานมาใช้ก าหนดเวลาและจะมีระบบ เตือนผู้ใช้งานในกรณีที่เปิดตู้เย็นเกินเวลาที่ก าหนด และหลังจากใช้งานระบบ FTC Behavior (อุปกรณ์ควบคุมตู้แช่แบบเพิ่มพฤติกรรมผู้ใช้งาน) มีการใช้งานเปิดปิดตู้แช่จริงลดลง 18.16% และค่า ไฟฟ้าที่น้อยลง 4%

At present, commercial fridge is popular in a store, but the problem is that it has high electricity consumption and it makes even more costs. However, we have a system to control and stabilize the temperature of fridge called Arduino (Freezer temperature Controller Using Arduino: FTC) in order to prevent uncontrolled low temperature causing a damage to a product. Nevertheless, FTC has a domestic consumption for electricity. This article shows the use of Decision Tree Learning technique for study of usage behavior, development of the FTC to be more efficient, and reduction in electricity usage by the data classification to find out the standards to specify time, and to have a system of the alert in case of opening a fridge for a long time. The result shows that the time of using a fridge in FTC with Decision Tree Learning is 18.75% and the electric consumption is 4.4% lower than that of the original FTC.