| 1 |
วัตถุประสงค์หลักของระบบหุ่นยนต์ที่กล่าวถึงในบทความคืออะไร
|
เพื่อดำเนินงานประกอบที่มีความแม่นยำสูง |
|
ประกอบชิ้นส่วนความแม่นยำสูงแบบใหม่ที่สามารถทำงานทุกประเภทได้โดยไม่เกิดความผิดพลาด โดยเฉพาะอย่างยิ่ง การทำงานของหุ่นยนต์ที่นำเสนอมุ่งเน้นไปที่การประกอบชิ้นส่วนที่แม่นยำ ซึ่งเป็นงานที่ยากเมื่อพิจารณาจากเทคโนโลยีปัจจุบัน และการกำจัด “ความผิดพลาดในการประกอบ” เช่น การกัดเพลาและรู ซึ่งทำได้โดยอาศัยความรู้สึกจากปลายนิ้วของมนุษย์ระหว่างการปฏิบัติงานด้วยมือของคนงาน วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์สามารถทำได้ |
- Y. Yokokohji, Y. Kawai, M. Shibata, Y. Aiyama, S. Kotosaka, W. Uemura, A. Noda, H. Dobashi, T. Sakaguchi, K. Yokoi
Assembly challenge,” a robot competition of the industrial robotics category, world robot summit 2018
- R. Haraguchi
Force sense and control function of industrial robot arm and applications for assembly tasks
- H. Suzuki, T. Yamashita, R. Tasaki
Tactile force measurement of fingertips during manual operation to realize precision assembly by industrial robots |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 2 |
บทความกล่าวว่าอะไรคือความท้าทายที่สำคัญในการประกอบหุ่นยนต์?
|
ป้องกันความล้มเหลวในการประกอบ เช่น การกัดเพลาและรู |
|
การทำงานของหุ่นยนต์ที่นำเสนอมุ่งเน้นไปที่การประกอบชิ้นส่วนที่แม่นยำ ซึ่งเป็นงานที่ยากเมื่อพิจารณาจากเทคโนโลยีปัจจุบัน และการกำจัด “ความผิดพลาดในการประกอบ” เช่น การกัดเพลาและรู ซึ่งทำได้โดยอาศัยความรู้สึกจากปลายนิ้วของมนุษย์ระหว่างการปฏิบัติงานด้วยมือของคนงาน วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์ |
- K. Fukuda, I. Ramirez-Alpizar, N. Yamanobe, D. Petit, K. Nagata, K. Harada
Recognition of assembly tasks based on the actions associated to the manipulated objects |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 3 |
จากบทความปลายนิ้วของมนุษย์มีบทบาทอย่างไรในระบบหุ่นยนต์
|
ช่วยในการแก้ไขข้อผิดพลาดของหุ่นยนต์ด้วยตนเอง |
|
การกำจัด “ความผิดพลาดในการประกอบ” เช่น การกัดเพลาและรู ซึ่งทำได้โดยอาศัยความรู้สึกจากปลายนิ้วของมนุษย์ระหว่างการปฏิบัติงานด้วยมือของคนงาน วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์สามารถทำได้ ระบบหุ่นยนต์ที่นำเสนอสามารถเอาชนะปัญหาต่างๆ เช่น “ต้นทุนการติดตั้งที่สูง” “ความยุ่งยากในการติดตั้งสำหรับผลิตภัณฑ์เฉพาะ” และ “การไม่สามารถทำงานประกอบอัตโนมัติได้” ในการศึกษานี้ ได้รายงานการกำหนดค่าและความถูกต้องของระบบวิเคราะห์การเคลื่อนที่ของชิ้นส่วน ซึ่งวัดข้อมูลการเคลื่อนที่และแรงระหว่างการประกอบ |
- M.H. Arbo, Y. Pane, E. Aertbelien, W. Decre
A system Architecture for constraint-based robotic assembly with CAD information |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 4 |
วิธีการใดที่ใช้เพื่อหลีกเลี่ยงความล้มเหลวในกระบวนการประกอบ
|
การวัดข้อมูลแรงสัมผัส |
|
ในการศึกษานี้ ได้รายงานการกำหนดค่าและความถูกต้องของระบบวิเคราะห์การเคลื่อนที่ของชิ้นส่วน ซึ่งวัดข้อมูลการเคลื่อนที่และแรงระหว่างการประกอบ หลังจากการตรวจสอบความถูกต้องของระบบแล้ว จะได้รับการยืนยันว่าสามารถรับข้อมูลแรงขณะปฏิบัติงานจริงได้อย่างถูกต้อง นอกจากนี้ ข้อมูลเหล่านี้ยังใช้เพื่อแสดงความแตกต่างระหว่างงานประกอบที่สำเร็จและงานที่ล้มเหลว |
- Y. Wang, K. Harada, W. Wan
Motion planning through demonstration to deal with complex motions in assembly process
- R. Haraguchi
Force sense and control function of industrial robot arm and applications for assembly tasks
- H. Suzuki, T. Yamashita, R. Tasaki
Tactile force measurement of fingertips during manual operation to realize precision assembly by industrial robots |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 5 |
อะไรคือผลลัพธ์ของความสำเร็จในการรวมเทคโนโลยีที่กล่าวถึงเข้ากับวิทยาการหุ่นยนต์
|
ลดต้นทุนการผลิต |
|
ระบบหุ่นยนต์ที่นำเสนอสามารถเอาชนะปัญหาต่างๆ เช่น “ต้นทุนการติดตั้งที่สูง” “ความยุ่งยากในการติดตั้งสำหรับผลิตภัณฑ์เฉพาะ” และ “การไม่สามารถทำงานประกอบอัตโนมัติได้” ในการศึกษานี้ ได้รายงานการกำหนดค่าและความถูกต้องของระบบวิเคราะห์การเคลื่อนที่ของชิ้นส่วน ซึ่งวัดข้อมูลการเคลื่อนที่และแรงระหว่างการประกอบ หลังจากการตรวจสอบความถูกต้องของระบบแล้ว จะได้รับการยืนยันว่าสามารถรับข้อมูลแรงขณะปฏิบัติงานจริงได้ |
- Y. Takenaka
The influence of the declining birth-rate on lifestyle formation |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 6 |
อุปกรณ์ใดใช้วัดการเคลื่อนไหวในระบบหุ่นยนต์
|
มาตรความเร่ง |
|
หน่วยวัดแรงเฉื่อย (IMU):
เครื่องวัดความเร่ง: วัดความเร่งของหุ่นยนต์ในทิศทางต่างๆ ช่วยให้สามารถตรวจจับการเคลื่อนไหว การเอียง และการสั่นสะเทือน ไจโรสโคป: ตรวจจับอัตราการหมุนรอบแกน ช่วยให้หุ่นยนต์รักษาสมดุลและความเสถียร |
https://www.botasys.com/post/robot-sensors |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 7 |
อุปกรณ์วัดแรงมีโครงสร้างอย่างไร
|
โดยการวางเซ็นเซอร์ไว้บนที่ยึดหกเหลี่ยม |
|
อุปกรณ์วัดแรง
เมื่อมนุษย์ปฏิบัติงานตามเป้าหมาย การวัดข้อมูลแรงจะไม่เสถียร สาเหตุมาจากการสัมผัสระหว่างนิ้วของมนุษย์กับพื้นผิวโค้ง (ส่วนที่มีลักษณะเป็นแท่งจับด้วยนิ้วสามนิ้ว) ซึ่งเซ็นเซอร์จะติดอยู่กับส่วนที่มีลักษณะเป็นแท่งหรือปลายนิ้ว เพื่อวัดขนาดและทิศทางของแรงที่กระทำกับปลายนิ้วได้อย่างแม่นยำ เซ็นเซอร์จะถูกติดตั้งเข้ากับตัวยึดหกเหลี่ยมปกติ นอกจากนี้ ยังสามารถวัดแรงกดได้โดยการติดตั้งเซ็นเซอร์แรงดันที่ด้านล่างของตัวยึด (ซึ่งจะอธิบายในภายหลัง) ตำแหน่งของเซ็นเซอร์ที่ติดอยู่กับตัวยึดแสดงในรูปที่ 3เซ็นเซอร์แรงดันถูกเลือกให้มีขนาดบางและเล็ก เพื่อไม่ให้ขัดขวางแรงที่กระทำกับปลายนิ้วในระหว่างการประกอบ ด้วยเหตุนี้ จึงใช้เซ็นเซอร์ OTF-KA103 ที่ผลิตโดย Oga Co., Ltd. เซ็นเซอร์เหล่านี้สามารถทำการวัดแบบแกนเดียวได้และมีเส้นผ่านศูนย์กลางหัว 8 มม. โหลดที่กำหนดสูงสุดคือ 35 นิวตัน และข้อผิดพลาดขาออกน้อยกว่า ±10% |
- K. Fukuda, I. Ramirez-Alpizar, N. Yamanobe, D. Petit, K. Nagata, K. Harada
Recognition of assembly tasks based on the actions associated to the manipulated objects |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 8 |
เป้าหมายสูงสุดของการวิจัยที่กล่าวถึงในบทความคืออะไร
|
เพื่อให้แน่ใจว่าหุ่นยนต์จะไม่ล้มเหลวในงานประกอบ |
|
ระบบหุ่นยนต์ประกอบชิ้นส่วนความแม่นยำสูงแบบใหม่ที่สามารถทำงานทุกประเภทได้โดยไม่เกิดความผิดพลาด โดยเฉพาะอย่างยิ่ง การทำงานของหุ่นยนต์ที่นำเสนอมุ่งเน้นไปที่การประกอบชิ้นส่วนที่แม่นยำ ซึ่งเป็นงานที่ยากเมื่อพิจารณาจากเทคโนโลยีปัจจุบัน |
- Y. Pane, M.H. Arbo, E. Aertbeliën, W. Decré
A system Architecture for CAD-based robotic assembly with sensor-based skills |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 9 |
การวัดแรงแก้ไขปัญหาเฉพาะด้านใดบ้าง
|
การตรวจจับแรงที่ละเอียดอ่อนซึ่งบ่งชี้ถึงความล้มเหลวในการประกอบที่อาจเกิดขึ้น |
|
การกำจัด “ความผิดพลาดในการประกอบ” เช่น การกัดเพลาและรู ซึ่งทำได้โดยอาศัยความรู้สึกจากปลายนิ้วของมนุษย์ระหว่างการปฏิบัติงานด้วยมือของคนงาน วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์สามารถทำได้ ระบบหุ่นยนต์ที่นำเสนอสามารถเอาชนะปัญหาต่างๆ |
- R. Haraguchi
Force sense and control function of industrial robot arm and applications for assembly tasks |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 10 |
อุปกรณ์วัดความเคลื่อนไหวนำนวัตกรรมอะไรมาสู่การประกอบหุ่นยนต์
|
วัดมุมและตำแหน่งที่แน่นอนของชิ้นส่วนระหว่างการประกอบ |
|
ระบบหุ่นยนต์ประกอบชิ้นส่วนความแม่นยำสูงแบบใหม่ที่สามารถทำงานทุกประเภทได้โดยไม่เกิดความผิดพลาด โดยเฉพาะอย่างยิ่ง การทำงานของหุ่นยนต์ที่นำเสนอมุ่งเน้นไปที่การประกอบชิ้นส่วนที่แม่นยำ ซึ่งเป็นงานที่ยากเมื่อพิจารณาจากเทคโนโลยีปัจจุบัน |
- Y. Yokokohji, Y. Kawai, M. Shibata, Y. Aiyama, S. Kotosaka, W. Uemura, A. Noda, H. Dobashi, T. Sakaguchi, K. Yokoi
Assembly challenge,” a robot competition of the industrial robotics category, world robot summit 2018
- K. Fukuda, I. Ramirez-Alpizar, N. Yamanobe, D. Petit, K. Nagata, K. Harada
Recognition of assembly tasks based on the actions associated to the manipulated objects |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 11 |
ML ย่อมาจากอะไรในบริบทของบทความ?
|
การเรียนรู้ของเครื่อง |
|
Machine learning เป็นสมองของ AI เป็นระบบที่สามารถเรียนรู้ได้ด้วยตนเอง โดยใช้ข้อมูล โดยที่มนุษย์ไม่ต้องคอยมานั่งเขียนโปรแกรมหรือคำสั่งใด ๆ
Machine learning มี 3 ประเภท 1.Supervised learning 2.Unsupervised learning 3.Reinforcement learningsome
Supervised learning คือ การให้ข้อมูลในการเรียนรู้ทั้ง input และ output
Unsupervised learning คือ การให้ข้อมูลในการเรียนรู้เพียงแค่ชุดเดียว หรือแค่ input
Reinforcement learning คือ การเรียนผ่านการลองผิดลองถูก หรือ Feedback จากคน
เราสามารถพบเจอ Machine learning ได้ในชีวิตประจำวัน เช่น ระบบการแนะนำหนังใน Netflix การสแกนหน้าหรือ Face ID รวมไปถึงรถยนต์ไร้คนขับ (Autonomous Car) อย่าง Tesla |
- https://www.disruptignite.com/blog/machine-learning |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 12 |
QSAR ตามที่กล่าวไว้ในบทความคืออะไร
|
ความสัมพันธ์ระหว่างโครงสร้างเชิงปริมาณกับกิจกรรม |
|
Quantitative structure-activity relationships (QSARs) are empirical statistical models, and are a mature part of the computational chemistry toolkit. While there are many successful and predictive QSAR models, equally there are many models in the literature that encode little more than noise. This is because QSAR derivation and validation is fraught with complexity and pitfalls. The machine learning algorithms used are extremely powerful tools to fit any data to a signal, even random noise, if they are not used with care. This chapter highlights some examples of good practice in model building and use and gives examples of influential QSAR models. The chapter also provides a glimpse of how automation is being used to remove the subjectivity in QSAR model generation and testing, to provide more robust QSAR models. QSAR model building is more likely to be the domain of a skilled computational chemist, or even an automated QSAR model building system. Increasingly the medicinal chemist’s role is that of model user, so the chapter also includes some useful hints and tips for model users to give confidence the QSAR model is good enough to guide compound design.
|
https://www.sciencedirect.com/topics/chemistry/qsar-study |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 13 |
Machine Learning มีประโยชน์หลักในการค้นคว้ายาตามบทความอย่างไร
|
การลดต้นทุนอุปกรณ์ห้องปฏิบัติการ |
|
เพิ่มประสิทธิภาพการค้นพบและพัฒนายาให้มีประสิทธิภาพและแม่นยำยิ่งขึ้น ในการศึกษานี้ ได้มีการประเมินผลการศึกษาอย่างเป็นระบบ โดยคัดเลือกจากความรู้เดิมของผู้เขียน และค้นหาคำสำคัญในฐานข้อมูลสาธารณะ ซึ่งกรองตามบริบท บทคัดย่อ ระเบียบวิธี และข้อความเต็มที่เกี่ยวข้อง งานวิจัยนี้สนับสนุนบทบาทของการเรียนรู้ของเครื่องและปัญญาประดิษฐ์ในการอำนวยความสะดวกในกระบวนการพัฒนาและค้นพบยา ทำให้ประหยัดต้นทุนมากขึ้นหรือไม่จำเป็นต้องทำการทดลองทางคลินิก เนื่องจากเทคโนโลยีเหล่านี้สามารถทำการจำลองสถานการณ์ได้ นอกจากนี้ยังช่วยให้นักวิจัยสามารถศึกษาโมเลกุลต่างๆ ได้อย่างกว้างขวางมากขึ้นโดยไม่ต้องมีการทดลองใดๆ |
https://www.sciencedirect.com/science/article/pii/S2667102621001066 |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 14 |
จากบทความประเด็นใดที่เน้นในด้านวิชาการที่แตกต่างจากอุตสาหกรรม
|
การพัฒนาข้อพิสูจน์แนวคิด |
|
ขอบเขต/ผลกระทบในภาคอุตสาหกรรม คุณไม่ได้ศึกษาแนวคิดเชิงนามธรรมที่คุณอาจคุ้นเคยในแวดวงวิชาการ เช่น แรงจูงใจ ความสนใจ อคติ การบังคับ และความสอดคล้อง ซึ่งเป็นหัวข้อที่ได้รับการศึกษาอย่างกว้างขวางในสาขาจิตวิทยาสังคม แต่คุณกำลังวิจัยปรากฏการณ์ในโลกแห่งความเป็นจริงเพื่อแก้ปัญหาที่แท้จริง จุดประสงค์หลักของการวิจัยของคุณในภาคอุตสาหกรรมคือการระบุปัญหาที่ต้องแก้ไข หรือให้ข้อมูลเพื่อแก้ไขปัญหาที่เกี่ยวข้องกับการทำงานของผลิตภัณฑ์หรือองค์กร |
https://medium.com/buildertrend-research/differences-between-research-in-academia-vs-industry-and-also-some-similarities-df4860f379ae |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 15 |
องค์กรใดที่ถูกกล่าวถึงว่ามีส่วนร่วมในการวิจัย ML และ AI ขั้นพื้นฐานในบทความ
|
อุตสาหกรรมยา |
|
Cited by (3)
Three-Finger Robot Hand that Mimics Human Fingertip Movements in Precision Assembly Work
2024, 2024 9th International Conference on Control and Robotics Engineering Iccre 2024
Development of a 4 DOF Robot Arm for Picking and Placing
2023, ACM International Conference Proceeding Series
A 1-DOF Modular Robotic Hand Inspired by Human Two-Arm Cooperative Handling Strategy
2023, Actuators |
Cited by (3)
Three-Finger Robot Hand that Mimics Human Fingertip Movements in Precision Assembly Work
2024, 2024 9th International Conference on Control and Robotics Engineering Iccre 2024
Development of a 4 DOF Robot Arm for Picking and Placing
2023, ACM International Conference Proceeding Series
A 1-DOF Modular Robotic Hand Inspired by Human Two-Arm Cooperative Handling Strategy
2023, Actuators |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 16 |
DMTA ย่อมาจากอะไรที่ใช้ในบทความ
|
ออกแบบ-ทำ-ทดสอบ-วิเคราะห์ |
|
DMTA ที่ใช้ในบทความน่าจะหมายถึง การวิเคราะห์เชิงกลแบบไดนามิก (Dynamic Mechanical Thermal Analysis) หรือบางครั้งอาจเรียกว่า Dynamic Mechanical Analysis (DMA) ซึ่งเป็นเทคนิคการวิเคราะห์ทางความร้อนที่ใช้ศึกษาพฤติกรรมทางกลของวัสดุ โดยเฉพาะอย่างยิ่งวัสดุประเภทโพลิเมอร์ ที่มีการเปลี่ยนแปลงอุณหภูมิ.
DMTA หรือ DMA จะวัดคุณสมบัติทางกลของวัสดุ เช่น โมดูลัสการสูญเสีย (loss modulus), โมดูลัสการเก็บ (storage modulus) และปัจจัยการสูญเสีย (loss factor) เมื่อวัสดุได้รับแรงสั่นสะเทือนหรือแรงไซน์ที่เปลี่ยนแปลงไปตามอุณหภูมิ.
สรุป: DMTA หรือ DMA เป็นเทคนิคที่ใช้ในการวิเคราะห์พฤติกรรมทางกลของวัสดุที่เปลี่ยนแปลงไปตามอุณหภูมิ. |
https://measurlabs.com/blog/thermal-analysis-technique-comparison/#:~:text=%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%A3%E0%B9%89%E0%B8%AD%E0%B8%99%E0%B8%94%E0%B9%89%E0%B8%A7%E0%B8%A2%20DMA%20%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B9%80%E0%B8%8A%E0%B8%B4%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B9%81%E0%B8%9A%E0%B8%9A%E0%B9%84%E0%B8%94%E0%B8%99%E0%B8%B2%E0%B8%A1%E0%B8%B4%E0%B8%81%20%2D%20DMA)%20%E0%B8%AB%E0%B8%A3%E0%B8%B7%E0%B8%AD%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B9%80%E0%B8%A3%E0%B8%B5%E0%B8%A2%E0%B8%81%E0%B8%A7%E0%B9%88%E0%B8%B2%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%A7%E0%B8%B4%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B2%E0%B8%B0%E0%B8%AB%E0%B9%8C%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%A3%E0%B9%89%E0%B8%AD%E0%B8%99%E0%B9%80%E0%B8%8A%E0%B8%B4%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B9%81%E0%B8%9A%E0%B8%9A%E0%B9%84%E0%B8%94%E0%B8%99%E0%B8%B2%E0%B8%A1%E0%B8%B4%E0%B8%81%20%2D,DSC%20%E0%B9%81%E0%B8%A5%E0%B8%B0%20TMA%20%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%A1%E0%B8%B5%E0%B9%81%E0%B8%99%E0%B8%A7%E0%B9%82%E0%B8%99%E0%B9%89%E0%B8%A1%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%88%E0%B8%B0%E0%B8%A1%E0%B8%B5%E0%B8%AD%E0%B8%B8%E0%B8%93%E0%B8%AB%E0%B8%A0%E0%B8%B9%E0%B8%A1%E0%B8%B4%E0%B8%AA%E0%B8%B9%E0%B8%87%E0%B8%AA%E0%B8%B8%E0%B8%94%E0%B8%95%E0%B9%88%E0%B8%B3%E0%B8%81%E0%B8%A7%E0%B9%88%E0%B8%B2%20DSC%20%E0%B9%81%E0%B8%A5%E0%B8%B0%20TMA. |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 17 |
โมเดลแมชชีนเลิร์นนิงด้านใดที่ได้รับการเน้นย้ำว่ามีความสำคัญเป็นพิเศษใน อุตสาหกรรมยา
|
ต้นทุนการพัฒนาแบบจำลองต่ำ |
|
วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์สามารถทำได้ ระบบหุ่นยนต์ที่นำเสนอสามารถเอาชนะปัญหาต่างๆ เช่น “ต้นทุนการติดตั้งที่สูง” “ความยุ่งยากในการติดตั้งสำหรับผลิตภัณฑ์เฉพาะ” และ “การไม่สามารถทำงานประกอบอัตโนมัติได้” ในการศึกษานี้ ได้รายงานการกำหนดค่าและความถูกต้องของระบบวิเคราะห์การเคลื่อนที่ของชิ้นส่วน ซึ่งวัดข้อมูลการเคลื่อนที่และแรงระหว่างการประกอบ หลังจากการตรวจสอบความถูกต้องของระบบแล้ว จะได้รับการยืนยันว่าสามารถรับข้อมูลแรงขณะปฏิบัติงานจริงได้ |
- M.H. Arbo, Y. Pane, E. Aertbelien, W. Decre
A system Architecture for constraint-based robotic assembly with CAD information
- Y. Pane, M.H. Arbo, E. Aertbeliën, W. Decré
A system Architecture for CAD-based robotic assembly with sensor-based skills |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 18 |
บทความประเภทใดที่บทความกล่าวถึงว่ามีข้อมูลมากขึ้นต่อสาธารณะ
|
เวชระเบียนของผู้ป่วย |
|
ได้มีการประเมินผลการศึกษาอย่างเป็นระบบ โดยคัดเลือกจากความรู้เดิมของผู้เขียน และค้นหาคำสำคัญในฐานข้อมูลสาธารณะ ซึ่งกรองตามบริบท บทคัดย่อ ระเบียบวิธี และข้อความเต็มที่เกี่ยวข้อง งานวิจัยนี้สนับสนุนบทบาทของการเรียนรู้ของเครื่องและปัญญาประดิษฐ์ในการอำนวยความสะดวกในกระบวนการพัฒนาและค้นพบยา ทำให้ประหยัดต้นทุนมากขึ้นหรือไม่จำเป็นต้องทำการทดลองทางคลินิก เนื่องจากเทคโนโลยีเหล่านี้สามารถทำการจำลองสถานการณ์ได้ นอกจากนี้ยังช่วยให้นักวิจัยสามารถศึกษาโมเลกุลต่างๆ ได้อย่างกว้างขวางมากขึ้นโดยไม่ต้องมีการทดลองใดๆ |
- Y. Takenaka
The influence of the declining birth-rate on lifestyle formation |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 19 |
ชุดข้อมูลใดที่ถูกกล่าวถึงว่าเป็นเกณฑ์มาตรฐานสำหรับ Molecular Machine Learning
|
เคมอาร์ซิฟ |
|
Chemarch, หรือในชื่อเต็ม ChemSHERPA, คือเครื่องมือสำหรับการจัดการและสื่อสารข้อมูลสารเคมีในผลิตภัณฑ์ ซึ่งพัฒนาโดย JAMP (Joint Article Management Promotion-consortium) และได้รับการสนับสนุนจากกระทรวง METI ประเทศญี่ปุ่น โดยมีจุดประสงค์เพื่อให้ผู้ประกอบการตลอดห่วงโซ่อุปทาน (supply chain) สามารถจัดการและส่งต่อข้อมูลสารเคมีในผลิตภัณฑ์ได้อย่างถูกต้องและครบถ้วน เพื่อให้เป็นไปตามข้อกำหนดด้านสารเคมีที่เกี่ยวข้องทั่วโลก
ChemSHERPA มีความสำคัญเนื่องจาก:
ช่วยให้การสื่อสารข้อมูลสารเคมีในผลิตภัณฑ์เป็นไปอย่างมีประสิทธิภาพ:
ผู้ประกอบการสามารถใช้เครื่องมือนี้ในการรวบรวม จัดการ และส่งต่อข้อมูลสารเคมีที่จำเป็นสำหรับผลิตภัณฑ์ได้อย่างเป็นระบบ
ลดความเสี่ยงจากการไม่เป็นไปตามข้อกำหนด:
การใช้ ChemSHERPA ช่วยให้ผู้ประกอบการสามารถตรวจสอบและจัดการข้อมูลสารเคมีในผลิตภัณฑ์ได้อย่างถูกต้อง ซึ่งช่วยลดความเสี่ยงที่ผลิตภัณฑ์อาจถูกตีกลับหรือถูกปฏิเสธจากลูกค้าหรือเจ้าหน้าที่ในประเทศปลายทาง
สนับสนุนเศรษฐกิจหมุนเวียน:
ข้อมูลที่ได้จาก ChemSHERPA สามารถนำไปใช้ในการจัดการวัสดุหลังการใช้งานได้อย่างปลอดภัยและยั่งยืน
เป็นไปตามมาตรฐานสากล:
ChemSHERPA เป็นเครื่องมือที่ได้รับการยอมรับและใช้งานอย่างแพร่หลายในระดับสากล
ดังนั้น ChemSHERPA จึงเป็นเครื่องมือที่มีประโยชน์อย่างยิ่งสำหรับผู้ประกอบการที่ต้องการส่งออกสินค้าไปยังตลาดต่างประเทศ และต้องการสร้างความมั่นใจว่าผลิตภัณฑ์ของตนเป็นไปตามข้อกำหนดด้านสารเคมีที่เกี่ยวข้อง |
https://www.mtec.or.th/chemsherpa/#:~:text='ChemSHERPA'%20%E0%B9%80%E0%B8%84%E0%B8%A3%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%87%E0%B8%A1%E0%B8%B7%E0%B8%AD%E0%B9%83%E0%B8%99%E0%B8%AA%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%AA%E0%B8%B2%E0%B8%A3%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%AA%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%84%E0%B8%A1%E0%B8%B5%E0%B9%83%E0%B8%99%E0%B8%9C%E0%B8%A5%E0%B8%B4%E0%B8%95%E0%B8%A0%E0%B8%B1%E0%B8%93%E0%B8%91%E0%B9%8C%E0%B9%80%E0%B8%9E%E0%B8%B7%E0%B9%88%E0%B8%AD%E0%B8%84%E0%B8%A7%E0%B8%B2%E0%B8%A1%E0%B8%9B%E0%B8%A5%E0%B8%AD%E0%B8%94%E0%B8%A0%E0%B8%B1%E0%B8%A2%20*%20%E0%B8%AA%E0%B8%B1%E0%B8%A1%E0%B8%A0%E0%B8%B2%E0%B8%A9%E0%B8%93%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B9%80%E0%B8%A3%E0%B8%B5%E0%B8%A2%E0%B8%9A%E0%B9%80%E0%B8%A3%E0%B8%B5%E0%B8%A2%E0%B8%87%E0%B9%82%E0%B8%94%E0%B8%A2&text=*%20%E0%B8%9C%E0%B8%B9%E0%B9%89%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%81%E0%B8%AD%E0%B8%9A%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%95%E0%B8%A5%E0%B8%AD%E0%B8%94%E0%B9%82%E0%B8%8B%E0%B9%88%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9C%E0%B8%A5%E0%B8%B4%E0%B8%95%20(supply%20chain)%20%E0%B8%82%E0%B8%AD%E0%B8%87%E0%B8%AA%E0%B8%B4%E0%B8%99%E0%B8%84%E0%B9%89%E0%B8%B2%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%95%E0%B9%89%E0%B8%AD%E0%B8%87%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%82%E0%B8%B2%E0%B8%A2%E0%B9%83%E0%B8%99%E0%B8%95%E0%B8%A5%E0%B8%B2%E0%B8%94%E0%B8%95%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%80%E0%B8%97%E0%B8%A8%E0%B8%97%E0%B8%B1%E0%B9%88%E0%B8%A7%E0%B9%82%E0%B8%A5%E0%B8%81%20%E0%B8%95%E0%B9%89%E0%B8%AD%E0%B8%87%E0%B8%AA%E0%B8%B3%E0%B9%81%E0%B8%94%E0%B8%87%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%AA%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%84%E0%B8%A1%E0%B8%B5%E0%B9%83%E0%B8%99%E0%B8%9C%E0%B8%A5%E0%B8%B4%E0%B8%95%E0%B8%A0%E0%B8%B1%E0%B8%93%E0%B8%91%E0%B9%8C%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%AA%E0%B9%88%E0%B8%87%E0%B8%95%E0%B9%88%E0%B8%AD%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%94%E0%B8%B1%E0%B8%87%E0%B8%81%E0%B8%A5%E0%B9%88%E0%B8%B2%E0%B8%A7%E0%B8%95%E0%B8%A5%E0%B8%AD%E0%B8%94%E0%B9%82%E0%B8%8B%E0%B9%88%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%9C%E0%B8%A5%E0%B8%B4%E0%B8%95%20%E0%B9%82%E0%B8%94%E0%B8%A2%E0%B8%82%E0%B9%89%E0%B8%AD%E0%B8%A1%E0%B8%B9%E0%B8%A5%E0%B8%95%E0%B9%89%E0%B8%AD%E0%B8%87%E0%B8%84%E0%B8%A3%E0%B8%9A%E0%B8%96%E0%B9%89%E0%B8%A7%E0%B8%99%E0%B9%81%E0%B8%A5%E0%B8%B0%E0%B8%84%E0%B8%A3%E0%B8%AD%E0%B8%9A%E0%B8%84%E0%B8%A5%E0%B8%B8%E0%B8%A1%E0%B8%AA%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%84%E0%B8%A1%E0%B8%B5%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%96%E0%B8%B9%E0%B8%81%E0%B8%82%E0%B8%B6%E0%B9%89%E0%B8%99%E0%B8%9A%E0%B8%B1%E0%B8%8D%E0%B8%8A%E0%B8%B5%E0%B8%A3%E0%B8%B2%E0%B8%A2%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%AA%E0%B8%B2%E0%B8%A3%E0%B9%80%E0%B8%84%E0%B8%A1%E0%B8%B5%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%95%E0%B9%89%E0%B8%AD%E0%B8%87%E0%B8%84%E0%B8%A7%E0%B8%9A%E0%B8%84%E0%B8%B8%E0%B8%A1%E0%B9%83%E0%B8%99%E0%B8%97%E0%B8%B5%E0%B9%88%E0%B8%95%E0%B9%88%E0%B8%B2%E0%B8%87%E0%B9%86,%E0%B9%84%E0%B8%94%E0%B9%89%E0%B8%A3%E0%B8%B1%E0%B8%9A%E0%B8%81%E0%B8%B2%E0%B8%A3%E0%B8%AA%E0%B8%99%E0%B8%B8%E0%B8%99%E0%B8%87%E0%B8%9A%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B8%A1%E0%B8%B2%E0%B8%93%E0%B8%88%E0%B8%B2%E0%B8%81%E0%B8%81%E0%B8%A3%E0%B8%B0%E0%B8%97%E0%B8%A3%E0%B8%A7%E0%B8%87%20METI%20%E0%B8%9B%E0%B8%A3%E0%B8%B0%E0%B9%80%E0%B8%97%E0%B8%A8%E0%B8%8D%E0%B8%B5%E0%B9%88%E0%B8%9B%E0%B8%B8%E0%B9%88%E0%B8%99%20%E0%B9%82%E0%B8%94%E0%B8%A2%E0%B9%80%E0%B8%A7%E0%B8%AD%E0%B8%A3%E0%B9%8C%E0%B8%8A%E0%B8%B1%E0%B9%88%E0%B8%99%E0%B8%A5%E0%B9%88%E0%B8%B2%E0%B8%AA%E0%B8%B8%E0%B8%94%E0%B8%84%E0%B8%B7%E0%B8%AD%20chemSHERPA%20(version%20V2R1) |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|
| 20 |
ความท้าทายใดที่เกี่ยวข้องกับชุดข้อมูลจากแหล่งต่างๆ ตามที่กล่าวไว้ในบทความ
|
เพิ่มความหลากหลาย |
|
วัตถุประสงค์หลักคือการเพิ่มประเภทของงานที่หุ่นยนต์สามารถทำได้ ระบบหุ่นยนต์ที่นำเสนอสามารถเอาชนะปัญหาต่างๆ เช่น “ต้นทุนการติดตั้งที่สูง” “ความยุ่งยากในการติดตั้งสำหรับผลิตภัณฑ์เฉพาะ” และ “การไม่สามารถทำงานประกอบอัตโนมัติได้” ในการศึกษานี้ ได้รายงานการกำหนดค่าและความถูกต้องของระบบวิเคราะห์การเคลื่อนที่ของชิ้นส่วน ซึ่งวัดข้อมูลการเคลื่อนที่และแรงระหว่างการประกอบ หลังจากการตรวจสอบความถูกต้องของระบบแล้ว จะได้รับการยืนยันว่าสามารถรับข้อมูลแรงขณะปฏิบัติงานจริงได้อย่างถูกต้อง นอกจากนี้ ข้อมูลเหล่านี้ยังใช้เพื่อแสดงความแตกต่างระหว่างงานประกอบที่สำเร็จและงานที่ล้มเหลว |
- M.H. Arbo, Y. Pane, E. Aertbelien, W. Decre
A system Architecture for constraint-based robotic assembly with CAD information
- Y. Pane, M.H. Arbo, E. Aertbeliën, W. Decré
A system Architecture for CAD-based robotic assembly with sensor-based skills |
7 |
-.50
-.25
+.25
เต็ม
0
-35%
+30%
+35%
|