bE-More: โปรเจกต์ IoT และ Local AI คว้าแชมป์ Project Day 2025
เจาะลึกโปรเจกต์ bE-More ระบบประหยัดพลังงานออฟฟิศที่ผสาน IoT และ Local AI คว้ารางวัลชนะเลิศในงาน Project Day 2025 ด้วยสถาปัตยกรรมสุดล้ำ
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- bE-More คว้ารางวัลชนะเลิศในงานประกวด Project Day 2025 ของโรงเรียน
- ผสานการทำงานระหว่าง IoT, Java 23 และ Local AI (Mistral:7b) เพื่อประหยัดพลังงาน
- แก้ปัญหาความกังวลเรื่องความเป็นส่วนตัวของข้อมูลองค์กรด้วยการประมวลผลผ่าน Local AI
- สร้างต้นแบบจำลอง (Diorama) สำนักงานจริงเพื่อทดสอบการทำงานของเซ็นเซอร์และแอคทูเอเตอร์
การเดินทางของโปรเจกต์ bE-More เริ่มต้นขึ้นในเดือนกุมภาพันธ์ 2025 เมื่อทีมงานเตรียมตัวสำหรับ Project Day ซึ่งเป็นงานประจำปีที่ใหญ่ที่สุดของโรงเรียน โดยงานนี้จะเปลี่ยนโรงเรียนให้กลายเป็นฮับด้านเทคโนโลยี เปิดโอกาสให้ทีมจากทุกห้องเรียนได้นำเสนอผลงานต่อตัวแทนบริษัทจากท้องถิ่น ทีมผู้พัฒนาตั้งใจสร้างโซลูชันระดับมืออาชีพเพื่อแก้ปัญหาด้านการประหยัดพลังงานซึ่งเป็นโจทย์ระดับโลกอย่างแท้จริง
เพื่อให้มั่นใจว่าโปรเจกต์จะตอบโจทย์ความต้องการ ทีมงานได้ศึกษาเป้าหมายการพัฒนาที่ยั่งยืน Agenda 2030 ที่ท้าทายให้ภาคธุรกิจปฏิบัติตามมาตรฐานสิ่งแวดล้อมที่เข้มงวดขึ้น พร้อมทั้งเพิ่มประสิทธิภาพการประหยัดพลังงาน อย่างไรก็ตาม ทีมงานพบอุปสรรคสำคัญคือความกังวลเรื่องความเป็นส่วนตัวของข้อมูลองค์กร การส่งข้อมูล telemetry ที่ละเอียดอ่อนขึ้นไปวิเคราะห์บนคลาวด์มักเป็นอุปสรรคสำคัญในการตัดสินใจใช้งาน
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
นี่จึงเป็นเหตุผลที่ทีมงานเลือกใช้ระบบวิเคราะห์ข้อมูลด้วย Local AI โดยใช้งาน Ollama ร่วมกับโมเดล Mistral:7b เพื่อสร้างโซลูชันที่มีน้ำหนักเบา ทำงานรวดเร็ว และมีความปลอดภัยสูง ช่วยให้ผู้ใช้งานสามารถรับข้อมูลเชิงลึกและตรวจจับความผิดปกติได้โดยไม่ต้องเสียเวลาอ่านกราฟที่ยาวและซับซ้อนนานหลายชั่วโมง
สถาปัตยกรรมของ bE-More ประกอบด้วยส่วนประกอบหลักหลายส่วนที่ทำงานร่วมกันเพื่อจัดเก็บและวิเคราะห์ข้อมูล ได้แก่ ตัวควบคุมหลัก (Java 23) ทำหน้าที่เป็นเดสก์ท็อปแอปพลิเคชันศูนย์กลางใช้งาน WebView สำหรับแดชบอร์ด, IoT Hub (ThingsBoard) สำหรับจัดการและจัดเก็บข้อมูลอย่างมีประสิทธิภาพผ่านโปรโตคอล MQTT บนพอร์ต 8080, ฮาร์ดแวร์ Edge (Arduino) ทำหน้าที่เก็บข้อมูล telemetry แบบเรียลไทม์จากเซ็นเซอร์แสง และส่วนประมวลผลอัจฉริยะ (Python & Ollama) ทำหน้าที่เชื่อมต่อฐานข้อมูล PostgreSQL ของ ThingsBoard เข้ากับโมเดล AI
การเลือกใช้สถาปัตยกรรมแบบ Local AI ร่วมกับ IoT ในลักษณะนี้สะท้อนให้เห็นถึงแนวโน้มด้านความปลอดภัยของข้อมูลในองค์กรยุคใหม่ (Edge AI) ที่กำลังได้รับความสนใจอย่างมาก เนื่องจากองค์กรสามารถประมวลผลข้อมูลที่มีความอ่อนไหวภายในเครือข่ายของตนเองได้โดยไม่ต้องพึ่งพาเซิร์ฟเวอร์คลาวด์ภายนอก ช่วยลดความเสี่ยงจากการรั่วไหลของข้อมูลองค์กรได้อย่างมีประสิทธิภาพ พร้อมทั้งตอบโจทย์ด้านการลดใช้พลังงานในอาคารสำนักงานได้อย่างเป็นรูปธรรม
ในการจัดแสดงผลงาน ทีมงานไม่ได้แสดงเพียงแค่หน้าจอโค้ดเท่านั้น แต่ได้สร้างต้นแบบจำลอง (Diorama) สภาพแวดล้อมสำนักงานจำลองขึ้นมา เพื่อทดสอบสถาปัตยกรรมในสถานการณ์จริง โดยติดตั้งเซ็นเซอร์และแอคทูเอเตอร์เข้ากับโครงสร้างโดยตรง ประกอบด้วยไฟส่องสว่างหลักในพื้นที่ทำงาน, ไฟสถานะที่ควบคุมโดย Arduino, เสียงกริ่งเตือนเมื่อมีการสลับโหมด และปุ่มควบคุมบนบอร์ดสำหรับสลับระหว่างโหมดควบคุมด้วยมือและโหมดอัตโนมัติ ซึ่งบอร์ด Arduino UNO R4 ทำหน้าที่รันตรรกะเพื่อช่วยประหยัดพลังงานโดยไม่ต้องอาศัยการควบคุมจากมนุษย์ เมื่อเซ็นเซอร์ตรวจจับแสงธรรมชาติเกินค่า 450 ระบบจะทำการปิดไฟอัตโนมัติหากอยู่ในโหมด AUTO
"This double victory proved that our school is a real nursery for innovation, where sustainability and technology meet to solve actual problems."
GiZano
ความสำเร็จในการคว้ารางวัลชนะเลิศร่วมกับโปรเจกต์เพื่อนร่วมชั้นอย่าง VIPRA พิสูจน์ให้เห็นว่าโรงเรียนแห่งนี้เป็นแหล่งเพาะบ่มนวัตกรรมที่ยอดเยี่ยม โดยในอนาคตทีมงานมีแผนต่อยอดการใช้งานไปยังบอร์ด ESP32 เพื่อขนาดที่เล็กและประสิทธิภาพที่สูงขึ้นสำหรับการใช้งานจริง
ที่มา: Dev.to
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น