การพัฒนาแอปพลิเคชันสำหรับการบันทึกและประมวลผลค่า Most Probable Number (MPN) ในงานวิเคราะห์คุณภาพน้ำเสีย
Keywords:
เทคนิคเอ็มพีเอ็น, แอปพลิเคชันออนไลน์, ห้องปฏิบัติการดิจิทัล, การวิเคราะห์คุณภาพน้ำเสีย, เทคโนโลยีปัญญาประดิษฐ์Abstract
การวิเคราะห์คุณภาพน้ำเสียด้วยเทคนิค Most Probable Number (MPN) เป็นขั้นตอนที่มีความสำคัญอย่างยิ่ง แต่ในทางปฏิบัติมักประสบปัญหาความล่าช้าและความคลาดเคลื่อนจากการบันทึกผลและอ่านตารางมาตรฐาน (Human Error) งานวิจัยเชิงพัฒนากรอบงานประจำสู่งานวิจัย (R2R) นี้ มีวัตถุประสงค์เพื่อพัฒนาเว็บแอปพลิเคชันสำหรับบันทึกและประมวลผลค่า MPN โดยพัฒนาระบบตามวงจรการพัฒนาระบบ (SDLC) ใช้ Google Sheets เป็นฐานข้อมูล และใช้ Google Apps Script ในการพัฒนาแอปพลิเคชัน ร่วมกับประยุกต์ใช้ปัญญาประดิษฐ์สนับสนุนการเขียนโค้ด (AI-assisted coding) จนแอปพลิเคชันพร้อมใช้งาน จากนั้นนำมาทวนสอบความถูกต้องของการประมวลผล พร้อมทั้งประเมินประสิทธิภาพและความพึงพอใจของผู้ใช้งาน กลุ่มตัวอย่างคือเจ้าหน้าที่ห้องปฏิบัติการจำนวน 5 ท่านที่ปฏิบัติงานวิเคราะห์น้ำเสีย เครื่องมือที่ใช้ในการวิจัย ได้แก่ แบบทวนสอบความถูกต้องของการแปลผล แบบประเมินประสิทธิภาพและแบบสอบถามความพึงพอใจ สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าเฉลี่ย (x-bar) ส่วนเบี่ยงเบนมาตรฐาน (S.D.) และร้อยละการเปลี่ยนแปลง ผลการวิจัยพบว่า แอปพลิเคชันสามารถแปลผลได้ถูกต้องแม่นยำร้อยละ 100.00 (จาก 100 ชุดข้อมูล) ระยะเวลาเฉลี่ยในการบันทึกและประมวลผลลดลงร้อยละ 75.00 และเวลาที่ใช้ในการสืบค้นข้อมูลย้อนหลังลดลงร้อยละ 86.67 สำหรับความพึงพอใจในภาพรวมของผู้ใช้งานอยู่ในระดับมากที่สุด (x-bar = 4.70, S.D. = 0.50) โดยด้านประสิทธิภาพและการลดข้อผิดพลาดมีคะแนนเฉลี่ยสูงสุด (x-bar = 4.73, S.D. = 0.48) ผลการศึกษานี้แสดงให้เห็นว่า แอปพลิเคชันสามารถลดเวลา ลดความสับสน และป้องกันข้อผิดพลาดในการปฏิบัติงานได้อย่างมีประสิทธิภาพ ซึ่งผู้วิจัยมีแผนพัฒนาต่อยอดระบบให้มีฟังก์ชันที่ซับซ้อนและมีสมรรถนะสูงขึ้นในอนาคต
Downloads
References
จรรยา ชื่นอารมณ์. (2562). การพัฒนาระบบจองเวลาใช้เครื่องมือห้องปฏิบัติการทันตวัสดุ คณะทันตแพทยศาสตร์ มหาวิทยาลัยสงขลานครินทร์. Mahidol R2R e-Journal, 6(2), 70-79. https://doi.org/10.14456/jmu.2019.15
ไพรัตน์ ปัญญานิรันดร์. (2565). การพัฒนาระบบจองอุปกรณ์วิทยาศาสตร์ คณะอุตสาหกรรมอาหาร สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบัง. วารสารวิชาการ ปขมท., 12(3), 172-181.
American Public Health Association, American Water Works Association, & Water Environment Federation. (2023). Standard methods for the examination of water and wastewater (24th ed.). Washington, DC: APHA Press.
Fragão-Marques, M., & Ozben, T. (2023). Digital transformation and sustainability in healthcare and clinical laboratories. Clinical Chemistry and Laboratory Medicine, 61(4), 627-633. https://doi.org/10.1515/cclm-2022-1092
Gronewold, A. D., & Wolpert, R. L. (2008). Modeling the relationship between most probable number (MPN) and colony-forming unit (CFU) estimates of fecal coliform concentration. Water Research, 42(13), 3327-3334. https://doi.org/10.1016/j.watres.2008.04.011
Kammerlohr, V., Paradice, D., & Uckelmann, D. (2023). A maturity model for the effective digital transformation of laboratories. Journal of Manufacturing Technology Management, 34(4), 621-643. https://doi.org/10.1108/JMTM-01-2022-0050
Weber, I. (2025). Feasibility of AI-assisted programming for end-user development. arXiv. https://doi.org/10.48550/arXiv.2512.05666
Xu, F. F., Alon, U., Neubig, G., & Hellendoorn, V. J. (2022). A systematic evaluation of large language models of code (pp. 1-10). In Proceedings of the 6th ACM SIGPLAN International Symposium on Machine Programming. Association for Computing Machinery. https://doi.org/10.1145/3520312.3534862
