Computer Sciences Commons^™

Integrating Data Management Plans Into The Unified Architecture Framework Standards Views, Cansu Yalim, Holly A. H. Handley

Engineering Management & Systems Engineering Faculty Publications

System Architecting translates an operational concept into a model of the system to be realized. There is a need for a Data Management Plan (DMP) to be included in the overall system engineering process with the advent of Digital Engineering. Data longevity, accessibility, and integrity can all be improved throughout the system's lifecycle by a well-defined DMP. System engineers use an architecture framework to arrange the system data into several sets of viewpoints. Incorporating a DMP at this point specifies the procedures for gathering, storing, retrieving, and maintaining data to ensure that all interested parties have access to current, correct …

Detection Of Data Leakage And Disruption Of Covert Timing Channel In Secure Drone Communication Using Machine And Deep Learning, Jonathan Walatkiewicz

Master's Theses and Doctoral Dissertations

The utilization of recreational drones has experienced a substantial increase in both the United States and globally. However, it is noteworthy that most drones, classified as Internet of Things devices, are produced with a limited security lifecycle. This study's findings are of paramount importance, as traditional computing exploits can be applied to drones, designating them as high- value targets. This study examines the detectability and disruptability of covert timing channel traffic in secure drones. The investigation aims to ascertain the effects of multiple interarrival times, distances ranging from 1 to 330 feet, various detection algorithms, and stream sizes between 32-bit …

Online Learning-Driven Human Intent Estimation And Control For Human-Robot Interaction, Irfan Ganie, S. Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This paper presents a novel Stackelberg-game theoretic multilayer-online learning framework for cooperative control of nonlinear Physical Human-Robot Interaction (pHRI), where the human is modeled as the leader guiding a robot follower. This hierarchical interaction is captured as a dynamic Stackelberg game, with the human's intention estimated in real-time through online multilayer neural networks (MNNs). We introduce SVD-based weight update laws for actor-critic MNNs, which approximate value functions and control inputs for both human and robot, eliminating the need for predefined basis functions. In this framework, the human objective is first inferred and used to guide the robot actions by shaping …

Improved Optimal Tracking Of Uncertain Nonlinear Discrete-Time Systems Using Experience Replay, Maxwell Geiger, Sarangapani Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This paper addresses the infinite horizon optimal tracking control problem for partially uncertain control-affine nonlinear discrete-time (DT) systems, where the control input dynamics are known. Multi-layer critic and actor neural networks (MNNs) are utilized for online estimation of the infinite horizon value function and optimal control input. The NN weights are tuned online using a direct temporal difference error (TDE)-driven learning approach, which modifies the singular values of the gradient with respect to the NN weights to accelerate their convergence. The critic NN uses a novel experience replay technique to improve sample efficiency without introducing biased TDEs and guarantee the …

Multi-Model Safe Neuro-Optimal Output Tracking Control Of Autonomous Surface Vessels With Explainable Ai, Behzad Farzanegan, S. Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This paper presents a safety-aware deep reinforcement learning (DRL)-based trajectory tracking control of autonomous surface vessels (ASVs). A multilayer neural network (MNN) observer estimates the ASV's state and uncertain dynamics. By utilizing the estimate state vector from the observer, a safety-aware DRL-based optimal policy is formulated using control barrier function (CBF) and Karush-Kuhn-Tucker (KKT) conditions. An actor-critic MNN with singular value decomposition (SVD)-based update mitigates vanishing gradients. To enhance adaptability, an online safe lifelong learning (SLL) scheme counters catastrophic forgetting across varying ASV dynamics. The Shapley Additive Explanations (SHAP) method identifies key features influencing the control policy. Simulations on an …

Online Adaptive Optimal Tracking Control Of Uncertain Strict Feedback Discrete-Time Systems With Hardware Verification Using A Quadrotor Uav, Maxwell Geiger, S. Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This article considers the infinite time horizon optimal tracking control problem for discrete time (DT) partially uncertain strict feedback systems with application to quadrotor UAVs. First, the strict feedback DT system is transformed into an equivalent affine nonlinear DT system in terms of tracking error dynamics. The optimal tracking control problem is solved using an augmented system approach, where a horizon of future reference trajectory points are used in the augmented state, as compared to using a single point. The internal dynamics of the original nonlinear strict feedback system and the transformed affine system in terms of error dynamics are …

Reinforcement Learning-Based Nonlinear Optimal Discrete-Time Control Of Power Systems, Vijay Kumar Singh, Behzad Farzanegan, S. Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This paper presents a partially model-free adaptive optimal tracking control method for power systems, specifically targeting a synchronous generator connected through a reactive transmission line. By integrating the tracking error dynamics with reference trajectory dynamics, an augmented system is created. A discounted performance function is introduced to address the nonlinear tracking problem optimally. Unlike traditional methods that compute feedforward and feedback terms separately, the proposed approach calculates both simultaneously by minimizing the discounted performance function. The discrete-time tracking Bellman and Hamilton-Jacobi-Bellman (HJB) equations are derived, and a reinforcement learning (RL)-based technique is employed to solve the optimal policy online without …

Anti-Jamming Attack Mixed Strategy For Formation Tracking Control Via Game-Theoretical Reinforcement Learning, Lei Xue, Bei Ma, Yongbao Wu, Jian Liu, Chaoxu Mu, Donald C. Wunsch

Electrical and Computer Engineering Faculty Research & Creative Works

Communication plays a role in multi-UAV to perform formation tracking missions. In complex environments, UAV communication is often subject to jamming attacks, affecting the formation process. Therefore, studying the formation tracking control problem in jamming attacks is of great significance. Typically, the actions of the UAV consist of two fundamental modules: mobility strategy and communication strategy. In this paper, we design an anti-jamming attack mixed strategy for formation tracking control of the multi-UAV system. In practical scenarios, multi-UAV systems not only require the accomplishment of formation maneuvers but also necessitate effective mitigation of jamming attacks caused by other UAVs. Therefore, …

Enhanced Continual Reinforcement Learning-Based Output Feedback Control Of Heterogeneous Quadrotors Formation, Ehsan Soleimani, S. Jagannathan

Electrical and Computer Engineering Faculty Research & Creative Works

This paper presents a unified framework for the safe and optimal control of heterogeneous quadrotor unmanned aerial vehicles (QUAVs) in formation, enabling multitask missions without requiring precise system dynamics. To address partial state observability, a multilayer neural network (MNN) observer is designed to estimate unmeasured states. Reinforcement learning (RL) is employed for optimal control utilizing an MNN ensuring adaptability. Barrier Lyapunov Functions (BLFs) are integrated into the RL framework to enforce safety by maintaining QUAVs within predefined constraints. An enhanced continual learning (ECL) method is proposed to improve the adaptability of MNNs. This method enables effective multitask learning while mitigating …

Ms-Yolo: Infrared Object Detection For Edge Deployment Via Mobilenetv4 And Slideloss, Jiali Zhang, Thomas S. White, Haoliang Zhang, Wenqing Hu, Donald C. Wunsch, Jian Liu

Mathematics and Statistics Faculty Research & Creative Works

Infrared imaging has emerged as a robust solution for urban object detection under low-light and adverse weather conditions, offering significant advantages over traditional visible-light cameras. However, challenges such as class imbalance, thermal noise, and computational constraints can significantly hinder model performance in practical settings. To address these issues, we evaluate multiple YOLO variants on the FLIR ADAS V2 dataset, ultimately selecting YOLOv8 as our baseline due to its balanced accuracy and efficiency. Building on this foundation, we present MS-YOLO (MobileNetv4 and SlideLoss based on YOLO), which replaces YOLOv8's CSPDarknet backbone with the more efficient MobileNetV4, reducing computational overhead by 1.5% …

Human Perception Of Ai Capabilities At Classifying Perturbed Roadway Signs, Katherine R. Garcia, Jing Chen, Yanru Xiao, Scott Mishler, Cong Wang, Bin Hu

Psychology Faculty Publications

Artificial Intelligence (AI) is crucial to numerous functions required for driving automation systems, including the computer vision techniques used to detect the roadway environment and make real-time decisions. However, the images used as inputs to the AI system may be maliciously perturbed, or manipulated, causing the AI system to make an incorrect classification. In this study, we examined humans’ perception of the AI’s computer vision capability of classifying various road sign images, including the original images, images with two different types of malicious attacks, and images that are scrambled randomly at the pixel level. Our results showed that participants rated …

Revealing Spatiotemporal Neural Activation Patterns In Electrocorticography Recordings Of Human Speech Production By Mutual Information, Julio Kovacs, Dean Krusienski, Minu Maninder, Willy Wriggers

Mechanical & Aerospace Engineering Faculty Publications

Background

Spatiotemporal mapping of neural activity during continuous speech production has been traditionally approached using correlation coefficient (CC) analysis between cortical signals and speech recordings. A prior study employed this approach using electrocorticography (ECoG) data from participants who underwent invasive intracranial monitoring for epilepsy. However, CC cannot detect nonlinear relationships and is dominated by the correspondence between periods of silence and of non-silence.

New Method

We introduce the mutual information (MI) measure, which can capture both linear and nonlinear dependencies. We validated CC and MI on the sub-second spatiotemporal brain activity recorded during continuous speech tasks. To refine the results, …

An Analytical Model Of Motion Artifacts In A Measured Arterial Pulse Signal—Part Ii: Tactile Sensors, Md Mahfuzur Rahman, Subodh Toraskar, Mamun Hasan, Zhili Hao

Mechanical & Aerospace Engineering Faculty Publications

This paper, the second of two parts, presents an analytical model of motion artifacts (MA) in measured pulse signals by a tactile sensor, which contains a deformable microstructure sitting on a substrate. While the tissue-contact-sensor (TCS) stack and the sensor are both treated as a 1DOF (degree-of-freedom) system, tissue–sensor contact joins their mass together to form a 1DOF system with springs and dampers on both sides. MA on the sensor substrate causes baseline drift and time-varying system parameters (TVSP) of the TCS stack simultaneously. An analytical model is developed to mathematically relate baseline drift and TVSP to a measured pulse …

Mass-Adaptive Admittance Control For Robotic Manipulators, Hossein Gholampour, Jonathon E. Slightam, Logan E. Beaver

Mechanical & Aerospace Engineering Faculty Publications

Handling objects with unknown or changing masses is a common challenge in robotics, often leading to errors or instability if the control system cannot adapt in realtime. In this paper, we present a novel approach that enables a six-degrees-of-freedom robotic manipulator to reliably follow waypoints while automatically estimating and compensating for unknown payload weight. Our method integrates an admittance control framework with a mass estimator, allowing the robot to dynamically update an excitation force to compensate for the payload mass. This strategy mitigates end-effector sagging and preserves stability when handling objects of unknown weights. We experimentally validated our approach in …

Optimal Manipulation Motion Action Planner Enabled By Physics Informed Neural Networks, Jonathon E. Slightam, Logan E. Beaver

Mechanical & Aerospace Engineering Faculty Publications

Autonomous robotic manipulation in unstructured environments faces many challenges and is hindered by capabilities that bridge the gap between perception and acting on the world. Action plans that are centric to object motion rather than end-of-arm tooling behavior may aid this. This paper presents an autonomous action planner for a feedback linearizeable system comprised of three base motions that can be leveraged on their own or in combination to give custom motion plans. The optimization routine for the three different types of motion are presented, which are integrated into physics informed neural networks. A component of this is the autonomy …

Insights In Cybersecurity Of A Smart Campus - A Review, Mircea Ţălu

Journal of Cybersecurity Education, Research and Practice

The profound impact of the Internet of Things (IoT) on various fronts, is driven by technological advancements, the ubiquitous spread of information, and the emergence of transformative events. IoT presents a diverse array of possibilities within university environments, fostering a more connected and enhanced educational experience. This research undertakes a comprehensive review of existing literature to provide context to the IoT and underscore its crucial significance in the realm of smart campuses. Additionally, the paper explores the intricate connections between IoT and key concepts such as cybersecurity and wireless sensor networks to present a holistic perspective. It delves into the …

Applying Machine Learning Methods To Generate Understandings Of Differential Item Functioning In A Flu Knowledge Assessment, William L. Romine, Tanvi Banerjee, Derrick Cox

Computer Science and Engineering Faculty Publications

Current influenza trends, including the severity of the 2025 flu season and the prevalence of H5 bird flu in livestock, necessitate efforts to better understand how to educate students about its transmission. Although validated assessments of influenza knowledge exist, these have not been evaluated for affective and demographic biases. We explore differential item functioning (DIF) effects in four items focused on specific aspects of flu transmission derived from a validated influenza knowledge assessment. In doing so, we introduce and utilize a machine learning framework for exploration of DIF which offers greater flexibility than traditional statistical approaches in terms of studying …

Future Of Bse Days 2025: Growing A Regenerative Bse, Derek M. Heeren, Santosh Pitla, Jennifer R. Keshwani, Mark Stone

Department of Agricultural and Biological Systems Engineering: Presentations and White Papers

The Future of BSE Days 2025: Growing a Regenerative BSE brought together over 150 faculty, staff, students, and partners to envision the next quarter-century of the Department of Biological Systems Engineering. The event emphasized regeneration—not only of resources and ecosystems, but also of ideas, learning models, and relationships. Across seven major sessions—three Spark Talks and four Pillar Workshops—participants explored how BSE can thrive amid technological disruption, demographic change, and societal transformation.

Key Outcomes

Redefining Impact: This session challenged participants to evolve from counting outputs to valuing relationships, collaboration, and community well-being.

Adaptive Learning Models: This discussion introduced design studios, micro-credentials, …

‘Waves Of Imagination’ Unconditional Spectogram Diffusion Using Diffusion Architecture., Rahul Vanukuri

Computer Science and Engineering Theses - Archive

The swift evolution of wireless communication technologies,particularly in the field of rf signals or in CBRS bands,demands increasingly sophisticated signal processing techniques to ensure efficient transmission, reception, and spectrum management.Traditional approaches to signal generation and reconstruction, although effective in controlled environments, often struggle to cope with the challenges presented by real-world noisy conditions, hardware constraints, and limited access to large-scale datasets. In response to these limitations, this thesis explores the application of diffusion models—a class of generative models known for their ability to produce high-fidelity samples—to the domain of spectrogram generation for communication signals.

Different from conventional strategies to simulate …

Fault And Cyberattack Diagnosis And Handling Via Large Language Models And State Prediction For Manufacturing And Quantum Systems, Jihan Abou Halloun

Wayne State University Dissertations

In the digitalization era and Smart Manufacturing, companies are harnessing the power of artificial intelligence (AI) and machine learning (ML) across multiple sectors, including process engineering optimization, process control and fault detection, to enhance efficiency and engineering decision making. Although AI and ML are widely used in anomaly detection and handling, there are still areas where it has been less explored. One of the major areas where AI’s potential in manufacturing needs to be characterized is with respect to the applications of large language models (LLMs) in manufacturing troubleshooting for fault/attack handling. A second major area where the potential of …

การศึกษาแบบแผนการเต้นของหัวใจระหว่างการวิ่ง โดยใช้การเรียนรู้ของเครื่องแบบไม่มีผู้สอนเพื่อการตรวจจับความผิดปกติ, ชวิน หังสสูต

Chulalongkorn University Theses and Dissertations (Chula ETD)

การศึกษานี้มีวัตถุประสงค์เพื่อวิเคราะห์รูปแบบการเต้นของหัวใจระหว่างการวิ่ง โดยใช้เทคนิคการตรวจจับความผิดปกติแบบไม่มีผู้สอน (Unsupervised Anomaly Detection - UAD) เพื่อการตรวจจับความผิดปกติ ปัญหาหลักในงานวิจัยนี้คือข้อจำกัดทางจริยธรรมในการรวบรวมข้อมูลภาวะวิกฤตเพื่อใช้สอนแบบจำลอง และความแปรปรวนของข้อมูลสรีรวิทยาที่สูงมากระหว่างบุคคลเพื่อแก้ไขปัญหานี้ งานวิจัยนี้ได้พัฒนาระบบเว็บแอปพลิเคชันสำหรับการรวบรวมและกำกับข้อมูล โดยผู้เชี่ยวชาญ และได้สร้างชุดข้อมูลอ้างอิงจากกลุ่มตัวอย่างนักวิ่ง 5 ท่าน จากนั้น ได้ดำเนินการศึกษาเชิงเปรียบเทียบแบบจำลอง UAD จำนวน 7 แบบจำลอง โดยใช้กลยุทธ์การเรียนรู้แบบจำเพาะบุคคล ภายใต้เงื่อนไข การกำหนดค่าไฮเปอร์พารามิเตอร์แบบคงที่ เพื่อจำลองสถานการณ์การใช้งานจริงแบบเริ่มต้น โดยปราศจากการปรับแต่งค่าล่วงหน้า และประเมินผลด้วยค่า F0.5-Score เพื่อเน้นความแม่นยำและลดการแจ้งเตือนที่ผิดพลาดผลการทดลองพบว่า เมื่อไม่มีการปรับจูนพารามิเตอร์ ประสิทธิภาพโดยรวมของทุกแบบจำลองลดลงอย่างมีนัยสำคัญ ซึ่งสะท้อนถึงความท้าทายในการสร้างแบบจำลองสากล อย่างไรก็ตาม แบบจำลอง Matrix Profile (MP) ในกลุ่มคลาสสิก พิสูจน์ให้เห็นถึงความทนทานสูงที่สุด โดยมีประสิทธิภาพเฉลี่ยสูงสุด (F0.5-Score 2.71%) และสามารถตรวจจับความผิดปกติได้ดีในรายบุคคล ในขณะที่แบบจำลองพื้นฐานล้มเหลวโดยสิ้นเชิง (0.00%) สำหรับกลุ่มการเรียนรู้เชิงลึก (USAD, LSTM-AE) พบว่ามีข้อจำกัดในการใช้งานแบบเริ่มต้น (Cold-start) โดยไม่สามารถตรวจจับความผิดปกติได้แม้จะมีปริมาณข้อมูลมาก หากปราศจากการปรับแต่งค่าพารามิเตอร์ ผลลัพธ์นี้ยืนยันว่าระบบเฝ้าระวังสุขภาพในอนาคตจำเป็นต้องมีกลไกการเรียนรู้แบบปรับตัว ร่วมด้วยเพื่อให้สามารถนำไปใช้งานจริงได้อย่างมีประสิทธิภาพ

การคาดการณ์ค่าดัชนีความแตกต่างของพืชและความชื้น โดยใช้เทคนิคการเรียนรู้ของเครื่องอย่างชาญฉลาด เพื่อการติดตามด้านการเกษตรและสิ่งแวดล้อม, ณุทยา เข็มเจริญ

Chulalongkorn University Theses and Dissertations (Chula ETD)

ปัจจุบัน ภัยแล้งและการเปลี่ยนแปลงสภาพภูมิอากาศส่งผลกระทบต่อผลผลิตทางการเกษตร โดยเฉพาะพืชเศรษฐกิจของไทยอย่างทุเรียน ซึ่งต้องอาศัยการติดตามสุขภาพพืชและการจัดการน้ำอย่างใกล้ชิด ข้อมูลจากภาพถ่ายดาวเทียม ดัชนีความแตกต่างของพืชและความชื้น จึงเป็นเครื่องมือสำคัญในการวิเคราะห์สภาพพื้นที่เพาะปลูก โครงงานนี้พัฒนาแบบจำลองการเรียนรู้ของเครื่องเพื่อพยากรณ์ทั้งสองดัชนีรายสัปดาห์ โดยใช้การเฉลี่ยและเติมค่าข้อมูลที่ขาดหายด้วยการถดถอยเชิงเส้น ก่อนนำไปฝึกแบบจำลองผสมระหว่างโครงข่ายคอนโวลูชัน และหน่วยความจำระยะสั้นแบบยาว ระบบถูกออกแบบให้ทำงานอัตโนมัติภายใต้แนวคิดการปฏิบัติการด้านการเรียนรู้ของเครื่อง แสดงผลผ่านเว็บแอปพลิเคชัน ติดตั้งและทดสอบบนเครื่องเซิร์ฟเวอร์

Automated Infinite Combos Detection System For Collectible Card Game, Amornpong Trakarnkulphun

Chulalongkorn University Theses and Dissertations (Chula ETD)

In Collectible Card Games, resources management is one of the most effective strategy. However, there are some combinations of cards which produce unlimited resources called infinite combos. Too-cheap infinite combos that can be played early in the game break game environment, because the player who executes the combo immediately wins. To solve the problem, game designers usually restrict a part of the combos from being played. Due to the large number of cards in the card pool, it is difficult to search for these combos and solve this problem before a release date of a card set. This research aims …

Quality Of Life Prediction For Driving Route Planning System Using Image Recognition And Deep Learning, Intouch Prakaisak

Chulalongkorn University Theses and Dissertations (Chula ETD)

Assessing travel-related Quality of Life (QoL) is a significant challenge due to its reliance on subjective human perception, which is difficult to measure. Traditional studies are often constrained by the limited scope of costly, manual data collection. The significant contribution of this research is the introduction of a new framework that can analyze tourist perception on a large and systematic scale. The novelty of this work lies in the utilization of Google Street View (GSV) as a large-scale visual data source, coupled with the use of a sequence-based model to analyze travel routes, which allows for the simulation of the …

Out-Of-Domain Tuberculosis Detection From Chest X-Ray Images Using Meta Learning With Soft Labels, Kanokphat Jinanarong

Chulalongkorn University Theses and Dissertations (Chula ETD)

Automated tuberculosis screening from chest x-ray images could greatly benefit regions with limited medical resources. However, currently available methods could not handle this problem well due to the difference in chest x-ray images in each region caused by the difference in machine and demographics, the possible noise in the available labels, and other reasons. We therefore propose a new machine learning algorithm that could detect tuberculosis with great accuracy on any other data sources by learning from completely different data sources. We used a model-agnostic meta-learning together with a soft label approach, utilizing the meta-gradient to dynamically adjust the soft …

Endoplanar: Deformable Planar-Based Gaussian Splatting For Surgical Scene Reconstruction, Thatphum Paonim

Chulalongkorn University Theses and Dissertations (Chula ETD)

Precise modeling of deformable anatomical structures from stereoscopic endoscopic footage plays a critical role in advancing surgical guidance and robotic automation within image-assisted medical procedures. Recent advances in Gaussian splatting have demonstrated real-time visualization capabilities with notable quality on endoscopic data; however, traditional 3D Gaussian representations introduce volumetric artifacts that compromise geometric fidelity and depth accuracy. We address these challenges through EndoPlanar, a deformable planar Gaussian framework that projects volumetric primitives onto planar surfaces. This planar formulation facilitates bias-free depth calculation and normal vector derivation—capabilities that remain elusive with standard ellipsoidal representations. We further incorporate a regularization mechanism to ensure …

Advancing Voice Spoofing Detection In Thai : A Comprehensive Dataset And Performance Analysis On Speaking Styles And Channel Effects, Ticho Urai

Chulalongkorn University Theses and Dissertations (Chula ETD)

Voice authentication is increasingly used in applications such as banking and call center verification, but it faces serious risks from spoofed voices. Recent advances in text-to-speech (TTS) and voice cloning make it possible to generate highly natural fake speech, creating an urgent need for robust anti-spoofing systems. While most prior work focuses on English, little research addresses the Thai language. To fill this gap, we present the Chula Spoofed Speech (CSS) dataset, a large-scale Thai corpus containing 1.3M utterances of both bona fide and synthetic speech. The synthetic samples are generated using five state-of-the-art TTS systems from the same utterances …

การเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง, กนกภรณ์ ปัญจันทร์สิงห์

Chulalongkorn University Theses and Dissertations (Chula ETD)

งานวิจัยนี้มุ่งเพิ่มประสิทธิภาพการจัดตารางการอัดประจุรถยนต์ไฟฟ้าโดยอาศัยข้อมูลโปรไฟล์แบตเตอรี่และเทคนิคการเรียนรู้ของเครื่อง เพื่อแก้ปัญหาความไม่สอดคล้องระหว่างแผนการอัดประจุกับพฤติกรรมการอัดประจุจริงของผู้ใช้ โดยเริ่มจากการพัฒนาแบบจำลองการทำนาย (Predictive Model) เพื่อคาดการณ์ความต้องการพลังงาน ระยะเวลาการอัดประจุ และสถานะการประจุเริ่มต้นของแบตเตอรี่ (State of Charge: SOC) จากข้อมูลการอัดประจุในอดีต จากนั้นได้ทำการสร้างโปรไฟล์การอัดประจุของแบตเตอรี่ที่เป็นตัวแทนของรถยนต์แต่ละรุ่น เพื่อสะท้อนลักษณะการอัดประจุจริงทั้งในกรณีของเครื่องอัดประจุแบบกระแสสลับ (AC) และกระแสตรง (DC) แล้วนำข้อมูลดังกล่าวมาใช้ในการเพิ่มประสิทธิภาพการจัดตารางการอัดประจุของสถานีอัดประจุ ผลการจำลองแสดงให้เห็นว่าวิธีการที่เสนอ (Optimization with Battery Profile) ให้ประสิทธิภาพสูงกว่าวิธีการทั่วไปที่ไม่ใช้ข้อมูลโปรไฟล์แบตเตอรี่ โดยสามารถเพิ่มกำไรของสถานีได้สูงสุด 3,145.3 บาท และเพิ่มอัตราการใช้พลังงานของระบบได้ร้อยละ 4.8 ในกรณีที่มีสัดส่วนเครื่องอัดประจุ DC แตกต่างกัน อีกทั้งยังให้ผลลัพธ์ที่ดีอย่างต่อเนื่องภายใต้ข้อจำกัดกำลังพีคของสถานี โดยเพิ่มกำไรได้สูงสุด 3,649.25 บาท และเพิ่มอัตราการใช้ประโยชน์ของระบบได้ร้อยละ 9.6 สะท้อนถึงประสิทธิภาพของแนวทางที่เสนอในการจัดการพลังงานอย่างชาญฉลาดสำหรับสถานีอัดประจุรถยนต์ไฟฟ้าในอนาคต

การสร้างแบบจำลองเชิงรูปนัยของกระแสงานบีพีเอ็มเอ็นสำหรับกระบวนการซิงโครนัสและอะซิงโครนัสที่มีข้อจำกัดช่วงเวลาโดยใช้เครือข่ายไทมด์ออโตมาตา, กิตติศักดิ์ เขตรการณ์

Chulalongkorn University Theses and Dissertations (Chula ETD)

แบบจำลองบีพีเอ็มเอ็นมีบทบาทสำคัญในการออกแบบกระบวนการธุรกิจสมัยใหม่ที่มีการประมวลผลหลายส่วนพร้อมกันและรูปแบบการสื่อสารทั้งแบบซิงโครนัสและอะซิงโครนัส แต่ด้วยความเป็นแผนภาพเชิงกราฟิก บีพีเอ็มเอ็นไม่สามารถทวนสอบเชิงรูปนัยได้โดยตรง และมาตรฐานเดิมยังไม่รองรับการกำหนดข้อจำกัดช่วงเวลาให้กับกิจกรรม งานวิจัยนี้จึงเสนอการขยายบีพีเอ็มเอ็นเป็นแบบจำลองทีบีบีพี (Time-Bounded BPMN: TBBP) เพื่อรองรับการกำหนดข้อจำกัดช่วงเวลาต่ำสุด–สูงสุดของกิจกรรม พร้อมออกแบบแบบรูปสำหรับการสื่อสารแบบซิงโครนัสและอะซิงโครนัส รวมทั้งพัฒนากฎการแปลงทีบีบีพีไปเป็นไทมด์ออโตมาตาเพื่อทวนสอบด้วย UPPAAL และกฎการแปลงข้อคำถามจากตรรกศาสตร์เชิงเวลาแบบเมตริก (MTL) ไปเป็นตรรกศาสตร์เชิงเวลาแบบต้นไม้คำนวณแบบมีเงื่อนไขเวลา (TCTL) นอกจากนี้ได้พัฒนาเครื่องมือ TBBPTA Tool เพื่อแปลงไฟล์บีพีเอ็มเอ็น (XML) เป็นแบบจำลองไทมด์ออโตมาตา (XML) ที่สามารถนำเข้าสู่ UPPAAL เพื่อทวนสอบได้โดยอัตโนมัติ

เครื่องมือสำหรับการตรวจสอบสินทรัพย์สารสนเทศจากแบบรูปความมั่นคง, ธีระยุทธ คชงาม

Chulalongkorn University Theses and Dissertations (Chula ETD)

สินทรัพย์สารสนเทศมีความสำคัญอย่างยิ่งต่อการดำเนินงานและความสำเร็จขององค์กร หากสินทรัพย์เหล่านี้รั่วไหลหรือถูกเข้าถึงโดยบุคคลที่ไม่ได้รับอนุญาต อาจก่อให้เกิดความเสียหายอย่างมากหรือความสูญเสียทางความเชื่อมั่นได้ ด้วยเหตุนี้การจัดหาวิธีการที่เหมาะสมเพื่อทวนสอบการออกแบบระบบเพื่อรักษาความมั่นคงของสินทรัพย์สารสนเทศจึงเป็นสิ่งจำเป็น งานวิจัยนี้มุ่งเน้นการทวนสอบแบบจำลองการออกแบบความมั่นคงของระบบที่ออกแบบโดยนักออกแบบความมั่นคงของระบบ ด้วยการใช้แผนภาพคลาส ที่สร้างขึ้นจากรูปแบบความมั่นคงและงานวิจัยที่เกี่ยวข้อง เป็นโมเดลอ้างอิงการออกแบบโครงสร้างด้านความมั่นคง ขอบเขตของแบบรูปความมั่นคงที่ใช้ในงานวิจัยนี้ครอบคลุมความปลอดภัยและการจัดการความเสี่ยงขององค์กร, การระบุตัวตนและการพิสูจน์ตัวจริง, และการควบคุมการเข้าถึงพร้อมทั้งนำเสนอกลไกการทวนสอบระหว่างแผนภาพคลาสสองชุด ซึ่งประกอบด้วยแผนภาพที่ออกแบบโดยนักออกแบบระบบ และแผนภาพจากแบบจำลองโดยใช้อัลกอริทึมสองรายการ ได้แก่ อัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนขององค์ประกอบภายในแต่ละคลาส และอัลกอริทึมที่ใช้สำหรับตรวจสอบความครบถ้วนของความสัมพันธ์ระหว่างคลาส นอกจากนี้ ยังได้พัฒนาเครื่องมือซอฟต์แวร์เพื่อสนับสนุนการทวนสอบแผนภาพคลาส ซึ่งผลลัพธ์ที่ได้จากการใช้งานเครื่องมือนี้คือ แสดงองค์ประกอบคลาสตามแบบจำลองที่ได้นำเสนอและสร้างที่ขาดหายไป พร้อมคำแนะนำและคำอธิบายที่เหมาะสมเพื่อช่วยสนับสนุนให้นักออกแบบระบบมีความเข้าใจในแนวคิดและการออกแบบความมั่นคงได้ดียิ่งขึ้น เครื่องมือที่นำเสนอได้ถูกทดสอบกับกรณีศึกษาระบบจัดการข้อมูลผู้ป่วย เพื่อยืนยันประสิทธิผลของเครื่องมือในการสนับสนุนการทวนสอบการออกแบบความมั่นคงของระบบ