การอบรมเชิงปฏิบัติการ การพัฒนาออนโทโลยีเพื่อสนับสนุนห่วงโซ่อุปทานกล้วยไม้

1. การอบรมเชิงปฏิบัติการ
การพัฒนาออนโทโลยีเพื่อสนับสนุน
ห่วงโซ่อุปทานกล้วยไม้
ดร.มารุต บูรณรัช และ ดร.เทพชัย ทรัพย์นิธิ
หน่วยปฏิบัติการวิจัยวิทยาการมนุษยภาษา
ศูนย์เทคโนโลยีอิเล็คทรอนิกส์และคอมพิวเตอร์แห่งชาติ (NECTEC)
สำานักงานพัฒนาวิทยาศาสตร์และเทคโนโลยีแห่งชาติ
marut.bur@nectec.or.th
วันพุธที่ 10 พฤศจิกายน 2553 เวลา 09.00 - 16.30 น.
ณ. กรมส่งเสริมการเกษตร
Workshop on “Ontology Development for Orchids
Supply Chain Management Support”

2. 2
หัวข้อบรรยาย
 กรอบแนวคิดการพัฒนาระบบสนับสนุนห่วง
โซ่อุปทานกล้วยไม้
 แนะนำาแนวคิดการจัดการความรู้ในรูปแบ
บออนโทโลยี
– การจัดการความรู้ (Knowledge
Management)
– ฐานความรู้สำาหรับโปรแกรมคอมพิวเตอร์
(Ontology)
– ตัวอย่างการประยุกต์ใช้งาน
 แนะนำาขั้นตอนการพัฒนาออนโทโลยี

3. กรอบแนวคิดการพัฒนาระบบสนับสนุนห่วงโซ่
อุปทานกล้วยไม้

4. 4

5. เทคโนโลยีความรู้เพื่อสนับสนุนห่วงโซ่
อุปทานกล้วยไม้
5

6. 6
ตัวอย่างระบบสนับสนุนห่วงโซ่
อุปทานกล้วยไม้
 ระบบแนะนำาการปลูกกล้วยไม้ตาม
GAP
 ระบบแนะนำาการวินิจฉัยและแก้
ปัญหาเกี่ยวกับโรคพืชและวัชพืชของ
กล้วยไม้
 ระบบสนับสนุนการควบคุมคุณภาพ
กล้วยไม้โดยการตรวจสอบย้อนกลับ
(Traceability)
 ระบบสืบค้นข้อมูลอัจฉริยะสำาหรับ

7. ตัวอย่าง: ระบบสนับสนุนการ
ตรวจสอบย้อนกลับกล้วยไม้

8. ตัวอย่าง: ระบบแนะนำาการปลูกกล้วยไม้ตาม GAP
Orchid farmer’s support system
8

9. การพัฒนาออนโทโลยีเพื่อสนับสนุนห่วงโซ่อุปทาน
กล้วยไม้
Orchids Supply
Chain Ontology
9

10. แนวคิดการจัดการความรู้ในรูปแบบออนโทโลยี

11. การจัดการความรู้ (Knowledge
Management)

12. 12
การจัดการความรู้ภายในองค์กร
 ในปัจจุบันสารสนเทศ (Information) ไม่สามารถ
ตอบสนองความต้องการในเรื่องราวต่างๆ ของ
องค์กรได้ทั้งหมด เนื่องจากสารสนเทศมีเป็น
จำานวนมากเกินกว่าความต้องการ (Information
Overload) จึงต้องมีการเปลี่ยนรูปจากสารสนเทศ
ให้มาอยู่ในรูปแบบของความรู้ (Knowledge)
 การจัดการความรู้ (Knowledge Management หรือ KM) มีความ
แตกต่างจากการจัดการสารสนเทศ (Information Management
หรือ IM)
 เป็นที่ยอมรับกันมากยิ่งขึ้นว่าการจัดการความ
รู้ได้เข้ามามีส่วนสำาคัญอย่างยิ่งต่อการพัฒนา
ประสิทธิภาพขององค์กร

13. 13
ความรู้ (Knowledge)
“คือ ผลสรุปของการสังเคราะห์สารสนเทศ
(information) โดยพิจารณาถึงความสัมพันธ์ของสารสนเทศ
เทียบเคียงกับความรู้ที่มีอยู่ จนได้ผลสรุปที่ชัดเจน ถูก
ต้อง สามารถนำาไปประยุกต์ใช้ในกิจกรรมต่างๆ ต่อ
”ไปได้อย่างเหมาะสม

14. 14
ประเภทของความรู้
 ความรู้สามารถแบ่งออกเป็น 2 ประเภทใหญ่ๆ
คือ
 ความรู้ที่ชัดแจ้ง หรือ ความรู้สาธารณะ (Explicit
Knowledge)
 เป็นความรู้ที่ได้รับการเขียนหรืออธิบายถ่ายทอด
ออกมาเป็นลายลักษณ์อักษร ฟังก์ชั่นหรือสมการ
 ความรู้ที่ซ่อนเร้น หรือ ความรู้ที่อยู่ในตัว
บุคคล (Tacit Knowledge)
 เป็นความรู้ซึ่งสามารถเขียนหรืออธิบายได้ยาก
เช่น ความรู้ที่เป็นทักษะหรือความสามารถส่วนบุคคล

15. 15
การจัดการความรู้ (Knowledge Management)
แหล่งที่มา: สถาบันส่งเสริมการจัดการความรู้
เพื่อสังคม (สคส.)

16. 16
องค์ประกอบของการจัดการความรู้
(KM Components)

17. 17
กระบวนการจัดการความรู้ (KM Processes)

18. 18
ความรู้องค์กรอยู่ที่ใด

19. 19
ความรู้องค์กรอยู่ที่ใด (2)
แหล่งที่มา: The Knowledge Evolution, p.35

20. 20
กระบวนการสร้างความรู้ – SECI
Model
I. Nonaka and H. Takeuchi, The Knowledge Creating Company (1995)
“Knowledge Spiral”

21. 21
กระบวนการสร้างความรู้ – SECI
Model (2)
 S = Socialization
 การสร้างความรู้ด้วยการแบ่งปันประสบการณ์โดยการพบปะ สมาคม
และพูดคุยกับผู้อื่น ซึ่งจะเป็นการถ่ายทอด แบ่งปัน ความรู้ที่อยู่ในตัวบุคคล
ไปให้ผู้อื่น
 E = Externalization
 การนำาความรู้ในตัวบุคคลที่ได้นำามาพูดคุยกันถ่ายทอดออกมาให้เป็นสิ่ง
ที่จับต้องได้หรือเป็นลายลักษณ์อักษร
 C = Combination
 การผสมผสานความรู้ที่ชัดแจ้งมารวมกัน และสร้างสรรค์สิ่งใหม่ ๆ เพื่อ
ให้สามารถนำาความรู้นั้นไปใช้ในทางปฏิบัติได้
 I = Internalization
 การนำาความรู้ที่ได้มาใหม่ไปใช้ปฏิบัติหรือลงมือทำาจริง ๆโดยการฝึกคิด
ฝึกแก้ปัญหา จนกลายเป็นความรู้และปรับปรุงตนเอง

22. 22
การจัดระเบียบความรู้ (Knowledge
Codification)
 Knowledge Codification
 capture and organization of knowledge so that
it can be found and re-used
 take the mass of knowledge accumulated
through scanning and structure it into an
accessible form
 Best Practices
 Directories of Experts (People)

23. 23
การจัดระเบียบความรู้ (Knowledge
Codification) (2)

24. 24
เทคโนโลยีเพื่อการจัดการความรู้ (KM
Technology)
 Information systems
 Hardware, Software, DBMS, Content
 Collaboration tools
 Chat, Professional forums, Communities of practice (COP), Wiki, Blog
 Expertise-location tools.
 Support finding subject matter experts
 Data-mining tools
 Support data analysis that identifies patterns and establishes
relationships among data elements
 Search-and-discover tools
 Search engines for specific subjects
 Expertise-development tools
 Simulations and experiential learning to support developing
experience, expertise, Online training

25. การจัดการความรู้เชิงความหมาย
(Semantic-based Knowledge
Management)

26. 26
การจัดการความรู้เชิงความหมาย (Semantic-
based Knowledge Management)
 การจัดการความรู้เชิงความหมาย (Semantic-
based Knowledge Management) เป็นแนวทางหนึ่งทีีี่
สามารถนำามาประยุกต์ใช้ในการจัดระเบียบและ
เชื่อมโยงข้อมูลที่มีอยู่เข้ากับองค์ความรู้เฉพาะ
ทาง หรือออนโทโลยี (Ontology) เพื่อให้สามารถ
เข้าถึงและใช้งานได้ตรงกับความต้องการมากยิ่ง
ขึ้น

27. 27
การจัดการความรู้เชิงความหมาย (Semantic-
based Knowledge Management) (2)
 การจัดการความรู้เชิงความหมายเป็นการจัดเก็บ
องค์ความรู้เฉพาะทางที่สามารถนำาไปใช้ใน
โปรแกรมคอมพิวเตอร์ได้ ในรูปแบบของฐานความรู้
สำาหรับคอมพิวเตอร์หรือออนโทโลยี (Ontology)
 เทคโนโลยีวิศวกรรมความรู้ (Knowledge Engineering) เพื่อใช้ใน
การรวบรวมและจัดเก็บองค์ความรู้ (Knowledge Acquisition)
 การจัดการความรู้เชิงความหมายมีความ
เกี่ยวข้องทั้งกับความรู้ชนิดที่เป็นลายลักษณ์อักษร
และ ความรู้ชนิดที่อยู่ในตัวบุคคล (Explicit + Tacit
Knowledge)
 ต้องอาศัยแหล่งความรู้ทั้งที่อยู่ในรูปของเอกสารอ้างอิง
(Reference documents) และจากผู้เชี่ยวชาญเฉพาะสาขา (Domain experts)

28. 28
การจัดการความรู้เชิงความหมาย (Semantic-
based Knowledge Management) (3)
 เครื่องมือสนับสนุนการจัดการความรู้เชิง
ความหมาย (Semantic-based Knowledge
Management Tools) ที่เกี่ยวข้อง
 โปรแกรมช่วยสนับสนุนการสร้างองค์ความรู้เฉพาะทาง
(Ontology)
 โปรแกรมจัดการการเชื่อมโยงข้อมูลที่มีอยู่เข้ากับองค์ความ
รู้เฉพาะทาง
 โปรแกรมประยุกต์ที่นำาองค์ความรู้เฉพาะทางมาใช้
ประโยชน์ในการปฏิบัติงาน เช่น
 การสืบค้นข้อมูลเชิงความหมาย (Semantic Search)
 ระบบแนะนำาข้อมูล (Recommender System)
 ระบบสนับสนุนการตัดสินใจ (Decision Support System)

29. 29
การจัดการความรู้เชิงความหมาย (Semantic-
based Knowledge Management) (3)
KNOWLEDGE
CAPTURE
(Creation)
Semantic-based
Knowledge
Portal
KNOWLEDGE
ACCESS &
SHARING
KNOWLEDGE
CODIFICATION
KNOWLEDGE
BASE
DATABASES
Ontologies, Rules
Books,
References,
Documents
Experts
Explicit
Knowledge
Knowledge
Applications
OWL,
RDF
SPARQL
Tacit
Knowledge

30. ฐานความรู้สำาหรับคอมพิวเตอร์ หรือ
ออนโทโลยี (Ontology)

31. 31
การจัดการความรู้ในรูปแบบฐานความรู้
สำาหรับคอมพิวเตอร์ (ontology-based
knowledge management)
 ฐานความรู้หรือออนโทโลยี (Ontology) เป็นรูปแบบองค์
ความรู้ที่สามารถนำาไปใช้ในโปรแกรมคอมพิวเตอร์ได้
 ฐานความรู้หรือออนโทโลยีที่พัฒนาขึ้นโดยวิศวกรความรู้
(Knowledge engineers) ร่วมกับผู้เชี่ยวชาญเฉพาะทาง (Domain
experts) จะช่วยให้สามารถนำาความรู้เฉพาะทาง (Domain
knowledge) ไปประยุกต์ใช้ในโปรแกรมคอมพิวเตอร์ได้หลาก
หลายชนิด
 เทคโนโลยีวิศวกรรมความรู้ (Knowledge engineering) มีส่วน
สำาคัญอย่างยิ่งต่อการพัฒนาและจัดเก็บองค์ความรู้จากผู้
เชี่ยวชาญให้สามารถนำาไปใช้งานได้ในโปรแกรมและระบบ
คอมพิวเตอร์ต่างๆ เพื่อให้สามารถทำางานได้อย่างชาญฉลาด
และมีความเป็นอัตโนมัติมากยิ่งขึ้น

32. 32
ประโยชน์ของการพัฒนาฐานความรู้
สำาหรับคอมพิวเตอร์
 เพิ่มความอัตโนมัติของกระบวนการ
(Automation)
 ลดภาระของมนุษย์ (Reduced workloads)
 เพิ่มความแม่นยำา ลดข้อผิดพลาด (Reduced errors)
 สามารถนำาไปประยุกต์ใช้งานได้ใน
โปรแกรมและระบบสารสนเทศต่างๆ ได้
กว้างขวางยิ่งขึ้น (Interoperability)
 ฐานความรู้สามารถแบ่งปันและใช้ซำ้าได้ (Share and
reuse)

33. 33
เครื่องมือสนับสนุนการพัฒนาออนโทโลยี
(Ontology Development Tool)

34. ตัวอย่างการประยุกต์ใช้งานออนโทโล
ยี

35. 35
ตัวอย่างการพัฒนาฐานความรู้สำาหรับการดูแลรักษาโรคเบาหวาน

36. ตัวอย่างการพัฒนาฐานความรู้สำาหรับการดูแลรักษาโรคเบาหวาน (2)

37. IF Patient.Eye.Result =“No DR” THEN
Patient.Eye.FollowUp=12
IF Patient.Eye.Result =“Mild NPDR” THEN
Patient.Eye.FollowUp=6
IF Patient.Eye.Result =“Moderate NPDR” THEN
Patient.Eye.FollowUp=3
IF Patient.Eye.Result =“Severe NPDR” OR
Patient.Eye.Result =“PDR” THEN
Patient.Eye.FollowUp=0
แปลงองค์ความรู้จาก
เอกสาร CPG ให้อยู่ใน
รูปแบบของฐานความรู้
สำาหรับโปรแกรม
คอมพิวเตอร์

38. HBA1c (X, “high”) OR FBS(X, “high”) OR Lipid(X, “high”)  คำาแนะนำา
(X, a)
a=“ออกกำาลังกายหนักปานกลาง 150 นาที/สัปดาห์ หรือ
ออกกำาลังกายหนักมาก 90 นาที/สัปดาห์ ควรกระจาย
อย่างน้อย 3 วัน/สัปดาห์ และ ไม่งดออกกำาลังกายติดต่อ
กันเกิน 2 วัน (CPG หน้า 16)”
แปลงข้อความจาก
เอกสาร CPG ให้อยู่ในรูป
แบบฐานความรู้ที่
โปรแกรมคอมพิวเตอร์
สามารถนำาไปใช้งานได้

39. การประยุกต์ใช้งานในโปรแกรมแจ้งเตือนความจำา (Reminder)
สำาหรับฐานข้อมูลผู้ป่วยเบาหวาน
ข้อมูลแจ้ง
เตือนให้ผู้
ป่วยเข้ารับ
การตรวจตา
ตามระยะ
เวลาที่กำาหนด
ไว้โดย
พิจารณาจาก
ผลการตรวจ
ตาครั้งล่าสุด

40. ข้อแนะนำา
สำาหรับผู้ป่วยที่
มีระดับไขมัน
สูง