วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2552

การวัดและข้อมูลที่ได้จากเครื่องมือวัดในโรงงานอุตสาหกรรม โดยปกติจะมีความคลาดเคลื่อนแฝงอยู่เสมอ ซึ่งความคลาดเคลื่อนนั้นเป็นผลมาจาก ความผิดพลาดชัดเจน (Gross errors) และความผิดพลาดแบบสุ่ม (Random errors) ดังนั้นการปรับให้สอดคล้องของข้อมูล (Data reconciliation) จึงเป็นขั้นตอนที่สำคัญ ก่อนที่จะนำข้อมูลที่วัดได้ไปตั้งเป็นค่าเป้าหมายในการควบคุม หรืออ้างอิงพฤติกรรมของระบบ งานวิจัยนี้มุ่งเน้นให้เห็นถึงประโยชน์ของการประยุกต์ใช้ การปรับให้สอดคล้องของข้อมูลเพื่อลดความคลาดเคลื่อน และค้นหาตัวแทนของข้อมูลที่ดีที่สุดในภาวะคงตัว (Steady state) ของมาตรวัดอัตราการไหลเชิงมวล ด้วยวิธีการแบบคงทน (Robust function method) โดยระเบียบวิธี(algorithm) ที่ถูกนำมาใช้การประมาณค่าควรจะเป็นสูงสุด (maximum likelihood estimated) ได้แก่ วิธีการกระจายแบบปกติ(normal distribution) วิธีการกระจายแบบ Contaminated normal วิธีการกระจายแบบ Lorentzian และ วิธี Hampel’s redescending M-estimator จากขนาดข้อมูลจำนวน 60, 120, 240 และ 360 ข้อมูล จากผลการทดลองพบว่า การปรับให้สอดคล้องด้วยวิธีการกระจายแบบปกติ จะให้ค่าความคลาดเคลื่อนสูงที่ขนาดข้อมูลจำนวน 60 ข้อมูลและดีขึ้นตามลำดับเมื่อขนาดข้อมูลจำนวนเพิ่มมากขึ้น ในขณะที่การปรับให้สอดคล้องด้วยวิธีการกระจายแบบ Contaminated normal วิธีการกระจายแบบ Lorentzian และ วิธี Hampel’s redescending M-estimator ให้ค่าความคลาดเคลื่อนน้อยและใกล้เคียงกัน