วารสารวิจัย มทร.ธัญบุรี ปีที่ 21 ฉบับที่ 1 (มกราคม - มิถุนายน 2565)

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 45 ISSN: 2773-9376 (Print), 2773-9473 (Online) Damped method was suitable for CH4 gas, the BJ method was suitable for CO2 gas, and the Holt method was suitable for H2S gas, respectively. The resulting model was then used to find future forecast values. It was found that the Damped method was able to generate a CH4 gas data forecast model that was closest to the true value. บทคดั ย่อ และวิธี Holt เหมาะสมกบั กา๊ ซ H2S ตามลำดับ จากนน้ั ได้ นำตัวแบบที่ได้ไปหาค่าพยากรณ์ในอนาคต พบว่าวิธี งานวิจัยนี้เป็นการศึกษาเปรียบเทียบวิธี Damped สามารถสร้างตัวแบบอนุกรมเวลาข้อมูลก๊าซ วิเคราะห์ข้อมูลคุณภาพอากาศรายเดือนจากพลังงาน CH4 ได้ใกลเ้ คียงกับคา่ จรงิ มากทส่ี ดุ ทางเลอื กก๊าซชีวภาพในจังหวัดสุพรรณบุรีรวมเวลา 8 ปี ตั้งแต่เดือนมกราคม พ.ศ. 2553 ถึงเดือนธันวาคม คำสำคัญ: วิธีบ็อกซ์-เจนกินส์ การพยากรณ์ ก๊าซชีวภาพ พ.ศ. 2560 จำนวน 96 ค่า โดยนำข้อมูลองค์ประกอบ คุณภาพอากาศ ของก๊าซชีวภาพมาแบ่งการวิเคราะห์ตามวัตถุประสงค์ ของการวิจยั โดยแบง่ ข้อมูลออกเป็นสองชดุ ได้แก่ ขอ้ มูล บทนำ ชุดแรก เพื่อนำไปสร้างตัวแบบพยากรณ์แนวโน้ม คุณภาพอากาศเพื่อหาความความเหมาะสมและข้อมูล จังหวัดสุพรรณบุรีมีแม่น้ำท่าจีนไหลผ่าน ชุดสองเพื่อนำไปเปรียบเทียบประสิทธิภาพการพยากรณ์ เหมาะกับการทำนาและเพาะปลูก พน้ื ทีบ่ างส่วนเป็นป่า คุณภาพอากาศด้วยวิธีพยากรณ์ข้อมูลอนุกรมเวลาท้ัง ไม้และภูเขาทำให้อากาศอากาศชุ่มชื่น อากาศดีและ 4 วิธีได้แก่ วิธีบ็อกซ์-เจนกินส์ (Box-Jenkins Method: บริสุทธม์ิ าต้ังแต่ในอดตี แตป่ ัจจบุ ันพบวา่ สภาพอากาศมี BJ) วิธีปรับเรียบด้วยเลขชี้กำลังของโฮลต์ (Holt’s การเปลี่ยนแปลงไปมาก โดยพบเห็นจากปริมาณฝุ่น Exponential Smoothing Method: Holt) วิธีปรับ ละอองขนาดเล็ก (PM 2.5) ค่าตะกั่ว ค่าก๊าซซัลเฟอร์- เรียบด้วยเลขชี้กำลังของบราวน์ (Brown’s Exponential ไดออกไซด์ และไนโตรเจนออกไซด์ มีค่าเฉลี่ยสูงขึ้น Smoothing Method : Brown) และวิธีปรับเรียบด้วย ทั้งนี้เกิดจากมลพิษจากการเผาไหม้ เช่น ไอเสียที่ปล่อย เลขชี้กำลังแบบแนวโน้มของแดม (Damped Trend ออกมาจากยานพาหนะ การเผาในทีโ่ ล่ง การใช้ฟืนถ่าน Exponential Smoothing Method Damped: Damped) ในการหุงตม้ ควันธูป รวมทั้งกจิ การโรงงานอตุ สาหกรรม โดยพิจารณาองค์ประกอบก๊าซชีวภาพแยกเป็นก๊าซท้ัง และแหล่งพลังงานที่ก่อกำเนิดกระแสไฟฟ้าที่เป็น 3 ชนิด ได้แก่ ก๊าซมีเทน (Methane: CH4 ) ก๊าซ พลังงานทางเลือกที่ไม่มีระบบควบคุมคุณภาพทาง คาร์บอนไดออกไซด์ (Carbon Dioxide: CO2) และก๊าซ อากาศ เป็นต้น จากปัญหาสภาวะฝุ่นละออง PM 2.5 ไฮโดรเจนซัลไฟด์ (Hydrogen Sulfide: H2S) เพื่อหา ในอากาศสะสมเกินค่ามาตรฐาน ส่งผลกระทบต่อ ความความเหมาะสมของตัวแบบพยากรณ์ของก๊าซท้ัง สุขภาพประชาชน สัตว์ และพืชพันธุ์ต่าง ๆ หากสะสม สามชนิด ผลการศึกษาตัวแบบการพยากรณ์ด้วยการ มาก ๆ ก็จะทำให้ป่วยและเสยี ชีวิตได้ จากประเด็นเรื่อง เปรียบเทียบค่ารากทส่ี องค่าคลาดเคลื่อนกำลงั สองเฉล่ีย คุณภาพอากาศน้ี พบว่าในจังหวัดสุพรรณบุรีได้มีการ (Root Mean Square Errors: RMSE) พบวา่ วธิ ี Damped รณรงค์ ประชาสัมพันธ์และนำข้อมูลข่าวสารการรัก เหมาะสมกับก๊าซ CH4 วิธี BJ เหมาะสมกับก๊าซ CO2 สิ่งแวดล้อมเข้าสู่ชุมชนเพื่อให้ตระหนักถึงความสำคัญ ของสิ่งแวดล้อม ลดการเผาไหม้ ห้ามจุดไฟเผาป่าและ

46 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) วัชพืช อีกทั้งรณรงค์การใส่หน้ากากเพื่อป้องกันภัยฝุ่น เพือ่ เปรียบเทียบประสิทธิภาพการพยากรณ์ปริมาณก๊าซ อีกทางหน่ึงด้วย ในอนาคต แนวโน้ม ทิศทางและค่าพารามิเตอร์ที่ เหมาะสม ทั้งนี้เพื่อใช้การเปรียบเทียบความแม่นยำตัว จากสภาพปญั หาดังกล่าวส่งผลกระทบต่อการ แบบการพยากรณ์ด้วยเกณฑ์ตัวแบบรากที่สองค่า เปลี่ยนแปลงคุณภาพอากาศในจังหวัดสุพรรณบุรี คลาดเคลื่อนกําลังสองเฉลี่ย (Root Mean Square โดยตรง แต่พบว่าอีกสาเหตุหนึง่ ของปัญหาที่ยังไม่มกี าร Error: RMSE) และเปอร์เซ็นต์ค่าสัมบูรณ์คลาดเคลื่อน สำรวจเกี่ยวกับพลังงานทางเลือกโดยเฉพาะการผลิต (Mean Absolute Percentage Error: MAPE) ในการ พลังงานไฟฟ้าจากก๊าซชีวภาพว่าได้ส่งผลกระทบ แสดงค่าประสทิ ธภิ าพของผลพยากรณ์ คุณภาพอากาศหรือไม่ ทั้งนี้เพราะการผลิตก๊าซชีวภาพ เกิดจากกระบวนการผลติ 5 รปู แบบ คือ มูลสัตว์ นำ้ เสยี วธิ ีดำเนนิ การวจิ ัย อุตสาหกรรม ขยะชมุ ชน เช้อื เพลิงชีวภาพของเหลวและ ของแขง็ เปน็ ตน้ และกระบวนการก๊าซชีวภาพก่อให้เกิด วิธีการพยากรณ์คุณภาพอากาศที่เกิดจาก การย่อยสลายของซากสิ่งมีชีวิตและของเสียจากสัตว์ พลังงานทางเลือก กรณีศึกษาก๊าซชีวภาพในจังหวัด รวมถึงขยะอินทรีย์มาจากการทำงานของจุลินทรีย์ใน สุพรรณบุรี เพื่อทำการเปรียบเทียบผลการวิเคราะห์ สภาวะที่ไร้อากาศ แสดงสัดส่วนขององค์ประกอบของ ข้อมลู คุณภาพอากาศจากทั้ง 4 วิธีทใ่ี ชว้ เิ คราะหค์ ณุ ภาพ กา๊ ซได้ดังตารางท่ี 1 อากาศที่เกิดจากการเก็บข้อมูลในพื้นที่จังหวัด โดยใช้ เครอื่ งมือการตรวจวัดแยกกา๊ ซของโรงงานผลติ ก๊าซ เก็บ ตารางท่ี 1 องคป์ ระกอบของกา๊ ซชีวภาพ รวบรวมข้อมูลรายเดือนของก๊าซชีวภาพตลอด ระยะเวลา 8 ปี ตั้งแต่เดือนมกราคม พ.ศ. 2553 ถึง องค์ประกอบของก๊าซ สัดส่วน (%) เดือนธันวาคม พ.ศ. 2560 จำนวน 96 ค่า จากนั้นแยก พิจารณาองค์ประกอบของก๊าซชีวภาพ พบว่าแยกเป็น ก๊าซมีเทน 60-70 ก๊าซ 3 ชนิด ได้แก่ ก๊าซ CH4 ก๊าซ CO2 และก๊าซ H2S เพื่อสร้างตัวแบบพยากรณ์ขององคป์ ระกอบก๊าซทัง้ สาม ก๊าซคารบ์ อนไดออกไซด์ 28-38 ชนิด จากข้อมูลที่นำมาวิเคราะห์มาแยกเปน็ สองชุด คือ ข้อมูลชุดแรก เพื่อนำไปสร้างตัวแบบพยากรณ์แนวโน้ม กา๊ ซอน่ื ๆ ไดแ้ ก่ กา๊ ซไฮโดรเจนซัลไฟด์ 2 คุณภาพอากาศจากก๊าซชีวภาพตามความเหมาะสมกับ แอมโมเนียและไอน้ำ อนุกรมเวลากับวิธีเปรียบเทียบประสิทธิภาพการ พยากรณค์ ณุ ภาพอากาศทัง้ 4 วธิ ไี ด้แก่ วธิ ี BJ, วิธี Holt, จากข้อสังเกตนี้ทำให้น่าสนใจว่าถ้ามีการนำ วิธี Brown และวิธี Damped โดยใช้ข้อมูลตั้งแต่เดือน ข้อมูลองคป์ ระกอบกา๊ ซชีวภาพทส่ี ำคญั ได้แก่ ก๊าซ CH4, มกราคม พ.ศ. 2553 ถึงเดือนธันวาคม พ.ศ. 2559 ก๊าซ CO2 และก๊าซ H2S มาสร้างตัวแบบพยากรณ์ จำนวน 84 ข้อมูล และข้อมูลชุดสอง เพื่อนำมาทดสอบ คุณภาพอากาศเพื่อใช้พยากรณ์เปรียบเทียบแนวโน้ม หาค่าประสิทธิภาพตัวแบบพยากรณ์ทั้ง 4 วิธี โดยใช้ ข้อมูลคุณภาพอากาศในจังหวัดสุพรรณบุรีในอนาคต ข้อมูลตั้งแต่เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2560 ดังนั้นวัตถุประสงค์ของงานวิจัยนี้มุ่งศึกษาการสร้างตัว จำนวน 12 ข้อมูล ดังนั้นการพยากรณ์ข้อมูลอนุกรม แบบพยากรณ์คุณภาพอากาศจากก๊าซชีวภาพพร้อมทั้ง เวลาจะมีลักษณะที่พิจารณา คือ การมีแนวโน้มวัฏจักร เปรยี บเทียบประสิทธภิ าพของวิธีวเิ คราะห์ข้อมูลอนุกรม หรอื ฤดูกาลทีช่ ัดเจนเพื่อทจ่ี ะกำหนดรปู แบบที่เหมาะสม เวลาด้วยวิธีต่างๆ ที่จะส่งผลกระทบต่อคุณภาพอากาศ ในจังหวัดสุพรรณบุรีได้ โดยเก็บข้อมูลรายเดือนของ พลังงานทางเลือกก๊าซชีวภาพในจังหวัดสุพรรณบุรี ตลอดระยะเวลา 8 ปี ตั้งแต่ พ.ศ. 2553 ถึง พ.ศ. 2560 โดยใช้หลักการวิเคราะหข์ ้อมูลอนกุ รมเวลาจำนวน 4 วิธี

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 47 ISSN: 2773-9376 (Print), 2773-9473 (Online) ซึ่งถ้าข้อมูลไม่มีลักษณะดังกล่าวยากที่จะกำหนด c แทนค่าคงท่ี นั่นคอื รูปแบบของความสัมพันธ์ระหว่างตัวแปรอิสระกับตัว แปรตาม การพยากรณ์เปรียบเทียบข้อมูลอนุกรมเวลา P 1− 1 − P i BiS  , เนื้อหาการพยากรณ์ของงานวิจัยที่ผ่านมา [1-5] แสดง  i =1  การพยากรณ์ที่เหมาะสมจำนวน 4 วิธี ได้แก่ วิธีบ็อกซ์- i Bi เจนกินส์ (Box-Jenkins Method) วธิ ีปรบั เรยี บดว้ ยเลข ชี้กำลังของโฮลต์ (Holt’s Exponential Smoothing i =1 Method) วิธีปรับเรียบด้วยเลขชี้กำลังของบราวน์ (Brown’s Exponential Smoothing Method) และ  แทนค่าเฉลี่ยของข้อมูลอนกุ รมคงที่, วิธีปรับเรียบด้วยเลขชี้กำลังแบบแนวโน้มของแดม (Damped Trend Exponential Smoothing Method) 1 −q  แทนค่าเฉล่ียเคล่อื นท่แี บบไม่มี มีรายละเอียดของการพยากรณ์แตล่ ะวิธี ดงั น้ี  jBj 1. วิธีบ็อกซ์-เจนกินส์ (BJ) เป็นวิธีพยากรณ์ ข้อมูลอนุกรมเวลาที่มีความแม่นยำ สามารถใช้ j=1 แก้ปัญหาการกำหนดรูปแบบที่แน่นอนได้ มีการสร้าง เป็นตัวแบบวิเคราะห์ที่เหมาะสมและคำนึงถึงความผัน ฤดกู าลอนั ดบั ท่ี q, แปรตามฤดูกาลเป็นส่วนประกอบที่ความสำคัญ [4] การพยากรณ์ของวิธี BJ เรียกว่า “SARIMA(p, d, q) 1 −Q  แทนค่าเฉลีย่ เคล่อื นที่แบบมี (P, D, Q)s” (Seasonal Autoregressive Integrated Moving Average:) ดังสมการ (1) น้ี  j B jS j =1 ฤดกู าลอันดับท่ี Q, Et แทนข้อมูลอนุกรมของค่าความคลาดเคลื่อน ณ เวลา t , t แทนเวลาซึง่ มคี ่าตัง้ แต่ 1 ถงึ n โดยท่ีแบง่ เวลา ออกเป็นสองช่วง คือ n1 แทนจำนวนข้อมูลอนุกรมใน ชุดแรก และ n2 แทนจำนวนขอ้ มลู อนกุ รมชุดสอง S แทนจำนวนฤดูกาล, d และ D แทนการหาผลต่างลำดับที่และ ฤดูกาลและ B แทนการหาค่าดำเนินการถอยหลังโดยท่ี BSZt = Zt−S 1 − P i Bi (1 − B)d 2. วิธีปรับเรียบด้วยเลขชี้กำลังของโฮลต์ i =1 (Holt) เป็นวิธีพยากรณ์ข้อมูลอนุกรมเวลาที่มี   ส่วนประกอบของแนวโน้มที่เป็นเส้นตรงและไม่มีความ ผันแปรตามฤดูกาล มีค่าคงตัวการทำให้เรียบ 2 ตัว คือ  ( )1−P i BiS  1 − BS D Zt ค่าคงตัวการทำให้เรียบของค่าระดับ (Level:  ) และ i=1   คา่ คงตัวการทำให้เรียบของคา่ ความชัน (Trend: ) ตัว แบบและตวั แบบพยากรณ์แสดงดงั สมการท่ี (2)  = c + 1− q  B  1 − Q  B jS Et (1) j=1 j =1 j j j โดยที่ 1 − P  (1− B)d = ค่าสหสัมพันธ์แบบ ตวั แบบ: Zt = 0 + 1t + Et ,   i Bi ตัวแบบพยากรณ์: Zˆt+m = at + bt (m) (2) i=1 เมือ่ Zt แทนอนุกรมเวลา ณ เวลา t 0 และ 1 แทนค่าคงที่ของสมการแสดงระยะ ไม่มฤี ดกู าลอันดบั ท่ี p : AR(p), ตัดแกนและความชนั ของแนวโน้ม ตามลำดับ ( )1− P BiS  D = ค่าสหสัมพันธ์แบบมี i =1   i 1− BS ฤดกู าลอนั ดบั ท่ี P: SAR(P), Zt แทนขอ้ มลู อนุกรมเวลา ณ เวลา t,

48 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) Et แทนข้อมูลอนุกรมของค่าความคลาดเคลื่อน  แทนคา่ คงตวั การทำใหเ้ รยี บ โดยที่ ณ เวลา t 0 1 Zˆt+m แทนค่าพยากรณ์ ณ เวลา t + m โดยที่ m t แทนช่วงเวลา ซึ่งมีค่าตั้งแต่ 1 ถึง n1 โดยท่ี แทนจำนวนชว่ งเวลาทต่ี ้องการพยากรณไ์ ปข้างหน้า n1 แทนจำนวนข้อมูลในอนุกรมเวลาชุดแรก at และ bt แทนค่าประมาณ ณ เวลา t ของ 4. วธิ ีปรบั เรยี บดว้ ยเลขชก้ี ำลงั แบบแนวโน้ม พารามิเตอร์ 0 และ 1 ตามลำดับ ของแดม (Damped) เป็นวิธีพยากรณ์ข้อมูลอนุกรม เวลาลักษณะเดียวกับวิธีปรับเรียบด้วยเลขชี้กำลังของ โดยที่ at = Zt + (1− )(at−1 + bt−1)และ โฮลต์ การกำหนดการเปลี่ยนแปลงเพิ่มขึ้นหรือลดลง bt =  (at − )at−1 + (1−  )bt−1 ของระยะตัดแกนและความชันของแนวโน้มตามเวลา ตัวแบบและตัวแบบพยากรณ์แสดงดังสมการที่ (4)  และ แทนคา่ คงตวั การทำใหเ้ รียบ โดยที่ งานวิจยั ของ Ket-iam [3] 0   1 และ 0   1 ตวั แบบ: Zt = 0 + 1t + Et , t แทนชว่ งเวลา ซ่ึงมีคา่ ตัง้ แต่ 1 ถงึ n1 โดยที่ n1 แทนจำนวนขอ้ มูลในอนุกรมเวลาชดุ แรก 3. วิธีปรับเรียบด้วยเลขชี้กำลังของบราวน์ ตวั แบบพยากรณ์: Zˆt+m = at + bt m i (4) (Brown) เป็นวิธีพยากรณ์ข้อมูลอนุกรมเวลาลักษณะ i =1 เดียวกับวิธีปรับเรียบด้วยเลขชี้กำลังของโฮลต์ มีการ กำหนดให้ค่าคงที่ของระยะตัดแกนและความชันของ เมอ่ื Zt แทนอนกุ รมเวลา ณ เวลา t แนวโน้มเท่ากัน ตัวแบบและตัวแบบพยากรณ์แสดงดัง สมการท่ี (3) 0 และ 1 แทนค่าคงที่ของสมการแสดงระยะ ตดั แกนและความชันของแนวโน้ม ตามลำดับ ตวั แบบ: Zt = 0 + 1t + Et Et แทนข้อมูลอนุกรมของค่าความคลาดเคลื่อน ณ เวลา t ตัวแบบพยากรณ:์ Zˆt +m = at + bt m −1+ 1  (3) Zˆt+m แทนค่าพยากรณ์ ณ เวลา t + m โดยที่ m   แทนจำนวนช่วงเวลาท่ีตอ้ งการพยากรณ์ไปขา้ งหนา้ เมอ่ื Zt แทนอนกุ รมเวลา ณ เวลา t at และ bt แทนค่าประมาณ ณ เวลา t ของ 0 และ 1 แทนค่าคงที่ของสมการแสดงระยะ พารามิเตอร์ 0 และ 1 ตามลำดับ ตดั แกนและความชันของแนวโน้ม ตามลำดบั โดยที่ at = Zt + (1− )(at−1 +bt−1)และ bt =  (at − )at−1 + (1−  )bt−1 Et แทนข้อมูลอนุกรมของค่าความคลาดเคลื่อน ณ เวลา t  , และ  แทนค่าคงตวั การทำให้เรยี บ โดยท่ี 0    1 , 0   1และ 0   1 Zˆt+m แทนค่าพยากรณ์ ณ เวลา t + m โดยท่ี m แทนจำนวนชว่ งเวลาทต่ี อ้ งการพยากรณไ์ ปขา้ งหน้า t แทนชว่ งเวลา ซ่งึ มีคา่ ตง้ั แต่ 1 ถงึ n1 โดยที่ n1 แทนจำนวนข้อมูลในอนุกรมเวลาชุดแรก at และ bt แทนค่าประมาณ ณ เวลา t ของ วิธีการพยากรณ์อนุกรมเวลาสามารถ พารามเิ ตอร์ 0 และ 1 ตามลำดบั แก้ปัญหาการกำหนดรูปแบบที่แน่นอนได้ด้วยทำการ วิเคราะห์ก่อน โดยระหว่างการวิเคราะห์รูปแบบจะถูก โดยท่ี at = Zt + (1− )(at−1 + bt−1)และ กำหนดขน้ึ มาเอง มีขัน้ ตอน ดังนี้ bt =  (at − at−1)+ (1−  )bt−1

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 49 ISSN: 2773-9376 (Print), 2773-9473 (Online) 1. การคำนวณหาค่าของฟังชันก์สหสัมพันธ์ สร้างตัวแบบการพยากรณ์ทั้ง 4 วิธี ได้แก่ วิธี BJ วิธี (Autocorrelation Function: ACF) และฟังก์ชัน Holt วิธี Brown และวิธี Damped จากข้อมูลอนุกรม สหสัมพันธ์บางส่วน (Partial Autocorrelation Function: เวลาก๊าซชีวภาพสามารถแสดงผลตัวแบบอนกุ รมเวลาได้ PACF) สำหรับการวิเคราะห์อนุกรมเวลาที่คงที่ เพื่อ ดังนี้ กำหนดรูปแบบอนุกรมคงที่ระหว่าง ค่าฟังก์ชัน ACF และค่าฟังก์ชัน PACF ด้วยการกำหนดค่า p, q, P และ 1) ตัวแบบอนุกรมเวลามีเทน (CH4) แสดงค่า Q พร้อมท้ังประมาณค่าพารามเิ ตอรข์ องตัวแบบ ACF และค่า PACF มีส่วนประกอบของแนวโน้มและ ความผันแปรตามฤดูกาลไม่คงที่ จึงแปลงข้อมูลก๊าซ 2. การวิเคราะหข์ อ้ มูลคา่ ฟงั ก์ชัน ACF และคา่ CH4 ด้วยผลต่างลำดับที่ 1 (d = 1) ได้กราฟค่า ACF ฟังก์ชัน PACF ของผลต่างข้อมูลอนุกรมนั้น ๆ ด้วยการ และกราฟค่า PACF ของอนุกรมเวลากา๊ ซ CH4 ในรูปท่ี ตรวจสอบความถูกตอ้ งจากการตัดคา่ พารามิเตอรท์ ี่ไม่มี 1-2 ตามลำดับ นยั สำคญั ออกจากตัวแบบพยากรณค์ ร้ังละ 1 ตวั โดยถ้า พารามเิ ตอรข์ องอันดับท่ตี ่ำกว่าไม่มีนัยสำคัญ ถ้าผลการ รปู ท่ี 1 ค่าACF ของอนกุ รมเวลากา๊ ซ CH4 ตรวจสอบปรากฏว่า ตัวแบบไม่มีความเหมาะสมจะ กลบั ไปเลือกตวั แบบพยากรณใ์ หม่ 3. การเปรียบเทียบวิธีการพยากรณ์จะ พิจารณาค่าต่ำสุดของค่า RMSE และค่า MAPE เพราะ ใหค้ วามแม่นยำสูง ผลการศึกษาและอภิปรายผล การวิเคราะห์ข้อมูลคุณภาพอากาศของ รูปที่ 2 ค่า PACF ของอนกุ รมเวลากา๊ ซ CH4 องค์ประกอบของก๊าซทั้งสามชนิด ได้แก่ ก๊าซมีเทน (CH4) ก๊าซคาร์บอนไดออกไซด์ (CO2) และก๊าซซัลเฟอร์ ค่า ACF และค่า PACF ของก๊าซ CH4 มี ไดออกไซด์ (H2S) ของก๊าซชีวภาพจากข้อมูลจริงที่เก็บ ลักษณะคงที่ ดังนั้นการสร้างตัวแบบอนุกรมเวลาก๊าซ จากโรงงานในจังหวัดสุพรรณบุรี เป็นข้อมูลรายเดือน CH4 ที่เหมาะสม คือ ตัวแบบ ARIMA (0, 1, 1) พร้อม จำนวน 96 ข้อมูล เพื่อนำมาหาตัวแบบพยากรณ์จาก กับเขียนเป็นตัวแบบอนุกรมเวลาของทั้ง 4 วิธีได้ดัง องค์ประกอบของก๊าซทั้งสามชนิด โดยใช้วิธีการ ตารางที่ 2 เปรียบเทียบทั้ง 4 วิธี มีผลการศึกษาแยกเป็น 2 กรณี คือ การวเิ คราะห์องค์ประกอบของก๊าซทั้งสามชนดิ เพื่อ ตัวแบบอนุกรมเวลากา๊ ซ CH4 จากทง้ั 4 วธิ ี ที่ หาตัวพยากรณ์ที่เหมาะสมและหลังจากเปรียบเทียบ รูปแบบที่เหมาะสม คือ ARIMA (0, 1, 1) นั้นเพื่อการ ประสิทธิภาพของวิธีวิเคราะห์ข้อมูลคุณภาพอากาศที่ดี พยากรณป์ ริมาณก๊าซในอนาคต หาทศิ ทางแนวโน้มและ ที่สุด จะนำตัวแบบที่ได้ไปพยากรณ์เพื่อหาแนวโน้ม ค่าพารามิเตอร์ท่ีเหมาะสม จึงทำการเปรียบเทียบความ คณุ ภาพอากาศในอนาคตต่อไป มีรายละเอียดดงั น้ี แม่นยำตัวแบบการพยากรณ์ด้วยเกณฑ์ RMSE และ 3.1 การวิเคราะหเ์ ปรียบเทียบวธิ ีหาตัวแบบ พยากรณ์องค์ประกอบของอนุกรมเวลาก๊าซทั้งสาม ชนิด ไดแ้ ก่ กา๊ ซ CH4 ก๊าซ CO2 และก๊าซ H2S ทั้งน้ีการ

50 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) MAPE ในการแสดงคา่ ประสิทธิภาพของตวั แบบอนกุ รม ตั้งแต่เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2561 เวลาในตารางท่ี 3 จำนวน 12 ค่า โดยการคำนวณค่า MAPE และ RMSE แสดงประสิทธิภาพตัวพยากรณ์ทั้ง 4 วิธี ได้ ตารางท่ี 2 ตวั แบบอนุกรมเวลาก๊าซ CH4 จากทัง้ 4 วิธี ดังตารางที่ 4 ตัวแบบ ตัวแบบอนุกรมเวลาก๊าซ CH4 ตารางที่ 4 การเปรียบเทียบประสิทธิภาพของตัวแบบ พยากรณ์ : ARIMA (0, 1, 1) 1. BJ Zˆt = 0.161Zt−1 − 0.061et−1 อนกุ รมเวลากา๊ ซ CH4 จากท้ัง 4 วิธี 2. Holt Zˆt+m = 55.204 + 0.160m 3. Brown Zˆt+m = 51.961+ 0.198 การ BJ Holt Brown Damped พยากรณ์ (m −1) + 1 MAPE 24.407 25.672 27.145 24.016 0.051 RMSE 10.972 11.533 12.197 10.798 4. Damped Zˆt+m = 54.460 + 0.160 วิธี Damped จะมีประสิทธภิ าพมากท่สี ุดจาก ทั้ง 4 วิธี เพราะค่า MAPE และ RMSE ต่ำที่สุด ดังน้ัน mi วิธีการพยากรณ์ของวิธี Damped จึงเป็นวิธีที่มีความ เหมาะสมมากทส่ี ดุ  (0.999) i =1 2) ตัวแบบอนุกรมเวลาคาร์บอนไดออกไซด์ (CO2) แสดงค่า ACF และค่า PACF มีส่วนประกอบของ ตารางที่ 3 เปรียบเทียบความเหมาะสมของตัวแบบ แนวโน้มและความผันแปรตามฤดูกาลไม่คงที่โดยมีค่า ความสัมพันธ์สูงเกินขอบเขตที่กำหนด จึงแปลงข้อมูล อนุกรมเวลากา๊ ซ CH4 จากทง้ั 4 วิธี ก๊าซ CO2 ด้วยการหาผลต่างลำดับที่ 1 (d = 1) ได้ กราฟค่า ACF และกราฟค่า PACF ของอนุกรมเวลา ตัวแบบ Kolmogorov t-test Levene Runs ก๊าซ CO2 ในรูปท่ี 3-4 วิเคราะห์ -Smirnov Statistic Test 1. BJ 0.039 0.808 0.436 0.009 2. Holt 0.056 0.982 0.533 0.024 3. Brown 0.037 0.645 0.553 0.218 4.Damped 0.067 0.862 0.449 0.065 หมายเหตุ การตรวจสอบความเหมาะสม (p-value) ของตัวแบบ อนกุ รมเวลาท่ีระดับนัยสำคัญ 0.01 การตรวจสอบความเหมาะสมของตัวแบบ รปู ท่ี 3 ค่าACF ของอนกุ รมเวลาก๊าซ CO2 พยากรณ์ในตารางที่ 3 ที่ระดับนัยสำคัญ 0.01 โดย พิจารณาที่ความคลาดเคลื่อน พบว่า ความคลาด รูปที่ 4 ค่าPACF ของอนุกรมเวลาก๊าซ CO2 เคล่ือนของท้ังสี่วิธีมีการแจกแจงปกติ (Kolmogorov- Smirnov p-value) ส ถิติทดส อบ t (p-value) แสดงค่าเฉลี่ยเท่ากับศูนย์ ค่า Levene Statistic (p-value) มีความแปรปรวนเท่ากันทุกช่วงเวลา แต่ มีค่า Runs Test Z เคลื่อนไหวของวิธี BJ ไม่เป็น อิสระกัน (p-value = 0.009) ดังน้ันตัวแบบอนุกรม เวลาก๊าซ CH4 ที่สร้างขึ้นไม่มีความเหมาะสม จึงไม่ มีความเหมาะสม แต่ถ้าพิจารณาการเปรียบเทียบค่า จริงกับค่าอนุกรมเวลาก๊าซ CH4 ในข้อมูลชุดสอง

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 51 ISSN: 2773-9376 (Print), 2773-9473 (Online) ค่า ACF และค่า PACF มีลักษณะคงที่ ดังน้ัน การตรวจสอบความเหมาะสมของตัวแบบ การสร้างตัวแบบอนุกรมเวลาก๊าซ CO2 ที่เหมาะสม คือ พยากรณ์ในตารางที่ 6 ที่ระดับนัยสำคัญ 0.01 โดย ตัวแบบ ARIMA(0, 1, 1) พร้อมกับเขียนเป็นตัวแบบ พิจารณาที่ความคลาดเคลื่อน พบว่า ความคลาดเคลื่อน พยากรณข์ องทงั้ 4 วิธี ดังตารางที่ 5 ของทั้งสี่วิธีมีการแจกแจงปกติ (Kolmogorov-Smirnov p-value) สถิติทดสอบ t (p-value) แสดงค่าเฉลี่ยเท่ากับ ตารางท่ี 5 ตัวแบบอนุกรมเวลาก๊าซ CO2 จากทั้ง 4 วิธี ศนู ย์ ค่า Levene Statistic ( p-value) มคี วามแปรปรวน เท่ากนั ทกุ ช่วงเวลา และค่า Runs Test Z เคลอ่ื นไหวเป็น ตัวแบบ ตัวแบบอนกุ รมเวลากา๊ ซ CO2 อิสระกัน (p-value) ดังนั้นตัวแบบพยากรณ์อนุกรมเวลา พยากรณ์ ก๊าซ CO2 ที่สร้างขึ้นไม่มีความเหมาะสม จึงไม่มีความ : ARIMA(0, 1, 1) เหมาะสม แต่ถ้าพิจารณาการเปรียบเทียบค่าจริงกับค่า พยากรณ์อนุกรมเวลาก๊าซ CO2 ในข้อมูลชุดสองตั้งแต่ 1. BJ Zˆt = Zt−1 − 0.7613et−1 เดอื นมกราคมถงึ เดือนธนั วาคม พ.ศ. 2561 จำนวน 12 ค่า โดยการคำนวณคา่ MAPE และ RMSE แสดงประสิทธภิ าพ 2.Holt Zˆt+m = 28.8047 − 0.1551m ตัวพยากรณ์ ทัง้ 4 วธิ ี ได้ดังตารางท่ี 7 3. Brown Zˆt+m = 30.9733− 0.3470 (m − 1) + 1 0.0957 4. Damped Zˆt+m = 28.8012− 0.1551 mi ตารางที่ 7 การเปรียบเทียบประสิทธิภาพของตัวแบบ  (0.9999) อนกุ รมเวลาก๊าซ CO2 จากทงั้ 4 วธิ ี i =1 ตัวแบบอนุกรมเวลาก๊าซ CO2 จากท้ัง 4 วิธี ที่ การ BJ Holt Brown Damped รูปแบบที่เหมาะสม คือ ARIMA (0, 1, 1) นั้นเพื่อการ พยากรณ์ พยากรณป์ รมิ าณก๊าซในอนาคต หาทศิ ทางแนวโน้มและ ค่าพารามิเตอร์ท่ีเหมาะสม จึงทำการเปรียบเทียบความ MAPE 3.4687 8.6402 16.4392 8.6684 แม่นยำตัวแบบการพยากรณ์ด้วยเกณฑ์ RMSE และ MAPE ในการแสดงค่าประสิทธิภาพของตัวแบบ RMSE 1.6685 2.8340 5.0898 2.8407 พยากรณใ์ นตารางที่ 6 วิธี BJ จะมีประสิทธภิ าพมากท่ีสุดจากทง้ั 4 วิธี ตารางที่ 6 เปรียบเทียบความเหมาะสมของตัวแบบ เพราะค่า MAPE และ RMSE ต่ำที่สุด ดังนั้นวิธีการ พยากรณ์ของวิธี BJ จึงเป็นวิธีที่มีความเหมาะสมมาก อนกุ รมเวลาก๊าซ CO2 จากท้ัง 4 วิธี ทสี่ ุด ตัวแบบ Kolmogorov- t-test Levene Runs 3) ตวั แบบอนุกรมเวลาเวลาซัลเฟอร์ไดออกไซด์ (H2S) แสดงค่า ACF และค่า PACF มีส่วนประกอบของ วิเคราะห์ Smirnov Statistic Test แนวโน้มและความผันแปรตามฤดูกาลไม่คงที่ จึงแปลง ข้อมูลก๊าซ H2S ด้วยการหาผลต่างลำดับที่ 1 (d = 1) ได้ 1.BJ 0.807 0.303 0.711 0.605 กราฟค่า ACF และกราฟค่า PACF ของอนุกรมเวลาก๊าซ 2. Holt 0.755 0.929 0.622 0.837 H2S ในรปู ที่ 5-6 ตามลำดบั 3. Brown 0.715 0.536 0.685 0.538 ค่า ACF และค่า PACF ของก๊าซ H2S มี 4.Damped 0.765 0.927 0.619 0.837 ลักษณะคงที่ ดังนั้นการสร้างตัวแบบอนุกรมเวลาก๊าซ H2S ที่เหมาะสม คอื ตวั แบบ ARIMA(1, 1, 0) พร้อมกับ หมายเหตุ การตรวจสอบความเหมาะสม (p-value) ของตวั แบบ เขยี นเปน็ ตัวแบบพยากรณข์ องทง้ั 4 วิธี ได้ดงั ตารางท่ี 8 พยากรณ์ท่ีระดบั นยั สำคัญ 0.01

52 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ตารางที่ 9 เปรียบเทียบความเหมาะสมของตัวแบบ อนกุ รมเวลาก๊าซ H2S จากทง้ั 4 วธิ ี ตัวแบบ Kolmogorov- t-test Levene Runs วิเคราะห์ Smirnov Statistic Test 1. BJ 0.295 0.803 0.690 0.756 2. Holt 0.599 0.826 0.614 0.538 รปู ท่ี 5 ค่าACF ของอนุกรมเวลาก๊าซ H2S 3. Brown 0.430 0.545 0.647 0.002 4.Damped 0.600 0.776 0.615 0.538 หมายเหตุ การตรวจสอบความเหมาะสม (p-value) ของตวั แบบ พยากรณ์ที่ระดบั นัยสำคญั 0.01 รปู ท่ี 6 ค่าPACF ของอนุกรมเวลากา๊ ซ H2S การตรวจสอบความเหมาะสมของตัวแบบใน ตารางที่ 9 ระดับนัยสำคัญ 0.01 โดยพิจารณาที่ความ ตารางที่ 8 ตัวแบบอนกุ รมเวลากา๊ ซ H2S จากทั้ง 4 วธิ ี คลาดเคลื่อน พบว่า ความคลาดเคลื่อนของทั้งสี่วิธีมีการ แจกแจงปกติ (Kolmogorov-Smirnov p-value) สถิติ ตัวแบบ ตัวแบบอนุกรมเวลากา๊ ซ H2S ทดสอบ t (p-value) แสดงค่าเฉลี่ยเท่ากับศูนย์ ค่า พยากรณ์ : ARIMA(1, 1, 0) Levene Statistic ( p-value) มีความแปรปรวนเท่ากัน ทุกช่วงเวลา แต่มีค่า Runs Test Z เคลื่อนไหวของ วิธี 1. BJ Zˆt = 0.6971Zt−1 + 0.3028Zt−2 Brown ไม่เป็นอิสระกัน (p-value = 0.002) ดังนั้นตัว แบบอนุกรมเวลาก๊าซ H2S ที่สร้างขึ้นไม่มีความเหมาะสม 2. Holt Zˆt+m = 3491.9828−16.7465m จึงไม่มคี วามเหมาะสม แต่ถ้าพิจารณาการเปรยี บเทียบคา่ จรงิ กับค่าพยากรณ์อนุกรมเวลาก๊าซ H2S ในข้อมูลชุดสอง 3. Brown Zˆt+m = 4574.4494 ตั้งแต่เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2561 จำนวน 4. Damped 12 ค่า โดยการคำนวณค่า MAPE และ RMSE แสดง (m − 1) − 1 ประสิทธิภาพตวั พยากรณ์ ท้ัง 4 วธิ ี ได้ดังตารางที่ 10 91.0445 Zˆt+m = 3772.0011−111.5866 ตารางที่ 10 การเปรียบเทียบประสิทธิภาพของตัวแบบ mi อนกุ รมเวลาก๊าซ H2S จากท้งั 4 วิธี  (0.3918) i =1 ตัวแบบอนุกรมเวลาก๊าซ H2S จากทั้ง 4 วิธี ที่ การ BJ Holt Brown Damped รูปแบบที่เหมาะสม คือ ARIMA(1, 1, 0) นั้นเพื่อการ พยากรณ์ พยากรณ์ปริมาณก๊าซในอนาคต หาทศิ ทางแนวโน้มและ ค่าพารามิเตอร์ที่เหมาะสม จึงทำการเปรียบเทียบความ MAPE 21.7870 15.4629 55.7112 16.4094 แม่นยำตัวแบบการพยากรณ์ด้วยเกณฑ์ RMSE และ MAPE ในการแสดงค่าประสิทธิภาพของตัวแบบใน RMSE 1,006.80 591.35 1.942.36 630.01 ตารางที่ 9 วิธี Holt จะมีประสิทธิภาพมากที่สดุ จากทั้ง 4 วิธี เพราะค่า MAPE และ RMSE ต่ำที่สุด ดังนั้นวิธีการ พยากรณ์ของวิธี Holt จึงเป็นวิธีที่มีความเหมาะสมมาก ที่สดุ

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 53 ISSN: 2773-9376 (Print), 2773-9473 (Online) 3.2 การพยากรณอ์ งค์ประกอบขอ้ มูลอนกุ รมเวลา เหมาะสมมาพยากรณ์คุณภาพอากาศในข้อมูลชุดสอง ผลของการเปรียบเทียบความเหมาะสมของตัวแบบ ตั้งแต่เดือนมกราคมถึงเดือนธันวาคม พ.ศ. 2560 อนุกรมของก๊าซทั้งสามชนิด ได้แก่ วิธี Damped จำนวน 12 ค่า แล้วนำผลมาเทียบกบั ค่าคุณภาพอากาศ เหมาะสมกับก๊าซ CH4 วิธี BJ เหมาะสมกับก๊าซ CO2 ที่นำมาจากข้อมูลจรงิ ที่เกิดจากค่าเฉลี่ยของแต่ละเดือน และวิธี Holt เหมาะสมกับก๊าซ H2S จึงนำตัวแบบที่ จากขอ้ มลู ในชุดแรก ดงั ตารางท่ี 11 ตารางที่ 11 การพยากรณอ์ งค์ประกอบขอ้ มูลอนุกรมเวลาของของกา๊ ซทงั้ สามชนดิ ค่า พยากรณ์ พ.ศ. 2560 ข้อมลู ประมาณจากข้อมูลจริงในชดุ แรก เดอื น Damped BJ Holt Damped BJ Holt กา๊ ซCH4 ก๊าซ CO2 ก๊าซ H2S ก๊าซ CH4 กา๊ ซ CO2 ก๊าซ H2S ม.ค. 56.5 32.2 3,274 44.8 41.0 6422.2 ก.พ. 56.7 28.9 3,258 47.2 36.4 6172.2 ม.ี ค. 56.9 26.9 3,241 46.9 36.7 5223.3 เม.ย. 57.0 30.3 3,224 47.8 39.4 6422.2 พ.ค. 57.2 29.5 3,207 53.1 36.9 6991.1 ม.ิ ย. 57.3 30.2 3,191 47.4 39.1 7364.4 ก.ค. 57.5 28.3 3,174 50.2 35.6 6877.1 ส.ค. 57.7 28.1 3,157 48.6 37.3 6043.3 ก.ย. 57.8 26.7 3,140 42.8 36.0 4690.0 ต.ค. 58.0 29.5 3,124 51.1 36.0 5285.5 พ.ย. 58.1 31.3 3,107 46.2 40.1 5373.3 ธ.ค. 58.3 30.0 3,090 45.6 38.9 4531.1 การพยากรณ์ข้อมูลอนุกรมเวลาของ สรุปผล องค์ประกอบก๊าซทั้งสามชนิดด้วยตัวแบบที่คัดเลือกมา จากการหาตัวแบบพยากรณ์องค์ประกอบของอนกุ รมเวลา จากการศึกษาการเปรียบเทียบวิธีวิเคราะห์ กา๊ ซท้ังสามชนิดที่เหมาะสม ซง่ึ ผลท่ไี ดว้ ิธี Damped สร้าง ข้อมลู คุณภาพอากาศ กรณศี ึกษาพลังงานก๊าซชีวภาพใน ตัวแบบอนุกรมเวลาก๊าซ CH4 ได้ใกล้เคียงกับค่าประมาณ จังหวัดสุพรรณบุรี ซึ่งตัวแบบพยากรณ์ข้อมูลอนุกรม จริงมากสดุ รองลงมาคือ วิธี BJ สรา้ งตัวแบบอนุกรมเวลา เวลาองคป์ ระกอบกา๊ ซทั้งสามชนิด ไดแ้ ก่ กา๊ ซ CH4 ก๊าซ กา๊ ซ CO2 ไดใ้ กลเ้ คียงเลก็ น้อย สว่ นวิธี Holt สร้างตัวแบบ CO2 และก๊าซ H2S โดยเลือกวิธวี ิเคราะห์ 4 วิธีได้แก่ วิธี อนุกรมเวลาก๊าซ H2S ห่างจากค่าประมาณจริงอยู่มาก BJ วิธี Holt วิธี Brown และวิธี Damped ตามลำดับ ดังนั้นจากข้อมูลข้างต้นในช่วงการหาตัวแบบที่เหมาะสม โดยพบว่า การวิเคราะห์ข้อมูลในส่วนประกอบของค่า จากการคัดเลือกเปรียบเทียบทั้ง 4 วิธีจนนำมาหาค่า แนวโน้มและความผันแปรฤดูกาลไม่คงที่จึงเลือกใช้การ พยากรณ์ พบว่าค่าที่ได้ห่างจากค่าจริงและไม่สามารถ แปลงค่า จากนั้นหาตัวพยากรณ์ที่เหมาะสมนั่นคือ วิธี แสดงค่าพยากรณท์ ่ีเหมาะสมในอนาคตได้ Damped เหมาะสมกับก๊าซ CH4 วิธี BJ เหมาะสมกับ ก๊าซ CO2 และวิธี Holt เหมาะสมกับก๊าซ H2S

54 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ตามลำดับ จากนั้นได้นำตัวแบบไปหาค่าพยากรณ์ใน เอกสารอา้ งอิง อนาคต พบว่าวิธี Damped สร้างตัวแบบอนุกรมเวลา ข้อมูลก๊าซ CH4 ได้ใกล้เคียงกับค่าจริงมากที่สุด แต่ 1. Manmin M. Time series and forecasting. 1st เนื่องจากองค์ประกอบของก๊าซชีวภาพจำเป็นต้อง edition. Bangkok: Four Printing Company. 2006. ประกอบด้วยก๊าซชนิดอื่น ๆ ที่ได้ให้ผลสะท้อนคุณภาพ อากาศ จงึ จำเป็นที่จะต้องนำมาศกึ ษาเพือ่ จะได้แสดงถึง 2. Lorjeerachunkul W, Chittawet J. Forecasting คุณภาพอากาศในจังหวัดสุพรรณบุรี จากปัญหาที่ทำให้ techniques. 1st edition. Bangkok: Academic ได้ตัวแบบไม่เหมาะสมอาจมีผลมาจากปัจจัยและ Document Promotion Project National Institute สภาพแวดล้อมที่มีผลต่อการเก็บข้อมูลไม่คงที่ในแต่ละ of Development Administration, 2005. เดือน อาจจำเป็นต้องมีการเปลี่ยนมาเก็บเป็นข้อมูล รายวันหรือความผันแปรในการผลิตกา๊ ซ ได้แก่ อณุ หภูมิ 3. Ket-iam S. Forecasting techniques. 2nd ของระบบ ปริมาณสารอินทรีย์ในระบบ ค่าความ edition. Songkhla: Thaksin University. 2005. เหมาะสมต่อความเป็นกรดและด่าง ระยะเวลาในถัง หมกั และการคลกุ เคล้าสารอินทรยี ์ในบอ่ หมกั ดงั น้ันถา้ มี 4. Taesombat S. Quantitative forecasting. 1st การควบคุมวิธีการที่ได้ข้อมูลมาใหม่อาจจะทำให้การ edition. Bangkok: Kasetsart University. 2006. วิเคราะห์ข้อมูลอนุกรมเวลามีความน่าเชื่อถือและ แม่นยำมากขึน้ นอกจากนยี้ งั มีแนวคดิ วิธีวิเคราะห์หาตัว 5. IBM Corporation. Brown’s Exponential แบบที่เหมาะสมดังนี้ งานตัวแบบ [6] ตัวแบบผสม Smoothing (TSMODEL Algorithms) [Internet]. สำหรับข้อมูลคุณภาพอากาศระหว่างวิธีบอกซ์เจนกินส์ Availability from: https://www.ibm.com/ และโครงขา่ ยประสาทเทียมแบบแพรย่ ้อนกลับท่ีสามารถ support/knowledgecenter/SSLVMB_22.0.0 ใช้ได้ดีกับการพยากรณ์ งานวิจัยของ Chuentawat [7] /com.ibm.spss.statistics.algorithms/alg_ts แสดงการพยากรณ์ค่าความเข้มข้นของค่าฝุ่นละออง model_models_exsmooth_browns.htm. ขนาดเล็กไม่เกิน 10 ไมครอนด้วยเครือข่ายประสาท เทยี มรว่ มกบั รปู แบบออโตรีเกรสซีพโดยใชค้ ่าจริงรายวัน 6. Somsila C, Chiewwattana S, Sunat K. Mixed ในการวิเคราะห์เชิงเดี่ยวได้อย่างเหมาะสมและงาน model for air quality forecasting Case study ศกึ ษา Kiratiwiboon [8] ศกึ ษาการพยากรณ์ระหว่างวิธี of air quality data in Thailand. The 11th บอกซ์เจนกินส์ วิธีการทำให้เรียบแบบเอกซ์โพเนนเชียล Annual Graduate Research Research ที่มีฤดูกาลอย่างง่าย เช่น วิธีการทำให้เรียบแบบเลขชี้ Conference. 2010. p. 247-58. กำลังของโฮลต์ วิธีการทำให้เรียบแบบเลขชี้กำลังของ บราวน์และวิธีการทำให้เรียบแบบเลขชี้กำลังที่มี 7. Chuentawat R. Prediction of dust concentrations แนวโน้มแบบแดมมา ทั้งนี้อาจทำให้การพยากรณ์ as small as 10 microns with a neural network in เหมาะสมมากขึ้น ดังนั้นหากนำแนวคิดเบื้องต้นมา combination with an autoregistration model. ประกอบการศึกษาใหม่ในการสร้างตัวแบบพยากรณ์ Burapha Science Journal. 2017;22(3):519-37. คุณภาพอากาศจากพลังงานทางเลือกก๊าซชีวภาพใน จงั หวดั สุพรรณบรุ ีคร้ังต่อไป 8. Kiratiwiboon K. Comparison of forecasting methods between the Box-Jenkins method. Simple seasonal exponential smoothing method and combined forecasting method. For forecasting the average monthly temperature in Bangkok. Burapha Science Journal. 2013;18(2):149-60.

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 55 ISSN: 2773-9376 (Print), 2773-9473 (Online) Efficient Modified Estimator for the Mean Estimation Using Auxiliary Information in Sample Surveys Napattchan Dansawad* Department of Mathematics, Faculty of Science, King Mongkut’s University of Technology Thonburi, Bangkok 10140, THAILAND *Corresponding author e-mail: [email protected] ARTICLE INFO ABSTRACT Article history: Several researchers use the auxiliary information to enhance Received: April 6, 2022 the efficiency of their estimators in estimating the population Revised: May 5, 2022 parameters in sample surveys. Studies aim to find out more efficient Accepted: May 10, 2022 estimators than recently proposed estimators and make inferences Available online: June 7, 2022 about the unknown population parameters such as population total, DOI: 10.14456/jarst.2022.6 population mean, population proportion, or population variance. Keywords: Auxiliary variable, And one of the population parameters that are widely studied and Bias, Modified estimators, MSE, used, is the population means. In this paper, the author attempts to Population mean develop a new modified estimator for the mean of the population in simple random sampling without replacement (SRSWOR) by utilizing information on four auxiliary variables. Therefore, the new estimators with their properties up to the first degree of approximation such as bias and Mean Squared Error (MSE) have been studied. In addition, the optimum value of the real numbers and the minimum MSE of the proposed estimators have been investigated. A few members were also derived from the proposed estimators by allocating the different suitable values of constants. Furthermore, the efficiency of the proposed estimators has been compared with other relevant existing estimators through theoretical study. While the data of peppermint oil production data in Digha India is used for the empirical study to compare the performance of the new

56 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) estimator with other existing estimators. The results of this paper showed that the new estimators are more efficient under the criteria of MSE and Percent Relative Efficiencies (PRE) as compared to all other consideration estimators for certain natural populations available in the literature. INTRODUCTION Where y and x are the sample means of the study and auxiliary variables, respectively, In the sampling theory literature, many authors have introduced the use of auxiliary whereas X is the population mean of the information to increase the efficiency of their auxiliary variable. The consonants a(a  0) and estimators. For instance, Cochran [1] used the c are either real numbers or functions of strong positive correlation between study and auxiliary variables such as variance, auxiliary variables to present the ratio estimator. On the other hand, if the correlation between (Sx2 = (N −1)−1 N − X )2 ), coefficient of study and auxiliary variables is strongly negative, then the product estimator proposed by i=1(xi Robson [2] and Murthy [3] may be used. Recent developments in both ratio and product variation (Cx = Sx / X), and correlation coefficient estimators, together with their variety of modified forms are clearly described in detail (yx = Syx / SySx ) . In contrast, the consonants  by Sisodia and Dwivedi [4], Pandey and Dubey [5], Upadhyaya and Singh [6], Singh [7], Singh and g are integer to be determined. and Tailor [8], Kadilar and Cingi [9, 10], Singh et al. [11], Singh and Tailor [12], Al-Omari et al. [13], The bias and MSE of this family of Singh et al. [14], Yan and Tian [15], Singh et al. [16], Subramani and Kumarpandiyan [17], Jeelani et Khoshnevisan et al. [20] estimators are respectively al. [18], and Jerajuddin and Kishun [19]. shown as: Many estimators were further extended to cover the proposed previously by Khoshnevisan Bias( y1 ) = (1 − f ) Y g C2  (g +1)  − C  , (2) et al. [20]. The estimator of Khoshnevisan et al. n x  2  [20] is given as follows: (3)MSE( y1) (1− f ) = n Y 2 Cy2 + g Cx2 ( g − 2C) , where f = n / N,  = aX / (aX +b), C2S2 2, N y y = /Y S2 = (N −1)−1 i ( yi −Y )2 , y =1 Cyx = Syx / Y X , C =  Cyx y / Cx , and Syx = (N −1)−1 N −Y )(xi − X ). i=1( yi y1 = y  aX + c g , (1) However, Khoshnevisan et al. [20]  + (1−)(aX  estimator is quite difficult to use in practice.   (ax + c) + c)  Therefore, Yadav et al. [21] improved the estimator of Khoshnevisan et al. [20] by using the assumption of the values of  and g

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 57 ISSN: 2773-9376 (Print), 2773-9473 (Online) equal to one and adding the consonants of b y3 = y  abX + cd g . (7) and d in equation (1), as:  abx + cd    y2 = y  abX + cd  (4) After that, if the sample mean y in  abx + cd ,   equation (7) is replaced with  abx + cd 1− g , y  abX + cd  The bias and MSE Yadav et al. [21] estimators the new modified estimator of population mean are respectively shown as: is obtained as: (1− Bias( y2 ) = n f ) YCx2 ( − C), (5) (6) = (1− f ) 2 Cy2 +Cx2 ( − 2C) , y4 =  abX + cd g  abx + cd 1− g , n y abx + cd   abX + cd  MSE( y2 ) Y   where  = abX / (abX + cd) . = y  abX + cd 2g −1 (8)  abx + cd .   In this present paper, the authors have suggested the modification of Yadav et al. [21] To obtain the bias and MSE of y3 and y4 by using the concept of power transformation under SRSWOR, let us define under SRSWOR scheme. The expressions in terms of bias, MSE, and minimum MSE of y = Y (1+ e0 ) and x = X (1+ e1) (9) proposed estimators were obtained. In addition, comparative studies of the proposed estimators where e0 and e1 are the sampling error on with other relevant existing estimators have auxiliary and study variables, respectively. been considered through the theoretical and Further, one may assume that empirical studies, which show the efficiency of the proposed estimators was clearly better than E(e0 ) = E(e1) = 0 . (10) the other estimators. When the population parameter of the auxiliary variable is known, after solving the expectations, the following expression is obtained as MATERIALS AND METHODS E(e02 ) = (1− f ) Cy2 , n Modified Estimator E(e12 ) = (1− f ) Cx2 , and (11) n The authors propose to create a new estimator by adjusting the Yadav et al. [21] E(e0 e1 ) = (1− f ) CCx2 . using the concept of power transformation n under SRSWOR scheme. When the term of The bias of y3 can be found as follows:  abX + cd  from equation (4) is raised to the Bias(y3) = E(y3 −Y )  abx + cd    abX + cd g  (12)   y  abx + cd  . = E    −Y  power of constant g, the new estimator is as follows:

58 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) By using the equation (9) , one can rewrite the The MSE of y4 can be found from equation (18) above equation, as as follows:   abX + cd g  MSE( y4 ) = (1− f ) Y 2 Cy2 + (2g −1)Cx2 (2g −1) − 2C. Y e0 )  abX (1+ e1) +   n Bias( y3 ) = E  (1 + cd  −Y   (18) = E Y (1+ e0 )(1+e1 )−g −Y . (13) The MSE of y3 and y4 at (17) and (18) depends on three constants g,  and C . So, keeping Rewrite equation (13) in terms of equations (10) the values of g and C fixed. To obtain the and (11); one gets value of  that minimizes for y3 and y4 Bias( y3 ) = E Y (1 + e0 )(1− ge1 + g ( g+ 1)  2e12 ) −Y  respectively, one takes the partial derivative of 2  equation (17) for y3 and (18) for y4 with = YE 1− ge1 + g ( g +1)  2e12 + e0 − ge0e1 −Y  respect to  and equate in each equation to 2  zero. Therefore, the optimum values of  for = (1 − f ) Yg C2  ( g + 1)  − C  . (14) y3 as n x  2  (19)  = C / g =  .(opt1.) Further, bias of y4 is obtained from equation and the optimum values of  for y4 as (15) as follows:  = C / (2g −1) =  .(opt2.) (20) Bias( y4 ) = (1− f ) (2g −1)YCx2  g − C. (15) To replace the optimum values of  for y3 n equation (19) into equation (17), the minimum In addition, the MSE of y3 can be found as MSE of y3 is given by: follows: MSE( y3) = E( y3 −Y )2 min.MSE( y3 ) = (1− f ) Y 2 C 2 − C C2 2  . (21) n y x = E Y (1 + e0 ) (1 +  e1 )−g −Y 2 And the substitution of the optimum values of   for y4 of equation (20) in equation (18)  g ( g+ 1)  2 yields the minimum MSE of y4 as  2  = Y 2E − g e1 +  2e12 + e0 − g e0 e1 = Y 2E g22e12 + e02 − 2ge0e1 . (16) min .MSE( y4 ) = (1− f ) Y 2 Cy2 − C C2 2  , (22) n x Rewrite equation (16) in term of equations (10) and (11), one get which is the same equation as before. MSE( y3 ) = Y 2  g 2 2 (1 − f ) C2 + (1 − f ) C2 − 2g (1 − f ) CCx2  Therefore, the common minimum MSE of y3  n x n y n  and y4 is given by: (17)=(1− f ) min.MSE( y3, y4 ) = (1− f ) Y 2 Cy2 − C C2 2  . (23) n n x Y 2 Cy2 + g 2 C2 2 − 2gCCx2  . x

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 59 ISSN: 2773-9376 (Print), 2773-9473 (Online) To replace the different choices of the constants and ( 8) , one can generate a few members of a, b, c, d,  and g into equations (1), (4), (7), y1, y2, y3, and y4 as given in Table 1: Table 1 A few members of y1, y2, y3, and y4 Values of constants Estimator a b c d g A few members of y1 y1(1) =  X + 1 (x)  Yan and Tian (15) 1 - 1(x) - 11 y x +  11  ( x)  11  1 1 -1 1 -1 y1( 2 ) =  nX + yx  Yadav et al. (21) n - yx - 1 -1 y  nx + yx  y1(3) =   ( x) X +   1(x) -  - y  1 yx  yx  (x)x +  1 yx y1( 4 ) =  x + 1(x)  1 - 1(x) - y X + 1(x)    y1(5) =  nx +   - - y  yx  nX +  n yx yx y1(6) =  1(x)x + yx  1(x) -  - y  1(x) X +  yx yx A few members of y2 y2(1) = y  Cx X + 1(x)  Yan and Tian (15) 1 Cx 1(x) 1 - -  Cx x   +  ( x)  1 y2 ( 2 ) = y  nCx X +   Yadav et al. (21) n Cx  1 - -  nCx x + yx  yx  yx y2(3) = y   ( x)M d X +  Cyx x  Yadav et al. (21) 1(x) M d yx Cx - -  1 +  Cyx x   ( x)M d x 1 A few members of y3 y3(1) = y  Cx X + 1(x)  = y2(1) 1 Cx 1(x) 1 - 1  + 1(x)   Cx x  y3( 2 ) =  nCx X + yx  = y2 ( 2 ) n Cx yx 1 - 1 y  nCx x + yx  y3(3) =  1(x)Md X +  Cyx x  = y2(3) 1(x) M d  Cx - 1 y  1(x)Md x +  Cyx x  yx y3( 4 ) =  Cx x + 1(x)  1 Cx 1(x) 1 - -1 y Cx X + 1(x)   

60 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) Estimator Values of constants a b c d g y3(5) =  nCx x + yx  Cx  1 - -1 y   yx nCx X +  n -1 yx y3(6) =  1(x)Md x +  Cyx x  1(x) M d yx Cx - y  1(x)Md X + yxCx  A few members of y4 y4(1) = y  Cx X + 1(x)  = y3(1) = y2(1) 1 Cx 1(x) 1 - 1  Cx x + 1(x)  n Cx yx 1 - 1   1(x) M d yx Cx - 1 1 Cx 1(x) 1 - 0 y4(2) =  nCx X + yx  = y3( 2 ) = y2 ( 2 ) n Cx yx 1 - 0 y  nCx x + yx  1(x) M d yx Cx - 0 y4(3) =  1(x)Md X + yxCx  = y3(3) = y2(3) y  1(x)M d x + yxCx  y4(4) = y  Cx x + 1(x)  = y3( 4 )  Cx X + 1(x)    y4(5) =  nCx x +   = y3(5) y  yx  nCx X +  yx y4(6) =  1(x)M d x + yxCx  = y3(6) y  1(x)Md X + yxCx  Efficiency Comparisons MSE( y1(3) ) = (1− f ) Y 2 Cy2 +3Cx2 (3 − 2C) (27) n In this section, the authors intend to compare the efficiency of y3 and y4 with MSE( y1(4) ) = (1− f ) Y 2 Cy2 +1Cx2 (1 + 2C) (28) other existing estimators, as shown in Table 1. n It is well known that the MSE of the unbiased estimator y under SRSWOR is given by MSE( y1(5) ) = (1− f ) Y 2 Cy2 +2Cx2 (2 + 2C) (29) n MSE( y1(6) ) = (1− f ) Y 2 Cy2 +3Cx2 (3 + 2C) n (1− f ) (24) (30) n MSE( y) = Y C2 2 . (1− f ) 2 Cy2 +1Cx2 (1 2C) y n MSE( y2(1) , y3(1) , y4(1) ) = Y − The expressions for the MSE of a few members (31) of y1, y2, y3, and y4 are derived as MSE( y2(2) , y3(2) , y4(2) ) = (1− f ) Y 2 Cy2 +2Cx2 (2 − 2C) n (1− MSE( y1(1) ) = n f ) Y 2 Cy2 +1Cx2 (1 − 2C) (25) (32) (1− f ) (26) MSE( y2(3) , y3(3) , y4(3) ) = (1− f ) Y 2 Cy2 +3Cx2 (3 − 2C) n n MSE( y1(2) ) = Y 2 Cy2 + 2Cx2 (2 − 2C) (33)

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 61 ISSN: 2773-9376 (Print), 2773-9473 (Online) MSE( y3( 4 ) , y4 ( 4 ) ) = (1− f ) Y 2 Cy2 +1Cx2 (1 + 2C) MSE( y1(6) ) − min .MSE( y3 , y4 ) =  (3 + 2C) + C2  0 n 3 (34) (43) (1− f ) (viii) the estimator y , y , y2(1) 3(1) 4(1) if n MSE( y3(5) , y4(5) ) = Y 2 Cy2 +2Cx2 (2 + 2C) MSE( y ,2(1) y ,3(1) y )4(1) − min.MSE( y3, y4 ) =  (1 − 2C) + C2  0 1 (35) (44) MSE( y3(6) , y4(6) ) = (1− f ) Y 2 Cy2 +3Cx2 (3 + 2C) (ix) the estimator y , y , y2(2) 3(2) 4(2) if n MSE( y ,2(2) y ,3(2) y4(2) ) − min .MSE( y3 , y4 ) = 2 (2 − 2C) + C2  0 (36) (45) where  = X / (X + 1(x)), 1 (x) the estimator y , y , y2(3) 3(3) 4(3) if  = nX / (nX + yx ), MSE( y ,2(3) y ,3(3) y )4(3) − min .MSE( y3 , y4 ) = 3 (3 − 2C) + C2  0 2 (46)  = 1(x) X / (1(x) X + yx ), (xi) the estimator y , y3(4) 4(4) if 3 1 = Cx X / (Cx X + 1(x)),  = nCx X / (nCx X + yx ), MSE( y ,3(4) y4(4) ) − min .MSE( y3 , y4 ) = 1(1 + 2C) + C2  0 2 (47) 3 = 1(x)M d X / (1(x)M d X + yxCx ). (xii) the estimator y , y3(5) 4(5) if It is observed from equations ( 23) to ( 36) that the estimators y3 and y4 are more efficient MSE( y ,3(5) y4(5) ) − min .MSE( y3 , y4 ) = 2 (2 + 2C) + C2  0 than (48) (i) the unbiased estimator y if Empirical Study MSE( y) − min.MSE( y3, y4 ) = C C2 2  0 (37) To examine the efficiency of the x estimators discussed in the present paper, the authors considered the data provided in Yadav (ii) the estimator y1(1) if et al. [21], which details are as follows: MSE( y1(1) ) − min .MSE( y3 , y4 ) =  (1 − 2C) + C2  0 Yadav et al. [21] have used the 1 peppermint oil production data in Digha India, and assumed that the yield of peppermint oil (38) ( in kilogram) and the area of the field in Bigha were taken as the study and auxiliary variables, (iii) the estimator y1(2) if respectively. The description of population parameters is summarized in Table 2. MSE( y1(2) ) − min .MSE( y3 , y4 ) = 2 (2 − 2C) + C2  0 (39) (iv) the estimator y1(3) if MSE( y1(3) ) − min .MSE( y3 , y4 ) = 3 (3 − 2C) + C 2  0 (40) (v) the estimator y1(4) if MSE( y1(4) ) − min .MSE( y3 , y4 ) = 1 (1 + 2C) + C2  0 Table 2 Parameters and constants of the population under study (41) (vi) the estimator y1(5) if MSE( y1(5) ) − min .MSE( y3 , y4 ) = 2 (2 + 2C) + C2  0 N = 150 X = 4.20, Cx = 0.73 n = 40 (42) Y = 33.46 Cy = 0.76 (vii) the estimator y1(6) if Md = 3 yx = 0.91  ( x) = 2.80 1

62 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) The criteria for comparing the (i) Among all estimators considered in this efficiency of estimators in this study, the percent relative efficiencies (PRE) of all existing population group, it is envisaged that the estimators with respect to unbiased estimator y was used and presented in Table 3 as estimators y , y , y , ( y1(1) 1(2) 1(3) 2(1) = y3(1) = y4(1) ), follows: and( y2(2) = y3(2) = y4(2) ), ( y2(3) = y3(3) = y )4(3) The PRE of all estimators with respect to y is calculated by are the parts of the ratio estimator that will be effective when the data are positively correlated. Furthermore, the data of this section are positively correlated so that the values of MSE( y) (49) MSE of these estimators have small when MSE( yi ) PRE( y, yi ) = 100 compared with other existing estimators. where yi denote the estimator that we are On the contrary, the estimators interested in comparing with y such as y1(1) , y ,1(2) …. , and so on. y , y , y , ( y1(4) 1(5) 1(6) 3( 4) = y4(4) ), ( y3(5) = y4(5) ), and (y3(6) = y )4(6) are the parts of the product Table 3 MSE and PRE of all existing estimators estimator. Due to this, they have large MSE Estimator MSE PRE values compared to other estimators. For y 12.9333 100.0000 proposed estimators y3, y4 (at its optimum), once observed that they have the smallest MSE A few members of y1 3.6633 353.0511 2.2498 574.8555 compared to all estimators in this study. y1(1) 2.2276 580.5824 30.7946 41.9985 Therefore, one can infer from the values of MSE y1( 2 ) 47.2251 27.3865 y1(3) 44.1987 29.2617 that among all estimators, the proposed y1( 4 ) 4.3757 295.5691 estimators y3, y4 (at its optimum) are the best y1(5) 2.2477 575.4136 in the sense of having the smallest MSE. y1( 6 ) 2.2371 578.1210 (ii) When considering the values of PRE of all A few members of y2 28.0104 46.1732 47.1335 27.4397 estimators, one can find that the PRE of y = y = y2(1) 3(1) 4(1) 46.6203 27.7418 y = y = y2(2) 3(2) 4(2) 2.2232 581.7336 estimators y , y , y , ( y1(1) 1(2) 1(3) 2(1) = y3(1) = y4(1) ), y = y = y2(3) 3(3) 4(3) and( y2(2) = y3(2) = y4(2) ), ( y2(3) = y3(3) = y )4(3) A few members of y3 have larger PRE values than the estimators y = y3(4) 4(4) y = y3(5) 4(5) y , y , y , ( y1(4) 1(5) 1(6)3( 4) = y4(4) ), ( y3(5) = y4(5) ), and y = y3(6) 4(6) (y3(6) = y )4(6) . Moreover, the proposed y3 , y4 (Proposed estimator) estimator y3, y4 (at its optimum) has the largest PRE value compared to all estimators. From Table 3, one can derive two preliminary From empirical study, one can results as follows: conclude that the proposed estimators are more desirable overall than those under optimum conditions for this population data.

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 63 ISSN: 2773-9376 (Print), 2773-9473 (Online) RESULTS AND DISCUSSIONS evaluated from theoretical and empirical studies, which found that the proposed estimators are It is well known in sample surveys that always better than the mentioned existing when the correlation between the study and estimators in literature, having the smallest and auxiliary variables is positive, the performance highest values of MSE and PRE, respectively. of the ratio estimator is generally more efficient Therefore, the proposed estimators are than the product estimator, which corresponds recommended for their practical use in to the result of Table 3. Table 3 shows that the estimating the population means when the MSE of the proposed estimator y3, y4 (at its auxiliary information is available. optimum) are consistently less than the other existing estimators under consideration for this REFERENCES population. While the value of PRE of its are persistently higher than other ones. Therefore, 1. Cochran WG. The estimation of the yields one can summarize that the proposed of the cereal experiments by sampling for estimator y3, y4 (at its optimum) performs well the ratio of grain to total produce. J Agric compared to other existing estimators in terms Sci. 1940;30:262-75. of MSE and PRE. However, among all estimators, besides the proposed estimator y3, y4 (at its 2. Robson DS. Application of multivariate optimum), one recommends using a few polykays to the theory of unbiased ratio- members of the estimator y1(3) as an inferior type estimation. J Am Stat Assoc. 1957;52: alternative to the proposed estimators y3, y4 511-22. for estimating the population mean. Because the values of MSE and PRE are relatively close 3. Murthy MN. Product method of estimation. to the proposed estimators .y3, y4 Sankhya. 1964;26A:69-74. CONCLUSION 4. Sisodia BVS, Dwivedi VK. A modified ratio estimator using coefficient of variation of This paper proposed new modified auxiliary variable. J Indian Soc Agric Stat. estimators for estimating the population means 1981;33:13-8. by adapting the Yadav et al. [21] estimator and using the information on auxiliary variables. The 5. Pandey BN, Dubey V. Modified product expressions for bias, MSE, the optimum value of estimator using coefficient of variation of the real numbers and the minimum MSE of the auxiliary variate. Assam Stat Rev. 1988;2(2): proposed estimators are investigated and 64-6. compared with relevant existing estimators. In addition, the efficiency of all estimators was 6. Upadhyaya LN, Singh HP. Use of transformed auxiliary variable in estimating the finite population mean. Biom J. 1999;41( 5) :627- 36.

64 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) 7. Singh GN. On the improvement of product Applications - First International Conference, method of estimation in sample surveys. J ICICA 2010; 2010 Oct 15-18; Tangshan, Indian Soc Agric Stat. 2003;56(3):267-75. China. Berlin: Springer, 2010, p. 103-110. 8. Singh HP, Tailor R. Use of known correlation 16. Singh HP, Tailor R, Tailor R. Estimation of coefficient in estimating the finite population finite population mean in two-phase sampling mean. Stat Transit. 2003;6:555-60. with known coefficient of variation of an auxiliary character. Statistica. 2012;72(1): 9. Kadilar C, Cingi H. Ratio Estimators in Simple 111-26. Random Sampling. Appl Math Comput. 2004; 151:893-902. 17. Subramani J, Kumarapandiyan G. Estimation of population mean using co- efficient of 10. Kadilar C, Cingi H. An improvement in variation and median of an auxiliary variable. estimating the population mean by using Int J Probab Stat. 2012;1(4):111-18. the correlation coefficient. Hacet J Math Stat. 2006;35(1):103-9. 18. Jeelani MI, Maqbool S, Mir SA. Modified ratio estimators of population mean using 11. Singh HP, Tailor R, Kakaran MS. An estimator linear combination of co-efficient of skewness of population mean using power transformation. and quartile deviation. Int J Mod Math Sci. J Indian Soc Agric Stat. 2004;58(2):223-30. 2013;6(3):174-83. 12. Singh HP, Tailor R. Estimation of finite 19. Jerajuddin M, Kishun J. Modified ratio population mean using known correlation estimators for population mean using size coefficient between auxiliary characters. of the sample, selected from population. Statistica. 2005;65(4):407-18. Int J Sci Res Eng Technol. 2016;2(2):10-6. 13. Al-Omari AI, Jemain AA, Ibrahim K. New ratio 20. Khoshnevisan M, Singh R, Chauhan P, estimators of the mean using simple Sawan N, Smarandache F. A general family random sampling and ranked set sampling of estimators for estimating population methods. Investig Oper. 2009;302:97-108. mean using known value of some population parameter(s) . Far East J Math Sci. 2007;22: 14. Singh HP, Upadhyaya LN, Tailor R. Ratio- 181-91. cum- product type exponential estimator. Statistica. 2009;69(4):299-310. 21. Yadav SK, Dixit MK, Dungana HN, Mishra SS. Improved estimators for estimating average 15. Yan Z, Tian B. Ratio method to the mean yield using auxiliary variable. Int J Math Eng estimation using coefficient of skewness of Manag Sci. 2019;4:1228-38. auxiliary variable. In: Zhu R, Zhang Y, Liu B, Editors. Information Computing and

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 65 ISSN: 2773-9376 (Print), 2773-9473 (Online) การพฒั นาผลิตภณั ฑแ์ หนมหนอ่ ไม้ด้วยกลา้ เชื้อโพรไบโอตกิ Development of Fermented Bamboo Shoots with Probiotic Starter Culture ปาลดิ า ตงั้ อนรุ ตั น์* และ เจริญ เจริญชยั Palida Tanganurat* and Chareon Chareonchai สาขาวิทยาศาสตร์และเทคโนโลยีการอาหาร คณะเทคโนโลยีการเกษตร มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรี จังหวดั ปทุมธานี 12110 Department of Food Science and Technology, Faculty of Agricultural Technology, Rajamangala University of Technology Thanyaburi, Thanyaburi, Pathumthani 12110, THAILAND *Corresponding author e-mail: [email protected] ARTICLE INFO ABSTRACT Article history: The objectives of this research were to develop fermented Received: December 22, 2021 bamboo shoots with probiotic starter Pediococcus pentosaceus (MG12) Revised: May 18, 2022 and Lactobacillus plantarum (M29). The optimum formula and Accepted: June 2, 2022 concentration of starter culture during fermentation time on properties Available online: June 13, 2022 of fermented bamboo shoots the result revealed that the formula that MSG and sugar added showed the highest mean score in term of odor, DOI: 10.14456/jarst.2022.7 taste and overall liking (P≤0.05). Besides, pH of the fermented bamboo Keywords: fermented bamboo shoots was between 3.68-3.89 at the end of fermentation time for 3 shoots, probiotic, starter culture days. Then the formula that MSG and sugar added was selected for further investigation. The different concentrations of mixed probiotic starter powder between Ped. pentosaceus (MG12) and Lac. plantarum (M29) ratios of 1:1 (0, 0.5, 1.0, and 1.5% w/w) were studied. The results revealed that usage of probiotic starter cultures affected L* value, pH and total acidity (lactic acid). Fermented bamboo shoots inoculated with starter cultures had higher L* value and total acidity (P≤0.05), but lower pH than control (P≤0.05). The sensory evaluation by a 9-point hedonic scale exhibited that 0.5% w/w starter culture received the highest liking score for taste and overall liking. Microbiological analysis

66 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) of bamboo shoots Nham indicated that Salmonella spp., Clostridium perfringens, and Staphylococcus aureus were not detected. Escherichia coli were < 3 MPN/g. Yeast and mold counts were <10 CFU/g. The survival of probiotic starter cultures in bamboo shoot Nham were more than 6 log CFU/g that complied with probiotic product standards. บทคัดย่อ มีชวี ติ คงเหลอื ในผลิตภณั ฑแ์ หนมหน่อไมม้ ากกว่า 6 log CFU/g ซึ่งเปน็ ไปตามมาตรฐาน ผลิตภัณฑโ์ พรไบโอตกิ งานวิจัยนี้มีวตั ถุประสงค์เพื่อพฒั นาผลิตภณั ฑ์ แหนมหน่อไม้หมักด้วยกล้าเชื้อโพรไบโอติก Pediococcus คำสำคญั : แหนมหน่อไม้ จลุ นิ ทรยี โ์ พรไบโอติก กล้าเชื้อ pentosaceus (MG12) และ Lactobacillus plantarum (M29) หาสูตรที่เหมาะสมและผลของปริมาณของกล้า บทนำ เชื้อระหว่างการหมักต่อสมบัติของแหนมหน่อไม้ พบว่า สูตรทเี่ ตมิ ผงชูรส และน้ำตาลทราย ได้คะแนนความชอบ หน่อไม้ (Bamboo shoots) เป็นพืชที่ได้รับ ด้านประสาทสัมผัสสูงที่สุดด้านกลิ่น รสชาติ และ ความนิยมในการบริโภค ทั้งในรูปแบบหน่อไม้สด ความชอบรวม (P≤0.05) ขณะที่แหนมหน่อไม้มีค่า pH หน่อไม้แห้ง และหน่อไม้ดอง เนื่องจากมีรสชาติอร่อย อยรู่ ะหวา่ ง 3.68-3.89 เมือ่ สิ้นสุดกระบวนการหมกั เป็น หาได้ง่ายในฤดูฝน โดยเฉพาะในประเทศในแถบภูมิภาค เวลา 3 วัน จากนั้นนำสูตรที่เติมผงชูรส และน้ำตาล เอเชียมีการบริโภคหน่อไม้สูงถึง 2 ล้านตันต่อปี หน่อไม้ ทราย ไปศึกษาตอ่ โดยใช้ปริมาณ ผงกล้าเชือ้ โพรไบโอตกิ นับเป็นพืชเศรษฐกิจที่มีความสำคัญต่อเศรษฐกิจชุมชน ผสมระหว่าง Ped. pentosaceus (MG12) และ Lac. และประเทศ ประเทศไทยมีมูลค่าการค้าของผลิตภัณฑ์ plantarum (M29) อัตราส่วน 1:1 ที่ความเข้มข้น หนอ่ ไม้ทั้งแบบสดและแปรรูปประมาณปลี ะ 1,400 ล้าน แตกต่างกัน (0, 0.5, 1.0 และ 1.5% โดยน้ำหนกั ) พบว่า บาท และส่งออกไปยังต่างประเทศประมาณปีละไม่ต่ำ กลา้ เชือ้ โพรไบโอติกสง่ ผลต่อค่าความสวา่ ง คา่ ความเป็น กว่า 1,000 ล้านบาท [1] เมื่อพิจารณาที่คุณค่าทาง กรดด่าง และปริมาณกรดแลคติกท้ังหมด แหนมหน่อไม้ โภชนาการของหน่อไม้ไผ่ตงแล้ว พบว่าหน่อไม้ไผ่ตงมี ที่เติมกล้าเชื้อทำให้ค่าความสว่างและปริมาณกรด ปริมาณของโปรตีน กรดอะมิโน และเส้นใยสูง มีแร่ธาตุ ทั้งหมดสูงกว่าแต่ค่าความเป็นกรดด่างลดลงกว่าชุด โดยเฉพาะโซเดียมและแคลเซียมอยู่จำนวนมาก ควบคุม (P≤0.05) การประเมินคุณภาพทางประสาท สารอาหารที่พบในหนอ่ ไมไ้ ผต่ ง 100 กรมั ประกอบด้วย สัมผัสโดยวิธี 9-point hedonic scale พบว่าการเติม พลังงาน 30 kcal น้ำ 91.9 กรัม เถ้า 0.8 กรัม โปรตีน กล้าเช้ือปริมาณ 0.5% โดยน้ำหนกั ได้คะแนนความชอบ 2.3 กรัม ไขมัน 0.2 กรัม คาร์โบไฮเดรต 4.8 กรมั ไฟเบอร์ ด้านรสชาติ และความชอบรวมสูงที่สุด การวิเคราะห์ 0.9 กรัม แคลเซียม 49 มิลลิกรัม ฟอสฟอรัส ทางจุลชีววิทยาของแหนมหน่อไม้ไม่พบ Salmonella 55 มิลลิกรมั เหลก็ 0.3 มลิ ลิกรัม วติ ามินบี 1 (Thiamin) spp., Clostridium perfringens และ Staphylococcus 0.06 มลิ ลิกรัม วิตามิน บี 2 (Riboflavin) 0.06 มิลลิกรมั aureus ส่วนจำนวน Escherichia coli ไม่เกิน 3 MPN/g วิตามิน บี 3 (Niacin) 0.8 มิลลิกรัม วิตามินซี 11 และยีสต์ราน้อยกว่า 10 CFU/g มีจำนวนโพรไบโอติกที่ มิลลิกรัม นอกจากนี้ยังมีรายงานว่าพบสารต้านอนุมูล อสิ ระในหนอ่ ไม้อกี ด้วย [2]

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 67 ISSN: 2773-9376 (Print), 2773-9473 (Online) ปัจจุบันเทคโนโลยีหมักดองมีต่ออุตสาหกรรม วิธีดำเนินการวจิ ยั มากขึน้ เนอื่ งมาจากราคาวัตถุดิบท่เี พมิ่ ขึ้นในชว่ งภัยแล้ง และประชากรส่วนใหญ่สนใจแปรรูปอาหารให้ใกล้เคียง การศึกษาสูตรที่เหมาะสมในการทำแหนมหนอ่ ไม้ ธรรมชาติให้มากที่สุด ไม่มีการเจือปนของสารเคมีใน กระบวนการผลติ และยังเป็นอาหารเพ่ือสุขภาพอกี ดว้ ย นำหน่อไม้ไผ่ตงมาสับและหั่นเป็นเส้น ๆ นำ ซึ่งปัจจุบันอาหารหมักดองที่ได้รับความสนใจจาก หน่อไม้ที่สับแล้วไปต้มจนเดือด เป็นเวลา 30 นาที ผู้บรโิ ภค คือ แหนมเห็ด ซึ่งจดั อยใู่ นกลมุ่ ไส้กรอกก่ึงแห้ง จากนั้นทิ้งไว้ให้เย็นแล้วบีบน้ำออก นำส่วนผสมทั้งหมด มีคุณค่าทางโปรตีนสูง และมีปริมาณ ไขมันตํ่า [3] เป็น ผสมให้เข้ากันตามแต่ละสูตร ดังแสดงในตารางที่ 1 อัด ผลิตภณั ฑ์ที่พัฒนามาจากแหนมทใ่ี ช้เน้ือสตั วเ์ ปน็ วัตถุดิบ ใส่ถุง และมัดยางให้แน่น หมักที่อุณหภูมิห้อง 30 - 35 อยา่ งไรก็ตามหนอ่ ไม้ก็เปน็ วัตถุดบิ ทางการเกษตรท่ียังไม่ องศาเซลเซียส เป็นเวลา 1-2 วันหรือมีค่า pH 4.6 โดย มีนักวิจัยนำมาผลิตเป็นแหนมหน่อไม้เพื่อเพิ่มความ ทดสอบคณุ ลักษณะต่าง ๆ ของแหนมหนอ่ ไม้ท่ีหมักเป็น หลากหลายของผลิตภัณฑ์ปราศจากเนือ้ สัตว์ เวลา 1, 2 และ 3 วัน ไดแ้ ก่ หัวเชื้อหรอื กล้าเชอ้ื บรสิ ุทธิ์ (Starter culture) ตารางที่ 1 ปริมาณส่วนผสมของแหนมหน่อไมแ้ ต่ละสูตร ในรูปลักษณะที่เป็นเชื้อผงนำมาใช้ได้ง่ายโดยนําเชื้อผง ส่วนผสม (%) สตู รท่ี 1 สูตรที่ 2 สูตรที่ 3 คลุกเคล้ากับวัตถุดิบในการผลิตแหนมในปริมาณที่ พอเหมาะก็สามารถผลิตแหนมที่มีคุณภาพดี และใช้ หน่อไมส้ ับ 76.5 87 93 เวลาหมักน้อยกว่าการผลิตโดยไม่ใช้เชื้อหรือหมักตาม ข้าวเหนยี ว 10 4 2 ธรรมชาติสำหรับการเลือกใช้เชื้อบริสุทธิ์มาเติมลงใน กระเทยี ม 10 4 2 ผลิตภณั ฑ์ มีวตั ถปุ ระสงค์เพื่อใหผ้ ลติ ภัณฑ์นั้นมีคุณภาพ ที่ดีกว่า และมีความปลอดภัยสูง มีระยะเวลาการหมัก เกลอื 2.5 3 2 สั้นลง ได้ผลิตภัณฑท์ ่ีมีคุณภาพสมำ่ เสมอ และมีอายุการ พริกป่นเกาหลี 1 1 1 เก็บรักษาที่คงทน สำหรับเชื้อแบคทีเรียที่มีบทบาทต่อ น้ำตาลทราย 0 0.5 0 ผลิตภัณฑ์เปน็ กลมุ่ แบคทีเรยี ที่สร้างกรดแลคตกิ (Lactic acid bacteria) เพอ่ื ใหเ้ กิดรสเปร้ยี ว และกลน่ิ รสเฉพาะ ผงชรู ส 0 0.5 0 ของผลิตภณั ฑ์ ไดแ้ ก่ Lactobacillus plantarum และ Pediococcus cerevisiae [4, 8] โดยนำมาใช้ในหลาย ที่มา : Praditsrigul N. et al. [5] รูปแบบทั้งเชื้อเดี่ยวและเชื้อผสม เซลล์เปียก (สด) และ เซลลแ์ หง้ (ผง) ใชป้ ริมาณ 1-2 % โดยนำ้ หนกั วัดคา่ สีโดยใชเ้ ครอ่ื งวัดสีในหน่วย Hunter (L*, a*, b*) วัดค่าความเป็นกรดด่าง pH ด้วยเครื่องวัด pH งานวิจัยจะมุ่งเน้นพัฒนาผลิตภัณฑ์แหนม meter วัดค่าปริมาณของแข็งที่ละลายได้ทั้งหมด Total หน่อไม้หมักด้วยกล้าเชื้อโพรไบโอติก และนำมา soluble solid (TSS) ด้วย Hand refractometer และ วิเคราะห์คุณภาพของผลิตภัณฑ์ทั้งทางกายภาพ เคมี ประเมินคุณภาพทางประสาทสัมผัส (Sensory test) จุลชีววิทยาและประสาทสัมผัสให้ได้ผลิตภัณฑ์พร้อม ด้วยวิธี 9-point hedonic scale โดยผู้ทดสอบชิม รับประทานทมี่ ีความแปลกใหม่ ท้ังยงั เสริมด้วยจุลนิ ทรีย์ จำนวน 30 คน โพรไบโอติก เพมิ่ ทางเลอื กใหก้ บั ผู้บริโภค การเตรียมกลา้ เชอื้ เขี่ยเชื้อแบคทีเรียกรดแลคติกที่มีคุณสมบัติ เปน็ โพรไบโอ-ติกทีค่ ัดแยกจากตวั อยา่ งผกั ดอง [9] ได้แก่ Pediococcus pentosaceus (MG12) และ Lactobacillus plantarum (M29) มาเพาะเลี้ยงบนอาหารแข็ง MRS

68 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) บ่มที่อุณหภูมิ 37 องศาเซลเซียส เป็นเวลา 48 ชั่วโมง การวิเคราะห์ขอ้ มลู ทางสถิติ ทำการเขี่ยโคโลนเี ดีย่ วจากอาหารเลยี้ งเชอ้ื ใส่ลงในหลอด ที่มีอาหารเหลว MRS ปริมาณ 5 มิลลิลิตร บ่มเชื้อที่ สำหรับการวิเคราะห์คุณภาพทางกายภาพ เคมี อุณหภูมิ 37 องศาเซลเซียส เป็นเวลา 48 ชั่วโมง จากนั้น และจุลินทรีย์ วางแผนการทดลองแบบ Completely ทำการปน่ั เหว่ียงเซลลด์ ้วยความเร็ว 5,000 รอบต่อนาที Randomized Design, CRD) สำหรับการทดสอบทาง เป็นเวลา 5 นาที เทสารละลายส่วนใสทิ้ง ทำการล้าง ประสาทสัมผัสวางแผนการทดลองแบบสุ่มในบล็อก เซลล์สองครั้งด้วย saline solution ที่ฆ่าเชื้อแล้ว (9 log สมบูรณ์ (Randomized complete block design: RCBD) CFU/ml) เพอื่ นำไปใชเ้ ป็นกลา้ เช้ือ โดยถา่ ยเชือ้ 5 % (v/w) นำข้อมูลที่ได้ไปวิเคราะห์ความแปรปรวน (ANOVA) และ ลงในนำ้ แครอทจากน้ันบ่มท่ีอุณหภูมิ 37 องศาเซลเซียส เปรียบเทียบความแตกต่างของค่าเฉล่ียโดยวิธี Duncan’s เป็นเวลา 3 ชั่วโมง [6] มาผสมกับสารที่ก่อให้เกิด โฟม New Multiple Range Test ท่ีระดับนยั สำคัญ (P≤0.05) แต่ละชนิด คือ เมโทเซลร่วมกับไข่ขาวผงในอัตราส่วน 1:1 นำเข้าเครื่องผสมอาหารเพื่อตีให้เกิดโฟม โดยใช้ ผลการศกึ ษาและอภปิ รายผล เครื่องตีแบบหัวตะกร้อใช้เวลาในการตีผสม 20 นาที แล้วกระจายโฟมบนถาด อบที่ 60 องศาเซลเซียส ก 3 ชั่วโมง ผลิตภัณฑท์ ี่ไดม้ าบดแล้วบรรจใุ นถงุ ฟอยล์ [7] เก็บที่อณุ หภมู ิ -20 องศาเซลเซียส การศึกษาผลของกล้าเชื้อต่อคุณภาพของแหนมหน่อไม้ ด้านต่าง ๆ นำส่วนผสมของแหมหน่อไม้สูตรที่ได้คะแนน ข ความชอบสูงสุดจากการคัดเลือกสูตรมาเติมกล้าเชื้อผง หมักที่อุณหภูมิห้อง 30 ถึง 35 องศาเซลเซียสเป็นเวลา รูปที่ 1 การเปลี่ยนแปลงค่า pH (ก) และร้อยละของ 3 วันหรือมีคา่ pH 4.6 ทำการทดลอง 3 ซำ้ โดยเตมิ กลา้ ปริมาณกรดแลคติกทั้งหมด (ข) ระหว่าง เช้ือทป่ี ริมาณ 0, 0.5, 1.0 และ 1.5% ของส่วนผสมท้ังหมด กระบวนการหมักแหนมหน่อไม้แต่ละวัน โดย จากนั้นทดสอบคุณลักษณะต่าง ๆ ดังนี้ วัดค่า pH ค่า เครื่องหมาย * แสดงว่ามีความแตกต่างอย่างมี Total soluble solid (TSS) โดยใช้เครื่อง refractometer นัยสำคญั ทางสถิติ (P≤0.05) (Atago, Japan) วดั ค่า Titratable acidity (TA) วัดคา่ สี จากการหาสูตรในการทำแหนมหน่อไม้ที่มี โดยใช้เครื่องวัดสีในหน่วย Hunter (L* a* b*) (Minolta CR-10, Japan) และการประเมินทางประสาทสัมผัส คุณภาพและได้รับการยอมรับทางประสาทสัมผัสมาก ( Sensory test) ด ้ ว ย ว ิ ธี 9 - point hedonic scale ผู้ทดสอบชิม จำนวน 30 คน เลือกสูตรแหนมหน่อไม้ที่ผู้ ทดสอบชิมใหก้ ารยอมรับมากท่สี ุดมาตรวจสอบคุณภาพ ทางจุลินทรีย์ ได้แก่ จำนวนแบคทีเรียกรดแลคติก จุลินทรีย์ทั้งหมด Staphylococcus aureus ยีสต์และ รา E. coli และ Salmonella

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 69 ISSN: 2773-9376 (Print), 2773-9473 (Online) ท่สี ดุ เพอื่ เลอื กสตู รทจ่ี ะนำไปใช้ในการหมักด้วยกล้าเชื้อ เป็นโซเดียมและกลูตาเมตอิสระซึ่งมีคุณสมบัติในการ ต่อไป โดยตรวจสอบค่า pH ของแหนมหน่อไม้แต่ละ เพิ่มรสชาติอาหารให้เด่นชัดขึ้น และกลมกล่อมมากข้ึน สูตร หมักเปน็ เวลา 3 วัน แสดงดงั รปู ท่ี 1 พบวา่ ค่า pH เช่นเดียวกับงานวิจัยที่ทำการศึกษาสูตรการพัฒนา ของแต่ละสูตรลดลงจาก 6.03 เป็น 3.63 และมีร้อยละ แหนมเหด็ นางฟา้ [5] ปริมาณกรดแลคติกท้ังหมดเพิ่มขึ้นอย่างมีนัยสำคัญทาง สถิติ (P≤0.05) ระหว่าง 0.04-0.45 เมื่อหมักเป็น รปู ที่ 2 คุณภาพทางประสาทสัมผัสของแหนมหน่อไม้ เวลานานขน้ึ สำหรับคา่ สี L* a* b* พบว่า คา่ ความสว่าง แต่ละสูตร โดย a-c ตัวอักษรที่แตกต่างกัน (L*) จะมีค่ามากขึ้นเมื่อ pH ลดลงอย่างมีนัยสำคัญทาง แสดงความแตกต่างอย่างมนี ยั สำคัญ (P≤0.05) สถิติ ขณะที่ค่าสีแดง-เขียว (a*) และค่าสีเหลือง-น้ำเงิน นำสูตรท่ี 2 ที่มีการเติมผงชูรสและน้ำตาล (b*) มีค่าลดลงอย่างมีนัยสำคัญทางสถิติ (P≤0.05) แสดงดังตารางท่ี 2 ทรายซึ่งได้รับคะแนนความชอบทางประสาทสัมผัสดา้ น กลิ่น รสชาติและความชอบโดยรวมมากที่สุดอย่าง ตารางที่ 2 ค่าสี L* a* b* ของแหนมหน่อไม้ระหว่าง นัยสําคัญทางสถิติ (P≤0.05) มาศึกษาผลของการเติม กระบวนการหมกั แต่ละสตู ร กล้าเชื้อ Pediococcus pentosaceus MG12 และ Lactobacillus plantarum M29 ซึ่งมีคุณสมบัติเป็น สตู ร วันท่ี L* a* b* จุลินทรีย์โพรไบโอติก [9] ในปริมาณต่าง ๆ ท่ี 0, 0.5, 1.0 และ 1.5% ต่อคุณภาพทางเคมีกายภาพ และ 1 31.66b± 0.23 20.49a± 0.46 36.87a± 0.42 จุลินทรีย์ โดยทั่วไปผลิตภัณฑ์หมักดองเกิดขึ้นได้ 2 สภาวะ คือ การหมักตามธรรมชาติและการหมักด้วย 1 2 32.17b± 0.12 17.88b± 0.14 30.57b± 1.61 กลา้ เชอ้ื โดยการหมักตามธรรมชาติจะอาศัยแบคทเี รียท่ี พบตามธรรมชาติ ซึ่งอาจปนเปื้อนมากับวัตถุดิบ 3 37.96a± 0.06 15.60c± 0.13 26.47c± 0.51 ส่วนผสมหรือปนเปื้อนมากับเครื่องมือที่ใช้ในการผลิต แตก่ ารหมกั ด้วยกล้าเชอื้ จะมีการเตมิ กลา้ เชือ้ บริสทุ ธข์ิ อง 1 30.13a± 0.10 21.25a± 0.39 35.57a± 1.51 แบคทีเรียกรดแลคติกลงไป เช่น Lac. plantarum, Pediococcus cerevisiae, P. acidilactici แ ล ะ P. 2 2 31.83b± 0.52 20.06b± 0.44 28.96b± 1.51 pentosaceus [3] ทําให้ได้ผลิตภัณฑ์ที่มีคุณภาพทั้ง ด้านสี กลิ่น และรสชาติที่ดี มีความปลอดภัยต่อการ 3 33.59c± 0.24 15.72c± 0.56 28.64b± 1.94 บริโภค และเกบ็ ไวไ้ ด้นานขน้ึ [10] 1 31.13b± 0.27 20.67a± 0.75 33.80a± 0.66 3 2 31.29b± 0.18 17.80b± 0.56 33.67a± 0.44 3 32.92a± 0.15 14.36c± 0.48 24.21b± 1.84 หมายเหตุ a-c ตัวอักษรที่แตกต่างกันแสดงความแตกตา่ งอยา่ งมี นยั สำคัญ (P≤0.05) ในแนวตง้ั ของคา่ สีในแต่ละสตู ร จากผลการทดสอบทางประสาทสัมผัสของ แหนมหน่อไม้สูตรต่าง ๆ (รูปท่ี 2) พบว่าสูตรที่ 2 มี คะแนนความชอบด้านรสชาติ กลิ่น และความชอบ โดยรวมมากกว่าสูตรอื่น ๆ อย่างมีนัยสำคัญทางสถิติ ยกเว้นคะแนนด้านสีและเนื้อสัมผัส เนื่องจากสูตรท่ี 2 ใส่ผงชูรสลงไป 0.5 % เมื่อผงชูรส ละลายน้ำจะแตกตวั

70 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ก วัตถุดิบและส่วนผสมเปลี่ยนเป็นกรดแลคติกได้ [12] สอดคล้องกับงานวิจัยของปรมาภรณ์ และคณะ [13] ข ศึกษาผลของการใช้กล้าเชื้อในการหมักแหนมเนื้อโค พบว่าการใช้กล้าเชื้อ Lactobacillus lactis subsp. รปู ท่ี 3 การเปลี่ยนแปลงค่า pH (ก) และร้อยละของ lactis P2 ทำให้แหนมเนื้อโคมีค่า pH ลดลงมากที่สุด ปริมาณกรดแลคติกทั้งหมด (ข) ระหว่าง เมื่อหมักที่อุณหภูมิ 30 องศาเซลเซียสเป็นเวลา 3 วัน กระบวนการหมักแหนมหน่อไม้ที่ใช้กล้าเชื้อใน และอุณหภูมิทีเ่ หมาะสมต่อการหมักแหนมด้วยกลา้ เชอื้ ปริมาณต่าง ๆ ที่ 0, 0.5, 1.0 และ 1.5% โดย แบคทีเรียกรดแลคติก คือ 30 องศาเซลเซยี ส [3] เครื่องหมาย * แสดงว่ามีความแตกต่างอย่างมี นยั สำคญั ทางสถติ ิ (P≤0.05) การลดลงของค่า pH ส่งผลต่อรสชาติของ จากรูปท่ี 3 พบวา่ ค่า pH ของแหนมหนอ่ ไม้ที่ แหนม และช่วยยับยั้งการเจริญของจุลินทรีย์ที่ปนเป้อื น รวมถึงจุลินทรีย์ที่ก่อโรค ผลการยับยั้งเชื้อจุลินทรีย์ยัง ใช้กล้าเชื้อในปริมาณที่แตกต่างกัน เมื่อมีการเติมกล้า เกิดจากการที่เชื้อผลิตสารยับยั้ง เช่น แบคเทอริโอซิน เชื้อมากขึ้น ทำให้ค่า pH ลดลงอย่างรวดเร็วในวันที่ 2 และไฮโดรเจนเปอรอ์ อกไซด์ โดยในต่างประเทศมีการใช้ และ 3 ของกระบวนการหมัก พบว่าแหนมที่เติมเช้ือ Lactobacillus sp. และ Pediococcus sp. เป็นกล้า บริสุทธิ์ทุกสิ่งทดลองมีค่าความเป็นกรด-ด่างต่ำกว่า เชื้อทางการค้าในผลิตภัณฑ์หมัก นอกจากนี้ยังมีการใช้ แหนมที่ไม่ได้เติมเชื้อบริสุทธิ์อย่างมีนัยสำคัญทางสถิติ กล้าเชื้อ Micrococcus sp. ซึ่งเป็นแบคทีเรียที่รีดิวซ์ (P≤0.05) และมีปริมาณกรดแลคติก (%) สูงกว่าแหนม ไนเตรทเป็นไนไตรท์ ส่งผลให้สีของผลิตภัณฑ์มีความ ที่ไม่ได้เติมเชื้อ บริสุทธิ์อย่างมีนัยสำคัญทางสถิติ คงทนยิ่งขึ้น [5] โดยแบคทีเรียสายพนั ธ์ุกรดแลคติกที่ใช้ (P≤0.05) เนื่องจากเชื้อแบคทีเรียกรดแลคติกจาก ในอุตสาหกรรม ได้แก่ แบคทีเรียกลุ่มโฮโมเฟอร์เมนต์- ธรรมชาติและที่เติมลงไปในสามารถหมักน้ำตาลใน เททีฟ (homofermentative) ที่สามารถผลิตกรด แลคติกจากน้ำตาลเป็นส่วนใหญ่ กลุ่ม Lactobacilli, Pediococci, Gram-positive catalase-positive cocci และ coagulase-negative staphylococci ซ่ึง เป็นแบคทีเรียที่ผลิตกรดได้อย่างรวดเร็ว ทำให้ ผลติ ภัณฑม์ ีคุณภาพและมคี วามปลอดภัย [11] ในการหมักยังพบแบคทีเรียกรดแลคติกชนิด อื่นที่มีความสามารถในการผลิตไฮโดรเจนเปอร์ออกไซด์ ซึ่งทำให้แหนมมีสีซีด [5] ซึ่งสอดคล้องกับผลการ วิเคราะห์จากตารางท่ี 4 ที่พบว่าค่าความสว่าง (L*) ใน แหนมหน่อไมจ้ ะมากข้นึ เม่ือทำการหมกั นานข้ึน สำหรับ ค่า a* ซึ่งแสดงค่าสีแดง-เขียว และค่า b* ซึ่งแสดงค่าสี เหลือง-นำ้ เงิน พบว่ามคี ่าลดลงอย่างมีนัยสำคญั ทางสถติ ิ

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 71 ISSN: 2773-9376 (Print), 2773-9473 (Online) ตารางที่ 4 คา่ สี L* a* b* ของแหนมหนอ่ ไม้ดว้ ยกล้าเชอ้ื ในปรมิ าณแตกตา่ งกนั ท่รี ะยะเวลาหมัก 3 วัน ปรมิ าณกล้าเชอ้ื (%) L* a* b* 0 32.22b± 0.06 18.51a± 0.21 30.61a± 0.11 0.5 33.12a± 0.15 18.00b± 0.18 29.63b± 0.13 1.0 33.89a± 0.73 17.54b± 0.73 29.24b± 0.19 1.5 33.46a± 0.22 17.59b± 0.18 29.67b± 0.20 หมายเหตุ a-b ตัวอักษรที่แตกต่างกนั แสดงความแตกต่างอย่างมีนัยสำคัญ (P≤0.05) ในแนวตั้งของแหนมหน่อไม้หมักด้วยกล้าเชื้อใน ปรมิ าณตา่ งกัน รูปท่ี 4 คุณภาพทางประสาทสัมผัสของแหนมหน่อไม้ สตู รเพอ่ื เพมิ่ คะแนนความชอบดา้ นคณุ ภาพทางประสาท ระหว่างกระบวนการหมักที่เติมกล้าเชื้อใน สัมผัสต่อไป ปริมาณตา่ ง ๆ กัน โดย a-c ตัวอักษรทแี่ ตกต่าง ก ั น แ ส ด ง ค ว า ม แ ต ก ต ่ า ง อ ย ่ า ง ม ี น ั ย ส ำ คั ญ ในส่วนของคุณภาพทางจุลชีววิทยา ไม่พบ (P≤0.05) ยีสต์รา E. coli และ Staphylococcus aureus ใน ผลิตภัณฑ์ซึ่งเป็นไปตามมาตรฐานผลิตภัณฑ์ชุมชน ผลการทดสอบคุณภาพทางประสาทสัมผัส แหนมเห็ด (มผช.472/2547) รวมทั้งพบว่ามีจำนวน ของผลิตภัณฑ์แหนมหน่อไม้ที่เติมกล้าเชื้อในปริมาณ โพรไบโอติกที่มีชีวิตคงเหลือในผลิตภัณฑ์มากกว่า ตา่ ง ๆ ดว้ ยวธิ ี 9-point hedonic scale (รูปท่ี 4) พบวา่ 6 log CFU/g ตามประกาศสำนักงานคณะกรรมการ ปริมาณกล้าเชื้อส่งผลต่อคะแนนความชอบด้านรสชาติ อาหารและยา เรื่อง หลักเกณฑ์และแนวทางการ ของผลิตภัณฑ์ และความชอบรวมอย่างมีนัยสําคัญทาง ปฏบิ ัตกิ ารใชจ้ ุลินทรีย์โพรไบโอตกิ ในอาหาร สถิติ (P≤0.05) โดยจากการทดลองพบว่าแหนมที่มีการ เติมกล้าเชื้อจะมีความเป็นกรด-ด่างและปริมาณกรด สรุปผล ทั้งหมดของผลิตภัณฑ์สูงกว่าชุดควบคุม จากผลการ ทดลองสรุปได้วา่ กล้าเชอ้ื ท่ี 0.5% เหมาะสม ในการผลิต การพัฒนาผลิตภัณฑ์แหนมหน่อไม้ด้วยกล้า แหนมหน่อไม้ แต่อย่างไรก็ตามยังเป็นช่วงคะแนน เชื้อโพรไบโอติก พบว่าสูตรท่ี 2 ได้คะแนนความชอบ ความชอบที่ต่ำในระดับชอบเล็กน้อย จึงควรปรับปรุง ด้านประสาทสัมผัสสูงที่สุดด้านกลิ่น รสชาติ และ ความชอบรวม (P≤0.05) แหนมหน่อไม้มีค่า pH อยู่ ระหว่าง 3.68-3.89 เมื่อส้ินสดุ กระบวนการหมัก (3 วัน) จากนั้นศึกษาปริมาณผงกล้าเชื้อที่แตกต่างกัน พบว่า กล้าเชื้อส่งผลต่อค่าความสว่าง pH และปริมาณกรด ท้งั หมด แหนมหน่อไม้ทเ่ี ตมิ กล้าเช้ือ ทำให้คา่ ความสว่าง และปรมิ าณกรดทงั้ หมดสงู และค่า pH ลดลงเร็วกวา่ ชุด ควบคุม (P≤0.05) การประเมินคุณภาพทางประสาท สัมผัสโดยวธิ ี 9-point hedonic scale แสดงว่าการเติม กล้าเชื้อ 0.5% ได้คะแนนความชอบด้านรสชาติ และ

72 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ความชอบรวมสูงที่สุด แหนมหน่อไม้ที่ใช้กล้าเชื้อมี mixed bacterial starter cultures]. Journal of คุณภาพทางกายภาพ เคมี และจุลินทรีย์เป็นไปตาม Agriculture. 1995;11(1):69-81. Thai. มาตรฐานผลิตภัณฑ์ชุมชนของผลิตภัณฑ์แหนม โดยมี จำนวนโพรไบโอติกที่มีชีวิตคงเหลือในผลิตภัณฑ์ 5. Praditsrigul N, Buasanit A, Namhong T, Pokom มากกว่า 6 log CFU/g S, Jangmongkol S. The product development of fermented grey oyster mushroom (Pleurotus กิตติกรรมประกาศ sajorcaju). The 1st Rajamangala University of Technology Suvarnabhumi National ขอขอบคุณคณะเทคโนโลยีการเกษตร Conference; 2016 Jun 22; Rajamangala มหาวิทยาลัยเทคโนโลยีราชมงคลธัญบุรีสำหรับเงินทุน University of Technology Suvarnabhumi. สนับสนุนงานวิจัยงบประมาณรายได้ ประจำปี Phra Nakhon Si Ayutthaya; 2006. p. 480-92. งบประมาณ 2563 6. Tanganurat P, Prathummuan T. Patchimbut เอกสารอ้างองิ Y. Production lactic acid bacteria starter powder using foam-mat drying. The 6th 1. Buntod C, Udomkham R, Khampabat P, International conference on fermentation Prabphai U, Nata W. Development and of value-added agricultural products, technology transfer of bamboo shoots (Proceeding); 2015. pp. 218-23. slicing machine for food processing. Engineering, Science, Technology and Architecture 7. Anuthed C, Sontipeampun W, Konbanggerd conference; 2016 Jul 25-26; Dusit princess T, Chansangsri P. [Optimum conditions in hotel. Nakhonratchasima; 2016. p. 664-70. lemongrass instant powder production by foam-mat drying]. The Journal of KMUTNB. 2. Chongtham N, Bisht MS, Haorongbam S. 2010;20(3):524-33. Thai. Nutritional Properties of Bamboo Shoots: Potential and Prospects for Utilization as a 8. Songsanan P, Charoenrat S. [Effect of lactic Health Food. Compr Rev Food Sci Food Saf. acid bacteria as starter cultures on physical, 2011;10:153-68. chemical, microbiological, and sensory qualities of soft pork ribs nham]. KKU 3. Kwanmuang P. Effect of temperature on Science Journal. 2018;46(3):445-54. Thai. nham fermentation with starter culture. The proceedings of 42nd Kasetsart university 9. Tanganurat P, Chareonchai C. Production of annual conference; 2004Feb3-6; Kasetsart pickled mustard by freeze-dried starter University. Bangkok; 2004. p. 339-46. isolated from fermented vegetables and fruit and evaluation of its quality. Proceeding of 4. Wiriyacharee P, Rujanakraikarn L, Anutarakum the 29th annual meeting of the Thai society S. [Nham product development using for biotechnology and international

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 73 ISSN: 2773-9376 (Print), 2773-9473 (Online) conference; 2017 Nov 23 – 25; Khon Kaen; fermented sausage (Nham) product. The 2017. p. FA-23-32. proceedings of 55th Kasetsart university annual conference; 2017 Jan-Feb 31-3; 10. Maneesri J. Fermented food technology. Kasetsart University. Bangkok; 2017. p. 697- 2nd Edition. Bangkok: Fourface. 2008. pp. 702. 247. 13. Jedwanna P, Pilasombut K, Limsupwanich 11. Zhang W, Xiao S, Samaraweera H, Ahn DE. R, Swetwiwat A, Setthakul J. [Study of Improving functional value of meat quality and microbiology of beef Nham products. Meat Sci. 2010;86:15-31. using Lactococcus lactis subsp. lactis P2 and Sb2 as starter culture in Nham 12. Suwannasaksin P, Chantarapapont W. Study fermentation]. King Mongkut's Agricultural effect of addition Lactobacillus plantarum Journal. 2011;29(3):46-54. Thai. TISTR1331, Lactobacillus fermentum TISTR937 and commercial starter on quality of Thai

74 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) แนวทางการพฒั นาผงหมกั ชะครามสำหรบั เนอ้ื ปลา Development Approach of Marinade Powder from Suaeda maritima for Fish สายชล ทองคำ1* นภาพนั ธ์ โชคอำนวยพร1* และ ตณิ ณภพ จุม่ อ่นิ 2 Saichon Tongkam1*, Napapan Chokumnoyporn1* and Thinnaphop Chum-in2 1สาขาวชิ าอาหารและโภชนาการ คณะวิทยาศาสตร์ มหาวิทยาลยั ราชภฏั จนั ทรเกษม กรุงเทพฯ 10900 1Food and Nutrition Division, Faculty of Science, Chandrakasem Rajabhat University, Bangkok 10900, THAILAND 2Key Laboratory of Thermal Fluid Science and Engineering of MOE, School of Energy and Power Engineering, Xi'an, Shaanxi, 710049, CHINA *Corresponding author e-mail: [email protected], [email protected] ARTICLE INFO ABSTRACT Article history: This research aims to study and find a guideline for the Received: March 21, 2022 development of fish seasoning and marinade powder from Suaeda Revised: May 23, 2022 maritima. seasoning powder from Suaeda maritima for marinating fish. Accepted: May 25, 2022 The study was divided into 4 approaches: (1) focus group discussion, (2) Available online: June 13, 2022 questionnaire, (3) raw materials quality analysis of dried Suaeda maritima DOI: 10.14456/jarst.2022.8 and (4) preliminary acceptance assessment of fish marinating. Results Keywords: Suaeda Maritima, from focus group discussions and questionnaires illustrated that used as Fish, Marinade powder the guidelines for the development of fish seasoning and marinade powder from Suaeda maritima showed that product should have the natural flavor from herbal ingredients, antioxidants and salt content reduction. It should not have contained monosodium glutamate. This product should be packed in zip lock bags and glass bottles. The amount for this product ranged from 70-100 g/1 package. The quality analysis of raw materials from the drying process, found that dried Suaeda maritima contained sodium content 8,680.50 mg /100 g and the antioxidant capacity (Trolox) 1,307.23 (mg eq Trolox/100 g). In addition, the result of consumer acceptance for different fish marinating formulation showed

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 75 ISSN: 2773-9376 (Print), 2773-9473 (Online) that consumers accepted fish using marinating with Suaeda maritima powder at like slightly to like moderately in all quality attributes: color, odor, taste, texture and overall- preference with the preference scores between 6.1-7.6. Thus, it is possible to further research for using dried Suaeda maritima powder to be applied as the main ingredient of seasoning powder for marinating fish. บทคัดย่อ แล้วจึงมคี วามเปน็ ไปได้ทีจ่ ะนำชะครามมาทำการอบแห้ง และบดเป็นผงเพื่อใช้ในการเป็นองค์ประกอบหลักของ งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาและหา ผลติ ภัณฑ์ผงหมักเนือ้ ปลาต่อไป แนวทางในการพัฒนาผลิตภัณฑ์ผงหมักชะครามสำหรับ ใช้ในการหมักเนื้อปลา โดยแบ่งการศึกษาออกเป็น คำสำคัญ: ชะคราม เน้อื ปลา ผงหมัก 4 แนวทางได้แก่ (1) การสนทนากลุ่ม (2) การทำ แบบสอบถาม (3) การวิเคราะห์คุณภาพวัตถุดิบชะคราม บทนำ ที่ผ่านกระบวนการทำแห้ง และ (4) การประเมินการ ยอมรับเบื้องต้นของเนื้อปลาหมักชะคราม ซึ่งผลการ ชะคราม (Suaeda maritima) จัดเป็นพืช สนทนากลุ่ม และการทำแบบสอบถาม พบว่าแนวทางใน ท้องถิ่นชนิดหนึ่งในหลายพื้นที่ของประเทศไทย การพัฒนาผลิตภัณฑ์ผงหมักชะครามที่ผู้บริโภคมีความ เจริญเติบโตได้ง่ายตามป่าชายเลนที่มีดินเค็มและชื้น มี ต้องการที่จะซื้อ ผลิตภัณฑ์ควรมีรสชาติตามธรรมชาติ ลกั ษณะเป็นพรรณไม้พุ่มเตีย้ ใบสเี ขยี วอวบน้ำ ใบมรี สเค็ม ของวตั ถดุ ิบสมุนไพรที่ใช้ ผลิตภัณฑ์ไมค่ วรมีผงชรู ส มสี าร ออกดอกตามซอกใบ เมื่อแก่มีสีแดงอมม่วง ชะครามมัก ต้านอนุมูลอิสระและมีการลดปริมาณเกลือ และ นำมาใช้มาปรุงอาหารและแปรรูปเป็นผลิตภัณฑ์ต่าง ๆ ผลิตภัณฑ์ผงหมักเมื่อนำมาจำหน่ายควรบรรจุในถุงซิป [1-3] โดยปกติสำหรับชะครามที่จะนำมาปรุงอาหารมัก ล็อค และกระปุกแก้ว โดยมีปริมาณในการบรรจุที่ เลือกใช้ใบอ่อนในการประกอบอาหาร [1, 3] ชะครามเป็น เหมาะสมสำหรบั ผลิตภัณฑน์ ้ีอยูใ่ นชว่ ง 70-100 กรัม เมอ่ื พืชที่มีคุณค่าทางโภชนาการที่ประกอบไปด้วยทั้ง โปรตีน พิจารณาถึงการวิเคราะห์คุณภาพวัตถุดิบชะครามที่ผ่าน ไขมัน ใยอาหาร คาร์โบไฮเดรต วิตามินซี [4-5] นอกจากนี้ กระบวนการทำเปน็ ผงจะพบว่าชะครามอบแห้งมีปริมาณ ชะครามยังถือเป็นพืชสมุนไพรที่มีสารต้านอนุมูลอิสระ ปริมาณโซเดียม 8,680.50 มิลลิกรัม/100 กรัม และมีคา่ วิตามินซี ฟลาโวนอยด์ เบต้าแคโรทีน และสารประกอบ ความสามารถในการตา้ นอนุมูลอสิ ระ (Trolox) 1,307.23 ฟีนอลิค [1, 6] และที่สำคัญยังมีการรายงานถึงการนำใบ (mg eq Trolox/100 g) นอกจากนเี้ มอ่ื นำไปทดสอบการ ชะครามไปใช้ประโยชนโ์ ดยการสกดั เกลอื จากชะครามเพ่ือ ยอมรับของผู้บริโภคสำหรับการหมักปลาด้วยวิธีต่าง ๆ ใช้ในผลิตภัณฑ์เครื่องดื่มเกลือแร่ ด้วยการสกัดชะคราม ยังพบว่าการหมักเนื้อปลาด้วยผงชะคราม ผู้บริโภคให้ น้ำหนัก 400 กรัม เกลือ 250 กรัม ต่อปริมาณน้ำ 1,000 การยอมรับในช่วงชอบเล็กน้อยจนถึงชอบปานกลาง โดย มิลลลิ ิตร จะมีปริมาณเกลอื ที่ได้ 301.17 กรมั [7] ที่ผู้บริโภคให้ค่าคะแนนความชอบด้านสี กลิ่น รสชาติ เนื้อสัมผัส และความชอบโดยรวมอยู่ในช่วง 6.1 -7.6 ที่ผ่านมาได้มีการศึกษาเกี่ยวกับการใช้ชะคราม คะแนน ดังนั้นเมื่อพิจารณาถึงแนวทางต่าง ๆ ที่ได้รับ ในการหมักปลาสลิดสลิดแดดเดียว โดยสายชล ทองคำ และ ศิรวิ มิ ล สายเวช [8] ด้วยการเปรียบเทยี บกับการหมัก ด้วยวิธีต่าง ๆ คือ หมักด้วยเกลือ ดอกเกลือ และดอก

76 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ชะคราม จากนั้นจึงทำการประเมินความพึงพอใจของ กลุ่ม และการใช้แบบสอบถาม ซึ่งทางผู้วิจัยได้ดำเนินการ ผู้บริโภค พบว่าปลาสลิดแดดเดียวที่ใช้ใบชะครามร้อยละ ทดลองโดยทำการสนทนากลุ่มกับผู้บริโภคเป้าหมาย 90 ผู้บริโภคยอมรับคุณลักษณะด้านกลิ่น รสชาติ เน้ือ 2 กลุ่ม ได้แก่ กลุ่มแม่บ้านที่มีอายุอยู่ในช่วง 20-50 ปี สัมผัสสูงที่สุด เมื่อเปรียบเทียบกับการใช้เกลือร้อยละ 30 และผู้ประกอบการที่ทำปลาสลิดตากแห้งในจังหวัด และดอกเกลือร้อยละ 90 แต่การยอมรับด้านสีต่ำกว่าการ สมุทรสาครทง้ั เพศชายและหญงิ ทม่ี อี ายุอยใู่ นชว่ ง 20-50 ปี ใช้เกลืออื่น ๆ สิ่งที่น่าสนใจสำหรับงานวิจยั นี้ คือ ผู้วิจัยได้ จำนวนผเู้ ขา้ ร่วมสนทนา 8 คน/กลมุ่ พบว่าปลาที่หมักด้วยชะครามให้กลิ่นรสเอกลักษณ์ เฉพาะตัว ซึ่งเป็นกลิ่นหอมเฉพาะตัวและเป็นเอกลักษณ์ ส่วนการใชแ้ บบสอบถามจะเป็นชนดิ ปลายปดิ ของชะคราม ด้วยเหตุนี้ทำให้คณะผู้วิจัยได้เล็งเห็นความ โดยมกี ลุ่มเป้าหมาย คือ กลุ่มแม่บ้านและผู้บริโภคทัว่ ไป โดดเดน่ ของชะครามดังกล่าว จงึ ไดค้ ิดทจ่ี ะต่อยอดงานวิจัย เนื่องจากผู้วิจัยไม่ทราบจำนวนประชากรที่แน่นอนใน ดังกล่าวโดยการทำเปน็ “ผลิตภณั ฑ์ผงหมักชะครามสำหรับ การกำหนดขนาดของกลมุ่ ตัวอยา่ ง จงึ ได้สุม่ ตัวอย่างตาม เนือ้ ปลา” ซึ่งคาดว่าจะสามารถนำมาหมกั เน้ือปลาสลิดและ สูตรการคำนวณแบบไม่ทราบจำนวนประชากร (Infinite ขยายองค์ความรู้พัฒนาเป็นชนิดอื่น ๆ โดยยังคงให้รสชาติ Population) โดยกำหนดค่าความเช่อื มน่ั รอ้ ยละ 95 ทำ ที่อร่อยและเป็นเอกลักษณ์เฉพาะตัว สามารถเป็นนำไป ให้ได้ขนาดตัวอย่างจากการคำนวณ 385 ตัวอย่าง และ หมกั ปลาสลิดได้ง่าย พกพาได้สะดวก ทา้ ยทสี่ ุดผลการวิจัย ได้มีการสำรองเผื่อไว้ร้อยละ 5 เท่ากับ 20 ตัวอย่าง แต่ นี้นำไปสู่การช่วยเพิ่มมูลค่าให้กับพืชท้องถิ่นและช่วย อย่างไรก็ตามเมื่อทำการเก็บตัวอย่างจริงผู้วิจัยสามารถ ส่งเสริมรายได้ให้กบั เกษตรกรไดอ้ ีกทางหนึ่ง ทั้งน้ีการหมัก เก็บได้ถึงจำนวน 410 คน ทั้งนี้เพื่อป้องกันการเก็บ ด้วยน้ำชะครามมีความเค็มที่ช่วยในการถนอมเนื้อปลาที่มี แบบสอบถามบางตัวอยา่ งอาจจะไม่สมบรู ณ์ สำหรับการ โปรตีนสูงไว้รับประทานได้นาน ซึ่งความเค็มในใบชะคราม สุ่มตัวอย่างจะใช้รูปแบบสะดวก (Convenience นั้นยงั ช่วยลดการเน่าเสยี ของเนื้อปลา และชว่ ยลดกลิ่นคาว Sampling) และวิธีการเกบ็ ขอ้ มูลแบบสอบถามในครั้งน้ี ของปลาสดลงได้ ดังนั้นงานวิจัยนี้จึงมีวัตถุประสงค์เพ่ือ มีการดำเนินการ 2 รูปแบบ คือ การนำแบบสอบถามไป ศึกษาแนวทางการพัฒนาผงหมักชะครามสำหรับใช้หมัก แจกยงั กลมุ่ ตัวอยา่ งโดยตรง และการตอบแบบสอบถาม เนื้อปลา โดยทำการสำรวจความคิดเห็นกลุ่มตัวอย่าง ในระบบออนไลน์ ผู้บริโภคทั่วไป แม่บ้าน และผู้ประกอบการผลิตปลาสลิด ตากแห้ง ทั้งการสนทนากลุ่ม การทำแบบสอบถาม การ เคร่อื งมอื ทใี่ ชใ้ นการวจิ ยั วิเคราะห์คุณภาพวัตถุดิบชะครามที่ผ่านกระบวนการทำ แหง้ และการประเมนิ การยอมรบั เบ้ืองต้นของเน้ือปลาหมัก 1) แบบสอบถามแนวความคิดในการพัฒนา ชะคราม จากนั้นจะนำข้อมูลที่ได้มาช่วยในการพัฒนาสูตร ผลิตภัณฑ์ผงหมักชะครามสมการ ผงหมักทเ่ี หมาะสมสำหรบั การหมักปลาตากแห้งต่อไป 2) แบบประเมินทางประสาทสัมผัสของ วิธดี ำเนินการวิจัย ผลิตภัณฑ์ผงหมักชะครามโดยใช้ 9-point hedonic scale test กลุ่มตัวอย่าง การวิเคราะห์ขอ้ มูล การสร้างแนวความคิดในการพัฒนาผงหมัก ชะคราม ได้ขอ้ มูลจากการศึกษา 2 ส่วนได้แก่ การสนทนา 1) การหาคา่ รอ้ ยละ 2) การหาคา่ เฉลย่ี (Mean) และส่วนเบีย่ งเบน มาตรฐาน (Standard deviation) 3) วิธีการวิเคราะห์ทางสถิติ การวิเคราะห์

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 77 ISSN: 2773-9376 (Print), 2773-9473 (Online) ความแปรปรวน ANOVA โดยมีแผนการทดลองแบบ Duncan’s New Multiple Range Test (DMRT) โ ด ย RCBD (Randomized Complete Block Design) และ กำหนดค่าระดับนยั สำคญั ทางสถติ ทิ ี่ 0.05 เปรียบเทียบค่าเฉลี่ยตามวิธี Turkey's test และ ปลาสลิดสด ขอดเกล็ด ตัดหวั ควกั ไส้ ชัง่ และตวงปลาสลดิ และเกลือตามสูตร อัตราสว่ นเกลอื ทะเลต่อปลา นำปลาสลิดมาเคล้าดว้ ย สลดิ เท่ากบั เกลือทะเล (ท่ีตำให้ละเอยี ด) 0บ.ร3ร:1จุใส่ถงั เกบ็ นำปลาสลิดไปแชใ่ นนำ้ แข็งปน่ ความเย็น แช่ ไว้ 4 วัน นำปลามาลา้ งทำความสะอาด แชน่ ำ้ สะอาดผสมน้ำสม้ สายชู 10 นาที นำปลาตากบนตะแกรงและพลิกปลาให้แห้งทง้ั 2 ด้าน ปลาสลิดแดดเดยี ว รูปท่ี 1 กรรมวธิ ีในการหมักปลาสลิดแดดเดยี วสูตรหมกั เกลือ การวิเคราะห์คุณภาพวัตถุดิบชะครามที่ผ่านกระบวนการ calorimeter การวิเคราะห์ปริมาณโซเดียมด้วยวิธี ทำแห้ง Inductively coupled plasma (ICP) [1 1] แ ล ะ กา ร ทดสอบฤทธิ์ต้านอนุมูลอิสระ (Free radical scavenging วัตถุดบิ หลักท่ีใช้ในงานวิจัยน้คี ือ ชะครามที่เก็บ assay) [1] เกี่ยวในจังหวัดสมุทรสาคร ส่วนที่นำมาใช้ในการทดลอง เป็นส่วนของใบชะครามที่ผ่านการทำแห้ง ซึ่งวิธีการทำ การประเมนิ การยอมรับเบือ้ งต้นของเน้อื ปลาหมกั ชะคราม แห้งได้ดัดแปลงวิธีการจากสกุลตรา คํ้าชู [9] โดยทำการ อบแห้งด้วยตู้อบลมร้อนที่อุณหภูมิ 80 องศาเซลเซียส การประเมินการยอมรับเบื้องต้นของเนื้อปลา เป็นเวลานาน 6 ชั่วโมง จากนั้นจึงทำการวิเคราะห์ หมักจำนวน 3 สูตรได้แก่ สูตรหมักเกลือ (สูตรควบคุม) คณุ ภาพสมบัติทางเคมีไดแ้ ก่ ปริมาณโปรตนี ไขมนั เส้นใย สูตรหมักน้ำชะครามและสูตรหมักผงชะคราม ซึ่งวิธีการ ความช้นื และเถ้าด้วยวิธี AOAC [10] การคำนวณปริมาณ เตรยี มตวั อยา่ งและการประเมนิ การยอมรบั มีดังน้ี คาร์โบไฮเดรตด้วยวิธี Calculation by difference การ วิเคราะห์ค่าพลังงานทั้งหมดโดยใช้เครื่อง Bomb 1. สูตรหมักเกลือ ขั้นตอนในการเตรียม ตัวอย่างเนื้อปลาหมักสูตรหมักเกลือสำหรับใช้ในการ

78 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ประเมินการยอมรบั มีข้นั ตอนแสดงดังรูปท่ี 1 ผลการศกึ ษาและอภปิ รายผล 2. สูตรหมักน้ำชะคราม ใบชะคราม 1000 กรัม ผลการสนทนากลมุ่ น้ำ 300 กรัม สำหรับวิธีการหมักปลาด้วยน้ำชะครามใช้ วิธีการตามรายงานการวิจัยของ สายชล ทองคำ และ จากการสอบถามในหัวข้อการรับรู้ ทัศนคติ ศริ ิวมิ ล สายเวช [8] ซึง่ มีขั้นตอนในการเตรียมชะครามโดย และพฤติกรรมท่ีมีต่อผลิตภัณฑ์ผงหมักตามท้องตลาด นำชะครามมาเด็ดใบและเลือกแต่ใบสด ทำความสะอาด ของผู้บริโภค พบว่าผู้บริโภคท้ัง 2 กลุ่มรู้จักผลิตภัณฑ์ พักให้สะเด็ดน้ำ จากนั้นนำชะครามปัน่ ก่อนหมักปลาสลิด ผงหมักคิดเป็นร้อยละ 100 โดยที่ผู้บริโภคในกลุ่มของ โดยใชอ้ ตั ราสว่ นปลาสลิดต่อใบชะคราม 10:1.5 หมักทงิ้ ไว้ แม่บ้านเคยใช้ผงหมักในการทำอาหารประเภททอด 1 คืน ใส่น้ำแข็งป่น แช่ไว้ในถังน้ำแข็งนำไปตากแดดตาม ผัดและนึ่ง ซึ่งความถี่ในการใช้ผงหมักในการประกอบ ระยะเวลา และในขณะตากแดดจะทำการกลบั ปลาทั้ง 2 ข้าง อาหารในกลุ่มของผู้ประกอบการมีการใช้ผงหมักใน การประกอบอาหารนาน ๆ ครั้ง ส่วนในกลมุ่ ของแมบ่ ้าน 3. สูตรหมักผงชะคราม ผู้วิจัยได้ทดลองสูตร มีการใช้ผงหมักอย่างน้อยสัปดาห์ละ 1 ครั้ง ทั้ง 2 กลุ่ม ผงหมักชะครามเบื้องต้น ซึ่งเป็นสูตรผงหมักชะคราม สนใจหากมีการพัฒนาผลิตภัณฑ์ผงหมัก แบบด้ังเดมิ โดยมอี ตั ราส่วนผงชะครามอบแห้ง 2.5 กรมั ต่อปลาสลิดจำนวน 100 กรัม คลุกหมักปลาเป็นเวลา ผลการตอบแบบสอบถาม 30 นาที ในส่วนของการสร้างแนวความคิดในการพัฒนา 4. การทดสอบการยอมรับของผู้บริโภค การ ผลิตภัณฑ์ผงหมักชะคราม ที่ได้ข้อมูลจากการใช้ เตรยี มตวั อยา่ งสำหรบั ทดสอบชมิ กำหนดขนาดของเน้ือ แบบสอบถามผลดังตารางที่ 1-3 โดยมีผู้ให้ข้อมูลตอบ ปลาแต่ละชิ้นเท่ากับ 4 เซนติเมตร (ปลาสลิด 1 ตัวจะ แบบสอบถามแบ่งเป็นเพศหญิงและเพศชายจำนวน ทำการตัดแบ่งจำนวน 3 ชน้ิ ) ทำการหมกั ด้วยสูตรตา่ ง ๆ 410 คน ซงึ่ พบวา่ มอี ายุในการตอบแบบสอบถามสูงสุดอยู่ จากนั้นทำให้เนื้อสุก [12] โดยวิธีการทอดด้วยการ ในช่วง 21-30 ปี คิดเป็นร้อยละ 67.81 ด้านระดับ ควบคุมปริมาณของเนื้อปลาให้มีปริมาณเท่ากัน ซึ่งการ การศึกษาพบว่า ผู้ตอบแบบสอบถามส่วนใหญ่มีปริญญา ทอดใช้อุณหภมู ิ 170 องศาเซลเซยี ส เวลานาน 10 นาที ตรคี ดิ เปน็ รอ้ ยละ 79.51 ในดา้ นรายได้ผ้ตู อบแบบสอบถาม นำผลิตภัณฑ์ที่ได้ไปวิเคราะห์คุณภาพคุณภาพทาง ส่วนใหญ่มีรายได้อยู่ในช่วง 10,001-20,000 บาท สูงสุด ประสาทสัมผัสโดยศึกษาการยอมรับของผู้บริโภคต่อ คดิ เป็นร้อยละ 55.37 เน้ือสัตว์ท่ผี ่านการหมักโดยใชผ้ ลติ ภณั ฑ์ผงหมักชะคราม สำหรับเน้อื ปลา ในการศึกษาการยอมรับของผูบ้ รโิ ภคใช้ จากข้อมูลตารางที่ 1 พบว่า ผู้ตอบแบบ สเกลแบบ 9-point hedonic scale กับผู้บริโภคจำนวน สอบถามเป็นเพศหญิงจำนวน 314 คน รอ้ ยละ 76.59 เพศ 30 คน ซึ่งแต่ละตัวอย่างจะมีเลขรหัสกำกับไว้ด้วยรหัส ชายจำนวน 96 คน ร้อยละ 23.41 ซึ่งอายุ21-30 ปี เลขสุ่ม 3 ตัว จากนั้นผู้รับการทดสอบให้คะแนน จำนวน 278 คน ร้อยละ 67.81 มีอายุอยใู่ นช่วง 41-50 ปี ความชอบตามรหัสของตัวอย่างอาหารซึ่งเป็นระดับ จำนวน 73 คน ร้อยละ 17.80 มีอายุมากกว่า 51 ปี ความชอบ 1-9 [13, 14] วิธีการวิเคราะห์ทางสถิตแบบ จำนวน30 คน ร้อยละ 7.32 มีอายุอยู่ในช่วง 31-40 ปี RCBD (Randomized Complete Block Design) และ จำนวน 29 คน ร้อยละ 7.07 ระดับการศึกษาปริญญาตรี เปรียบเทียบค่าเฉลี่ยตามวิธี Turkey's test และ จำนวน 326 คน ร้อยละ 79.51 ระดับการศึกษาสูงกว่า Duncan’s New Multlple Range Test (DMRT) ปริญญาตรีขึ้นไป จำนวน 43 คน ร้อยละ 10.49 ระดับ กำหนดคา่ นยั สำคญั ทางสถิตทิ ่ีระดบั 0.05 การศึกษาอนุปรญิ ญาหรอื เทยี บเทา่ จำนวน 36 คน รอ้ ยละ

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 79 ISSN: 2773-9376 (Print), 2773-9473 (Online) 8.78 อนุปริญญาหรือเทียบเท่า จำนวน 36 คน ร้อยละ 20,001-30,000 บาท จำนวน 73 คน ร้อยละ 17.80 8.78 ระดับการศึกษาประถมศึกษา จำนวน 3 คน ร้อยละ รายได้ตั้งแต่ 30,000 บาทขึ้นไป จำนวน 66 คน ร้อยละ 0.73 ระดับการศึกษามัธยมศึกษาหรือเทียบเท่า จำนวน 16.10 และรายได้ต่ำกว่า หรือเท่ากับ 10,000 บาท 2 คน ร้อยละ 0.49 และมีรายได้อยใู่ นช่วง 10,001- 20,000 จำนวน 44 คน รอ้ ยละ 10.73 บาท จำนวน 227 คน ร้อยละ 55.37 รายได้อยู่ในช่วง ตารางที่ 1 ข้อมูลทั่วไปของกลุ่มผู้บริโภคเป้าหมายที่ทำแบบสอบถามในการพัฒนาผงหมักชะครามโดยใช้ แบบสอบถาม ข้อมูลทว่ั ไปของผู้ตอบแบบสอบถาม จำนวน (คน) ร้อยละ เพศ ชาย 96 23.41 หญงิ 314 76.59 รวม 410 100.00 อายุ ไม่เกนิ 20 ปี -- 21 – 30 ปี 278 67.81 31 – 40 ปี 29 7.07 41 – 50 ปี 73 17.80 มากกว่า 51 ปี 30 7.32 รวม 410 100.00 ระดบั การศึกษา ประถมศึกษา 3 0.73 มธั ยมศึกษาหรอื เทียบเท่า 2 0.49 อนปุ ริญญาหรอื เทียบเท่า 36 8.78 ปรญิ ญาตรี 326 79.51 สูงกว่าปรญิ ญาตรีขึน้ ไป 43 10.49 รวม 410 100.00 รายได้ ตำ่ กวา่ หรอื เทา่ กับ 10,000 บาท 44 10.73 10,001-20,000 บาท 227 55.37 20,001-30,000 บาท 73 17.80 30,000 บาทขนึ้ ไป 66 16.10 รวม 410 100.00 สำหรับตารางที่ 2 ในด้านความถี่ของการซ้ือ ซื้อผลิตภัณฑ์ คือ ห้างสรรพสินค้ามากที่สุดคิดเป็นร้อย ผงหมักเพื่อใช้ประกอบอาหารพบว่า กลุ่มผู้บริโภค ละ 50.37 ทง้ั นีห้ ากมีการพฒั นาผลิตภณั ฑ์ผงหมกั ทผ่ี ลิต เป้าหมายมีความถี่ในการซื้อผงหมักที่วางจำหน่ายตาม โดยมสี ่วนผสมของเคร่ืองสมุนไพร ผู้บริโภคเป้าหมายให้ ท้องตลาดของผู้บริโภคจำนวน 1-2 ครั้ง/เดือน สูงสุด ความสนใจสงู สดุ คิดเป็นรอ้ ยละ 92.68 คิดเป็นร้อยละ 53.66 โดยท่สี ถานทร่ี า้ นคา้ ที่มักจะเข้าไป

80 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ตารางที่ 2 ผลการตอบแบบสอบถามเกย่ี วกับข้อมูลทัว่ ไปของผลิตภัณฑ์ผงหมกั ของกลุม่ ผบู้ ริโภคเป้าหมาย ขอ้ มูลทวั่ ไปของผลติ ภณั ฑ์ผงหมกั จำนวน (คน) รอ้ ยละ 1. ทา่ นซอื้ ผลติ ภัณฑผ์ งหมักเพอื่ ใชใ้ น การประกอบอาหารบ่อยแคไ่ หนภายใน 1 เดอื น นอ้ ยกวา่ 1 ครัง้ 88 21.46 1 – 2 คร้ัง 220 53.66 3 – 4 ครง้ั 65 15.85 5 - 6 คร้ัง 15 3.66 มากกวา่ 6 ครัง้ 22 5.37 อื่นๆ - - รวม 410 100.00 2. สถานท่ีร้านคา้ ท่ีทา่ นมกั จะเข้าไปหาซอ้ื ผลติ ภณั ฑ์ ผงหมักเปน็ ประจำ ร้านขายของชำทั่วไปและตลาด 59 14.39 หา้ งสรรพสินคา้ 208 50.73 รา้ นสะดวกซอื้ 139 33.90 รา้ นขายของฝาก -- อื่นๆ 4 0.01 รวม 410 100.00 3. ท่านสนใจผลติ ภณั ฑ์ผงหมกั ปรงุ รสเพอื่ สขุ ภาพ ท่ีผลติ โดยมีส่วนผสมของเครื่องสุมนไพร เชน่ ชะคราม พรกิ ขา่ ตะไคร้ หรอื ไม่ สนใจ 380 92.68 ไมแ่ นใ่ จ 29 7.07 ไมส่ นใจ 1 0.24 รวม 410 100.00 จากตารางที่ 3 ผลการสำรวจข้อมูลเกี่ยวกับ กลิ่นรสของอาหารไทยถึงร้อยละ 24.56 แนวทางที่ การพัฒนาผลิตภัณฑ์ผงหมักปรุงรสเพื่อสุขภาพสำหรับ ผู้บริโภคคิดว่าเหมาะสมสำหรับการพฒั นาผลิตภณั ฑ์ผง เนื้อปลาจากชะครามของกลุ่มผู้บริโภคเป้าหมาย พบว่า หมักปรุงรสจากชะครามเพื่อสุขภาพ ได้แก่ ไม่มีผงชูรส แนวทางในการพัฒนาผลิตภัณฑ์ผงหมักปรุงรสเพื่อ มีสารต้านอนุมูลอิสระและการลดปริมาณเกลือ คิดเป็น สุขภาพสำหรับเนื้อปลาจากชะคราม ผู้บริโภคเห็นว่า ร้อยละ 41.46, 26.34 และ19.03 ตามลำดับ เนื่องจาก ผลิตภัณฑ์ควรมีรสชาติตามธรรมชาติของวัตถุดิบ ผู้บริโภคคำนึงถึงสุขภาพจากการบริโภคอาหารและมี สมุนไพรที่ใช้ถึงร้อยละ 52.63 โดยที่ควรมีการปรุงแต่ง ความรูใ้ นการเลอื กผลิตภัณฑ์อาหารที่มีสารกอ่ ให้เกิดผล

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 81 ISSN: 2773-9376 (Print), 2773-9473 (Online) ต่อสุขภาพและการป้องกันโรคไม่เกินจากปริมาณท่ี ซองทบึ และกระปุกแกว้ ปริมาณในการบรรจทุ ่ีเหมาะสม กำหนดในการบริโภคอาหารจากกรมอนามัย กระทรวง สำหรับผลติ ภณั ฑน์ อี้ ยู่ในช่วง 70- 100 กรมั และราคาที่ สาธารณสุขเก่ียวกับการบริโภคอาหารที่ไม่เป็นอันตราย ผู้บริโภคสามารถซื้อผลิตภัณฑ์ผงหมักปรุงรสจาก ต่อร่างกายโดยการไม่รับประทานอาหารให้หลากหลาย ชะครามสำหรบั เนื้อปลาตอ่ 1 บรรจุภณั ฑอ์ ยใู่ นชว่ ง 21- เพื่อให้ได้สารอาหารที่ครบถ้วนตามปริมาณที่ร่างกาย 40 บาท โดยที่หากมีผลิตภัณฑ์ผงหมักปรุงรสจาก ต้องการ ผู้บริโภคเสนอแนะบรรจุภัณฑ์ที่เหมาะสมใน ชะครามสำหรับเนอื้ ปลา ออกมาจำหน่ายผูบ้ ริโภคจะซื้อ การบรรจุผลิตภัณฑ์ผงหมักปรุงรสเพื่อสุขภาพสำหรับ ผลติ ภณั ฑ์นถ้ี งึ รอ้ ยละ 81.00 เน้ือปลาจากชะคราม ไดแ้ ก่ บรรจุภัณฑท์ เ่ี ปน็ ถุงซิปล็อค ตารางที่ 3 ผลการตอบแบบสอบถามด้านข้อมูลเกี่ยวกับการพัฒนาผลิตภัณฑ์ผงหมักชะครามสำหรับเนื้อปลาของ กลุ่มผบู้ รโิ ภคเปา้ หมาย ขอ้ มูลเกีย่ วกบั การพัฒนาผลิตภณั ฑ์ผงหมักชะครามสำหรับเน้อื ปลา จำนวน (คน) รอ้ ยละ 1. ท่านอยากใหผ้ ลิตภณั ฑผ์ งหมักชะครามสำหรบั เนื้อปลา มีกลน่ิ รสแบบใด กลิน่ ตามธรรมชาติของวัตถุดบิ สมนุ ไพรที่ใช้ 216 52.63 กล่ินของชะครามทีโ่ ดดเด่น 79 19.30 กลน่ิ ของอาหารไทย เชน่ ต้มยำ พริกเผา 101 24.56 อน่ื ๆ 14 3.51 รวม 410 100.00 2. ทา่ นอยากให้ผลติ ภัณฑ์ผงหมักมรี สชาตแิ บบไหน รสชาตติ ามธรรมชาติของวตั ถดุ ิบสมนุ ไพรท่ใี ช้ 329 80.36 รสชาติหวาน 22 5.36 รสชาตเิ ปรี้ยว 22 5.36 รสชาติเคม็ 37 8.93 รวม 410 100.00 3. ทา่ นอยากให้มกี ารพัฒนาผลิตภณั ฑ์ผงหมกั ชะครามสำหรับเนอื้ ปลาเพ่ือ สขุ ภาพอย่างไร ลดเกลอื 78 19.03 ลดหวาน 54 13.17 มีสารต้านอนมุ ลู อสิ ระ 108 26.34 ไมม่ ผี งชูรส 170 41.46 รวม 410 100.00 4. ลักษณะของบรรจภุ ณั ฑท์ ีท่ า่ นตอ้ งการสำหรบั ผลติ ภณั ฑผ์ งหมักชะคราม 15 3.57 สำหรบั เน้อื ปลา 51 12.50 บรรจุภณั ฑ์เปน็ ซองใส 146 35.71 บรรจภุ ณั ฑเ์ ป็นซองทบึ

82 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) ขอ้ มูลเกีย่ วกบั การพัฒนาผลติ ภณั ฑผ์ งหมกั ชะครามสำหรับเนอื้ ปลา จำนวน (คน) ร้อยละ บรรจภุ ณั ฑเ์ ปน็ ถงุ ซิปล็อค 73 17.86 บรรจุภณั ฑ์เป็นกระปุกแกว้ 73 17.86 บรรจุภณั ฑ์เปน็ ขวดแกว้ ขนาดเลก็ รวม 410 100.00 5. ท่านอยากใหผ้ ลิตภณั ฑผ์ งหมักชะครามสำหรบั เนอ้ื ปลาบรรจุใน บรรจภุ ณั ฑป์ รมิ าณเท่าไหรต่ อ่ การซอ้ื ในแตล่ ะครง้ั 15 3.57 30-50 กรัม 183 44.64 70-100 กรมั 37 8.93 500 กรมั 176 42.86 1 กโิ ลกรัม -- อ่ืนๆ 410 100.00 รวม 6. ราคาท่ีท่านสามารถซ้ือผลิตภณั ฑผ์ งหมกั ชะครามสำหรับเนื้อปลาตอ่ 1 95 23.21 บรรจภุ ัณฑ์ 212 51.79 10-20 บาท 66 16.07 21-40 บาท 37 8.93 41-60 บาท 410 100.00 100 บาท รวม 329 81.00 7. ถ้าหากมผี ลติ ภณั ฑผ์ งหมักชะครามสำหรบั -- เนื้อปลาออกมาจำหนา่ ยท่านจะซอื้ บรโิ ภคหรอื ไม่ 81 11.00 ซื้อ 410 100.00 ไมซ่ อ้ื ไม่แนใ่ จ รวม ผลการสนทนากลมุ่ ชะครามอบแห้งบดที่ผ่านการบดให้เป็นผงเพื่อใช้เป็น ส่วนผสมในผงหมกั สามารถแสดงได้ดงั รปู ท่ี 2 ตามตารางท่ี งานวิจัยนี้ได้ดำเนินการวิเคราะห์คุณภาพ 4 จากการวิเคราะห์องค์ประกอบทางเคมีของชะครามที่ วัตถดุ บิ ชะคราม เพ่ือให้ทราบถงึ องคป์ ระกอบทางเคมีหรือ ผ่านการทำแห้งด้วยการอบแห้งที่อณุ หภมู ิ 80 องศาเซลเซยี ส สารอาหารทีส่ ำคญั ท่ีมีอยู่ของชะครามก่อนนำไปใช้ในการ เป็นเวลา 6 ชั่วโมง เพื่อใช้เป็นส่วนผสมในการทำผงหมัก พัฒนาผงหมักชะครามสำหรับเนื้อปลา โดยลักษณะทาง พบว่า ชะครามที่ผ่านกระบวนการดังกล่าวมี ปริมาณ กายภาพของทั้งใบชะครามสด ใบชะครามอบแห้งที่ โปรตีน คาร์โบไฮเดรต ไขมัน เถ้า และความชื้นเท่ากับ อุณหภูมิ 80 องศาเซลเซียส เป็นเวลา 6 ชั่วโมง และใบ

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 83 ISSN: 2773-9376 (Print), 2773-9473 (Online) 17.26 44.75 2.98 30.96 และ 4.05 กรัม/100 กรัม ส่วน เช่นเดยี วกบั การใช้ตอู้ บลมร้อน โดยนำชะครามใสถ่ าดตาก ปริมาณโซเดียม 8,680.50 มิลลิกรัม/100 กรัม เมื่อ แดดเป็นระยะเวลานาน 14 ชั่วโมง ช่วงเวลาในการตาก วิเคราะห์ความสามารถในการต้านอนุมูลอิสระ พบว่า แดดตั้งแต่ 9.00 -16.00 น. ซึ่งการตากแดดจัดเป็นวิธีการ ชะครามแห้งดังกล่าวมีค่าความสามารถในการต้านอนุมูล หนึ่งของกระบวนการทำให้อาหารแห้งที่ช่วยในการถนอม อิสระ (Trolox) 1,307.23 (mg eq Trolox/100 g) เมื่อ อาหาร โดยการทำให้น้ำระเหยออกไปจากอาหารจนได้ เทียบจากผลการศึกษาในก่อนหน้าของ Sudjaroen Y. ผลิตภัณฑ์ที่แห้งสามารถเก็บไว้ได้นาน ซึ่งการทำแห้งถือ [15] พบว่ามีค่าทีค่ อ่ นข้างแตกต่างกัน โดยส่วนที่แตกต่าง ว่าเป็นการลดความชื้นสามารถทำไดห้ ลายวธิ ี แต่ละวิธีจะ กนั คาดว่ามาจากฤดกู าลกบั พ้ืนทีเ่ กบ็ เกีย่ ว [16] มีข้อดีและข้อเสียที่แตกต่างกัน การตากแดดเป็นวิธีการ ดั้งเดิมที่ไม่จำเป็นต้องใช้เครื่องมือขั้นสูง ประหยัด นอกจากนี้ในงานวิจัยนี้ได้มีการศึกษาการทำ ค่าใช้จ่าย แต่ก็ใช้เวลานานในการทำแห้งและต้อง แห้งชะครามโดยใช้พลังงานแสงอาทิตย์ด้วยการตากแดด ระมัดระวังเร่ืองของการปนเปือ้ นจากฝนุ่ หรอื แมลง ม ี ข ั ้ น ต อ น ใ น ก า ร เ ต ร ี ย ม ช ะ ค ร า ม ก ่ อ น ก า ร ท ำ แ ห้ ง ตารางท่ี 4 คุณภาพของวัตถุดบิ ชะครามทผ่ี ่านการอบแหง้ สว่ นของชะคราม องคป์ ระกอบทางโภชนาการ (รอ้ ยละ) โปรตีน คาร์โบไฮเดรต ไขมัน เถา้ ความชน้ื ใบชะครามสดa 2.96 2.60 0.66 NA NA NA ใบชะครามสดb 3.46 2.18 0.15 NA NA 4.05 ใบชะครามแหง้ c 12.96 29.36 2.26 12.70 91.22 ใบชะครามแห้งd 17.26 44.75 2.98 30.96 ใบชะครามแห้งผ่านการคนื รปู e 1.71 4.65 0.66 NA ท่ีมา : a [4] , b [5], c [15], d [17], e [18] NA คอื ไมม่ ีคา่ รายงาน (ก) (ข) (ค) รูปท่ี 2 ลักษณะของชะคราม (ก) ใบชะครามสด (ข) ใบชะครามอบแหง้ และ (ค) ใบชะครามอบแหง้ บด

84 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 (ก) ISSN: 2773-9376 (Print), 2773-9473 (Online) (ข) (ค) รปู ที่ 3 ปลาสลิดทอดท่ผี า่ นขัน้ ตอนการหมักดว้ ย (ก) เกลือ (ข) น้ำชะคราม และ (ค) ชะครามผง ตารางท่ี 5 คุณภาพของวตั ถดุ บิ ชะครามทผี่ ่านการอบแห้ง สูตรหมักเกลอื ค่าคะแนนความชอบในแต่ละคุณลักษณะ สตู รหมกั น้ำชะคราม สี กลิน่ รสชาติ เนือ้ สัมผัสns ความชอบโดยรวมns สตู รหมกั เกลอื 6.7±1.4b 6.6±1.3b 6.9±1.3a 7.1±1.4 7.0±0.3 สูตรหมกั น้ำชะคราม 6.5±1.3b 7.5±1.2a 7.2±1.3a 7.5±1.3 7.2±0.4 สูตรหมกั ผงชะคราม 7.6±1.3a 7.2±1.4a 6.1±1.2b 7.1±1.4 7.3±0.3 หมายเหตุ: N=30 ตัวอักษรท่แี ตกตา่ งกนั ในแนวต้งั หมายถึง มคี วามแตกตา่ งกนั อยา่ งมีนยั สำคญั ทางสถติ ิ (p≤0.05) ns non significant (p>0.05) สำหรับผลการยอมรับของเนื้อปลาที่มีการ ผลการวิเคราะห์แนวทางที่เป็นไปได้สำหรับการพัฒนา หมักชะครามด้วยวิธีต่างๆ แสดงไว้ในตารางที่ 5 ซึ่งจะ ผงหมักชะครามสำหรบั เนอ้ื ปลา เห็นได้ว่า เนื้อปลาที่ใช้สูตรหมักผงชะครามมีค่าคะแนน ความชอบในทุกคุณลักษณะอยู่ในช่วง 6.1-7.6 คะแนน จากผลการศึกษาและผลการทดลองงานวิจัยน้ี โดยทมี่ คี า่ คะแนนความชอบดา้ นสี (7.6 คะแนน) สูงกว่า พบว่ามแี นวทางในการพฒั นาผงหมกั ชะครามสำหรับเน้ือ สูตรอื่น สว่ นคา่ คะแนนความชอบในด้านกลิ่น (6.1 คะแนน) ปลาดงั รายละเอียดตอ่ ไปน้ี ต่ำกว่าสูตรอื่น อย่างไรก็ตามค่าคะแนนความชอบใน ด้านเนื้อสัมผัส และความชอบโดยรวมของเนื้อปลาท่ี การสนทนากลมุ่ หมักด้วยผงชะครามมีค่าคะแนนที่ไม่แตกต่างจากเน้ือ 1. ผลิตภัณฑ์ผงหมักชะครามที่ทำการพัฒนา ปลาสูตรหมักด้วยเกลือซึ่งเป็นสูตรควบคุมและเนื้อปลา ควรมีลักษณะเป็นผง มีส่วนผสมของเคร่ืองเทศ สมุนไพร สูตรหมกั ดว้ ยนำ้ ชะคราม ซึ่งเป็นทางเลือกให้กับสขุ ภาพ เช่น สมุนไพรที่มสี ารต้าน อนุมูลอิสระ เครื่องเทศที่ช่วยในการเพิ่มกลิ่นรสให้กับ

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 85 ISSN: 2773-9376 (Print), 2773-9473 (Online) ผลิตภัณฑ์ เป็นต้น โดยกลุ่มผู้สนทนาระบุว่าผลิตภัณฑ์ องค์ประกอบค่อนข้างสูง ในขณะเดียวกันก็มีสารต้าน ควรมีรสชาตทิ ีโ่ ดดเดน่ และเป็นเอกลักษณ์ อนุมูลอิสระเป็นองค์ประกอบอยู่ด้วย ดังนั้นจึงมีความ 2. ผลิตภัณฑ์ผงหมักชะครามควรมีการลด เป็นไปได้อย่างยิ่งที่จะนำชะครามมาผลิตเป็นผงหมัก ปริมาณเกลือในสูตร ลดน้ำตาลในสูตร ไม่ใส่วัตถุกันเสีย ชะครามสำหรับเนื้อปลา ซึ่งจะทำใหไ้ ด้ผลิตภณั ฑ์ผงหมัก หรือวัตถเุ จือปนอาหาร และการไม่ใชผ้ งชรู ส ที่มีความสอดคล้องกับความต้องการของผู้บริโภค 3. ปัจจัยที่มีหลักที่ผู้สนทนามีส่วนในการ กล่าวคือ ปริมาณเกลอื ทมี่ ีคอ่ นข้างสูงในชะครามสามารถ ตัดสินใจหากมีการผลิตผงหมักชะคราม คือ ปัจจัยด้าน ใช้ทดแทนเกลือได้ ผลิตภัณฑ์มีกลิ่นเฉพาะตัวตามการ ชนิดของวัตถุดิบและส่วนประกอบ รสชาติ คุณค่าทาง รายงานของสายชล ทองคำ และศิริวิมล สายเวช [8] โภชนาการ สีสัน ยี่ห้อ ราคา อายุการเก็บรักษา การ และมีสารต้านอนุมูลอิสระ 1,307.23 ( mg eq ส่งเสริมการขาย ความปลอดภัยในการบริโภค บรรจุ Trolox/100 g) ตามการรายงานของสายชล ทองคำ ภัณฑ์ ความสามารถในการละลายความรู้สึกแปลกใหม่ และคณะ [17] ซึ่งหากนำชะครามมาผลิตเป็นผงหมัก กระแสนิยมและความสะดวกในการซื้อผลติ ภัณฑ์ ชะครามเพื่อใช้หมักเนื้อปลา ผลิตภัณฑ์ผงหมักที่ได้ 4. รูปแบบการจำหน่ายของผงหมักควรอยู่ใน สอดคล้องกับการสัมภาษณ์และสนทนากลุ่มและการทำ บรรจุภัณฑ์ที่ซื้อได้ในตลาด ร้านสะดวกซื้อหรือซุปเปอร์ แบบสอบถามกอ่ นหน้านี้ มาร์เก็ต ได้แก่ ลักษณะบรรจุภัณฑ์แบบซองพลาสติก 2. การเลือกเทคโนโลยีในการอบแห้งเป็นปัจจยั ซองฟอยล์ ขวดหรือกระปุกแก้ว ขวดพลาสติก กล่อง อย่างหนึ่งต่อการคงอยู่ขององค์ประกอบทางเคมีและ กระดาษ กระปอ๋ ง องค์ประกอบทางโภชนาการของผลิตภัณฑอ์ บแห้ง ดังน้นั การทำแบบสอบถาม การเลือกวิธีการอบแห้งที่เหมาะสมจะทำให้ผงชะครามมี 1. แนวทางการผลิตผลิตภัณฑ์ผงหมักชะคราม องคป์ ระกอบทางเคมแี ละองคป์ ระกอบทางโภชนาการใน สำหรับเนื้อปลาจากการทำแบบสอบถามมีความ ปริมาณที่สูง แต่อย่างไรก็ตามการใช้เทคโนโลยีขั้นสูงใน สอดคล้องกับการสัมภาษณ์และสนทนากลุ่ม คือ การอบแห้ง ก็อาจจะแลกมาด้วยต้นทุนการผลิตที่สูงขึ้น ผลิตภัณฑ์ผงหมักชะครามควรจะเป็นผลิตภัณฑ์ที่มี ซ่ึงอาจจะทำใหผ้ ลิตภัณฑ์ผงหมกั ชะครามมีราคาแพงตาม ส่วนประกอบของสมุนไพรที่มีกลิ่นเป็นเอกลักษณ์ของ ดว้ ย ตัวเอง ในขณะเดียวกันควรเป็นผงหมักเพื่อสุขภาพ เช่น การยอมรบั ของผู้บริโภค การลดความเค็มลงหรือความหวานลง ไม่มีผงชูรสเป็น 1. ในเบื้องต้น ผู้วิจัยได้ทดลองการยอมรับของ ส่วนประกอบ และมีสารตา้ นอนมุ ูลอิสระ เปน็ ต้น ผู้บริโภค เพื่อทดสอบการยอมรับของผู้บริโภค โดยการ 2. รปู แบบบรรจุภณั ฑ์ทผี่ บู้ รโิ ภคสนใจ คือ ควร เปรียบเทียบการหมักปลาทั้ง 3 สูตร ตามการรายงานไว้ เปน็ ถงุ ซิปลอ็ ค ซองทบึ และกระปุกแก้ว โดยมปี ริมาณใน ก่อนหน้านี้ ซึ่งทำให้ได้แนวทางในการพัฒนาผงหมัก การบรรจุที่เหมาะสมสำหรับผลิตภัณฑ์นี้อยู่ในช่วง 70- ชะครามที่เป็นเอกลักษณ์เพิ่มเติม โดยการใช้ผงชะคราม 100 กรัม อบแหง้ การวิเคราะห์คุณภาพวัตถุดิบชะครามที่ผ่าน 2. ทำศึกษาเพิ่มเติมเกี่ยวกับสัดส่วนชะครามที่ กระบวนการทำแหง้ เหมาะสม หรือการเพิ่มสมุนไพร การใส่เครื่องปรุงอื่นๆ 1. จากการวิเคราะหค์ ุณภาพวตั ถดุ บิ ชะครามที่ เพิ่มเติมเข้าไปในผงหมัก เพื่อทำให้เกิดการยอมรับของ ผ่านกระบวนการทำแห้งพบว่า ชะครามเป็นพืชผักที่มี ผู้บริโภคมากย่งิ ขน้ึ คุณค่าทางโภชนาการ และมีปริมาณเกลือที่เป็น

86 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) สรปุ ผล University. Bangkok: Suan Sunandha Rajabhat University; 2015. p. 651-8. Thai. จากการศึกษาแนวทางในการพัฒนาผงหมัก ชะครามสำหรับเนื้อปลาท้ัง 4 แนวทางในงานวิจัยน้ี ทำ 3. Chaiburannont Y. [Product development of ให้เมื่อพิจารณาถึงแนวทางที่ได้รับจากการศึกษาในครั้ง spaghetti enriched with Suaeda maritima]. นี้ พบว่ามีความเป็นไปได้ในการพัฒนาสูตรผงหมัก [ Master’s thesis] . Bangkok: Rajamangala ชะครามเพิ่มเติมได้อีกในหลายด้าน คือ ใบชะครามมี University of Technology Phra Nakhon; ปริมาณโซเดียม ซึ่งสามารถใช้ในการทดแทนเกลือ 2017. Thai. บางส่วนได้ดี และปลาทอดยังมีกลิ่นเอกลักษณ์ที่หอม เฉพาะตัว ในขณะเดียวกันชะครามยังมีสารที่มี 4. Sangray R, Thongngamdee S, Inyoo A. คุณสมบัติในการต้านอนุมูลอิสระ นอกจากน้ีปลาท่ีหมัก [Study of Seablite to construct science ด้วยน้ำชะครามและผงชะครามยงั ไดร้ ับการยอมรับจาก laboratory direction for prathomsuksa 6 ผู้บริโภคเป็นอย่างดี ทั้งนี้เพื่อพิจารณาแนวทางท้งั หมด students]. JSSR. 2015;6(1):101-20. Thai. ที่ได้จึงมีความเป็นไปได้อย่างยิ่งที่ในการผลิตผงหมัก ชะครามสำหรับเนื้อปลาได้ และหากสามารถผลิตผง 5. Sudjaroen Y. [Evaluation of ethnobotanical ชะครามได้สำเร็จคาดว่าจะเป็นการเพิ่มมูลค่าของ vegetables and herbs in Samut Songkram พืชผักพื้นบ้านได้อีกทางหน่ึง province]. Suan Sunandha Rajabhat University, Bangkok, 2015. Thai. กติ ตกิ รรมประกาศ 6. Chuenarom V, Kerdchoechuen O, Laohakunjit คณะผู้วิจัยขอขอบพระคุณทางสถาบันวิจัย N. [Antioxidant capacity and total phenolics และพัฒนา มหาวิทยาลัยราชภัฏจันทรเกษมที่ได้ of plant extract from annual Seablite สนับสนุนงบประจำปี 2562 ในการทำวจิ ัย (Suaeda maritima)]. Agricultural Sci J. 2010; 41(3/1):621-4. Thai. เอกสารอ้างอิง 7. Soteyome T, Sakulyunyongsuk N, Matra S, 1. Kaewduangdee N, Insombat N. [The study Jaroenrat J. Oral rehydration salts of of antioxidant properties and products Suaeda Maritime. The 9 th Rajamangala processing from Suaeda maritima]. Adv Sci University of Technology National Conference J. 2012;12(2):107-20. Thai. (Creative RMUT and Sustainable Innovation for Thailand 4 . 0 ). 2017 Aug 7-9; IMPACT 2. Pornpitakdamrong A. [Development of Arena. Bangkok: Rajamangala University of pickled seablite (Suaeda maritima) for side Technology Phra Nakhon; 2017. p. 72-9. Thai. dishes]. The 6th Academic Meeting National and International conference (Speed Up 8. Tongkam S, Saywech S. [Development of Research Toward World Class University). gourami marinated in Suaeda Maritima]. 2015 Apr 28-29; Suan Sunandha Rajabhat Bangkok: Instituteof Researchand Development; 2017. Thai.

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 87 ISSN: 2773-9376 (Print), 2773-9473 (Online) 9. Kumchoo S. [Cracker from mixed flour and 14. Boonsean S, Boonbai N, Poonyim S, Sirisubjareon dried Seablite (Suaeda maritima)]. The 6th A, Ngamnikom P, Surin S. [Development of Academic Meeting National and International Healthy Brownie from Three Colored Beans]. conference (Speed Up Research Toward JARST. 2021;20(1):30-9. Thai. World Class University). 2015 Apr 28-29; Suan Sunandha Rajabhat University. Bangkok: Suan 15. Sudjaroen Y. Evaluation for nutritive values Sunandha Rajabhat University; 2015. p. 513- and antioxidant activities of dried seablite 23. Thai. (Suaeda maritima). Sci Res Essays, 2015;10 (9):306-12. 10. AOAC. Official Method of Analysis of AOAC International. USA: AOAC International; 2019. 16. Choi SC, Lim SH, Kim SH, Choi DG, Kim JG, Choo YS. Growth and solute pattern of 11. Wilailux C. [Development of reduced sodium Suaeda maritima and Suaeda asparagoides salt frankfurter] [Master’s thesis]. Chiang Mai: in an abandoned salt field. JEE. 2012;35: Chiang Mai University; 2010. Thai. 351–8. 12. Ammawat S, Ammawat W, Satsadee T. 17. Tongkam S, Chokumnoyporn N, Chum-in T. [Development of core, crown, peel and [Development of fish seasoning and marinade stem proteases products from pineapple]. powder from Suaeda maritima]. Bangkok: Bangkok: National Research Council of Institute of Research and Development; Thailand (NRCT); 2014. Thai. 2020. Thai. 13. Peryam DR, Pilgrim PJ. Hedonic scale method 18. Pornpitakdamrong A, Sudjaroen Y. Seablite of measuring food preference. Food Tech. (Suaeda maritima) product for cooking, 1957;11:9-14. Samut Songkram Province. Thailand. FNS. 2014;5(9):850-6.

88 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) การทอร์รีแฟกชนั เหงา้ มนั สำปะหลังเพ่ือผลติ เชื้อเพลงิ ชวี ภาพแขง็ คุณภาพสูง Torrefaction of Cassava Rhizome to Produce High-Grade Solid Biofuels จารณุ ี เข็มพิลา1* และ ภมู ินทร์ คงโต2 Jarunee Khempila1* and Pumin Kongto2 1สาขาวิชาฟิสิกส์ คณะวิทยาศาสตร์และเทคโนโลยี มหาวทิ ยาลยั ราชภฏั มหาสารคาม อ.เมือง จ.มหาสารคาม 44000 2สาขาวิชาเทคโนโลยพี ลงั งาน คณะวิศวกรรมศาสตร์ มหาวิทยาลัยสงขลานครนิ ทร์ อ.หาดใหญ่ จ.สงขลา 90110 1Physics Program, Faculty of Science and Technology, Rajabhat Mahasarakham University, Mueang District, Mahasarakham 44000, THAILAND 2Energy Technology Program, Faculty of Engineering, Prince of Songkla University, Hat Yai District, Songkhla 90110, THAILAND *Corresponding author e-mail: [email protected] ARTICLE INFO ABSTRACT Article history: This research studied solid fuel production from cassava Received: March 17, 2022 rhizome by torrefaction technology to enable its use in the energy Revised: May 17, 2022 sector. Cassava rhizomes (CR) were treated at a temperature range of Accepted: May 31, 2022 250–300 °C under a nitrogen atmosphere. The residence time was 30 Available online: June 14, 2022 minutes. The solid products were characterized in terms of their fuel DOI: 10.14456/jarst.2022.9 properties and functional groups, including mass and energy yield, Keywords: cassava rhizome, energy densification, ash content, ultimate analysis, and calorific value. biomass fuel, torrefaction, In addition, the functional groups of organic compounds were identified mass yield by the Fourier transform infrared spectroscopy technique, and the Van Krevelen diagram was used for comparisons of the fuel properties with coal. The results indicated that pretreatment using torrefaction had a significant impact on the quantity and physicochemical properties of the solid product. The torrefied-CR at 300 °C had the lowest mass yield (47.6%), energy yield (66.4%), and content of oxygen (22.0%), however, resulting in the highest calorific value (24.81 MJ/kg), energy densification (1.4), and content of carbon (62.51%). The calorific value of solid

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 89 ISSN: 2773-9376 (Print), 2773-9473 (Online) products ranged from 18 to 24 MJ/kg, showing an increase of 6% to 39% compared to the raw biomass. The peak of C–O and C=O stretching in hemicellulose began to disappear at temperatures above 275 °C. When the torrefaction temperature was increased to 300 °C, the ash content slightly increased from 6.18% to 8.76%. Moreover, the oxygen-to-carbon and hydrogen-to-carbon ratios of solid products decreased to become close to lignite coal. The results indicated torrefaction is a pretreatment method for converting cassava rhizome into high-grade biofuel. บทคัดยอ่ จากร้อยละ 6.18 เปน็ 8.76 ท่อี ุณหภมู ิ 300 องศาเซลเซียส ย่งิ กวา่ นั้นสดั สว่ นออกซิเจนต่อคารบ์ อน และไฮโดรเจนต่อ งานวิจัยนี้ศึกษาการผลิตเชื้อเพลิงแข็งจากเหง้า คาร์บอน ของผลิตภัณฑ์แข็งมีค่าลดลงใกล้เคียงถ่านหิน มันสำปะหลังด้วยเทคโนโลยีทอร์รีแฟกชันเพื่อนำมาใช้ ลิกไนต์ ผลวิจัยบ่งช้ีว่าทอร์รีแฟกชันเป็นวิธีปรับสภาพ งานในภาคพลังงาน โดยปรับสภาพเหง้ามันสำปะหลังท่ี เหงา้ มนั สำปะหลงั ให้เป็นเชอ้ื เพลิงชวี ภาพคณุ ภาพสงู ได้ อุณหภูมิในช่วง 250 ถึง 300 องศาเซลเซียส ภายใต้ บรรยากาศไนโตรเจน เป็นเวลา 30 นาที วิเคราะห์สมบัติ คำสำคัญ: เหงา้ มันสำปะหลงั เชอื้ เพลิงชวี มวล ทอร์รีแฟกชัน ด้านเชื้อเพลิงและหมู่ฟังก์ชันของผลิตภัณฑ์แข็ง ได้แก่ ผลไดเ้ ชิงมวล ผลได้เชิงมวล ผลได้พลังงาน ความหนาแน่นพลังงาน ปริมาณเถ้า องค์ประกอบแบบละเอียด และค่าความร้อน บทนำ นอกจากนี้ยังระบุหมู่ฟังก์ชันของสารอินทรีย์ด้วยเทคนิค ฟูเรียร์ทรานส์ฟอร์มอินฟราเรดสเปกโตรสโคปี และใช้ ประเทศไทยมีแหล่งเชื้อเพลิงชีวมวล แผนภาพ Van Krevelen เปรียบเทียบสมบัติด้าน หลากหลายประเภทสำหรับใชเ้ ป็นพลังงานทดแทน โดย เชื้อเพลิงกับถ่านหิน ผลวิจัยพบว่าการปรับสภาพด้วย ชีวมวลที่มีศักยภาพได้แก่ แกลบ ฟางข้าว ชานอ้อย ซัง ทอร์รแี ฟกชันสง่ ผลต่อปรมิ าณและสมบัติทางเคมีกายภาพ ข้าวโพด เหง้ามันสำปะหลัง ไม้ยางพารา เป็นต้น ของผลิตภัณฑ์แข็งอย่างมีนัยสำคัญ เหง้ามันสำปะหลัง โดยเฉพาะพืชเศรษฐกิจประเภทมนั สำปะหลัง ภายหลัง ทอร์รีไฟด์ที่อุณหภูมิ 300 องศาเซลเซียส มีค่าร้อยละ กระบวนการเพาะปลูก เก็บเกี่ยวและแปรรูปก่อให้เกิด ผลได้เชิงมวล (47.6) ผลได้พลังงาน (66.4) และปริมาณ เศษวัสดุเหลือทิ้งซึ่งใช้เป็นเชื้อเพลิงได้ ทั้งในส่วนที่เกิด ออกซิเจน (22.0) ต่ำที่สุด แต่มีค่าความร้อน (24.81 จากกระบวนการปอกหวั มนั นน่ั คือ เปลือก (Peels) และ เมกกะจูลต่อกิโลกรัม) ความหนาแน่นพลังงาน (1.4) และ ส่วนที่เป็นวัสดุเหลือทิ้งในพ้ืนที่ปลูก เช่น ลำต้น (Stalk) ร้อยละปริมาณคาร์บอน (62.51) สูงที่สุด ค่าความร้อน และเหงา้ (Rhizome) โดยเหงา้ เป็นสว่ นของลำตน้ แข็งท่ี ของผลิตภัณฑ์แข็งมีค่าในช่วง 18 ถึง 24 เมกกะจูลต่อ ติดกบั หัวมันสด ซึ่งทง้ั สามสว่ นนไี้ ม่สามารถใช้ประโยชน์ กิโลกรัม เพิ่มขึ้นรอ้ ยละ 6 ถึง 39 เมื่อเทียบกับชีวมวลดบิ หรือแปรรูปเป็นอาหารสัตว์ได้ เกษตรกรจึงมักทิ้งลำต้น ที่อุณหภูมิสูงกว่า 275 องศาเซลเซียส เริ่มไม่ปรากฏพีค และเหง้าไว้ในพื้นที่ปลูกและเผาทิ้งโดยเปล่าประโยชน์ การสั่นแบบยืดของพันธะเดี่ยวและพันธะคู่ของคาร์บอน- เมื่อพิจารณาผลผลิตมันสำปะหลังในปีเพาะปลูก ออกซเิ จน ในเฮมิเซลลโู ลส ปริมาณเถ้ามคี า่ สูงขึ้นเล็กน้อย พ.ศ. 2559-2562 มคี ่าเฉลยี่ ของปริมาณรวมท้ังประเทศ ประมาณ 30.89 ล้านตัน สัดส่วนชีวมวลต่อผลผลิต

90 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) (Residue to Product Ratio, RPR) ของเปลือก ลำต้น สำปะหลังด้วยกระบวนการไพโรไลซิสแบบช้า (Slow- และเหง้ามันสำปะหลัง มีค่าเป็น 0.25 0.062 และ Pyrolysis) โดยดำเนินการในช่วงอุณหภูมิ 400-600 0.112 ตามลำดับ [1] ถึงแม้ค่า RPR ของเปลือกจะสูง องศาเซลเซียส ส่งผลใหค้ าร์บอนคงตัวมคี า่ สูงขึ้นรอ้ ยละ กว่าเหง้าแต่เมื่อเปรียบเทียบค่าความร้อนต่ำ (Low 26.35 แต่ผลได้เชิงมวล (ผลิตภัณฑ์ของแข็ง) มีค่าลดลง heating value: LHV) พบว่าเปลือกมีค่าความร้อน เป็นร้อยละ 30-37 ส่วน Rueangsan และคณะ [6] 1.49 เมกกะจูลต่อกิโลกรัม (ที่ความชื้นร้อยละ 67 โดย ศึกษากระบวนการไพโรไลซิสแบบเร็ว (Fast-Pyrolysis) น้ำหนัก) ขณะที่เหง้ามันมีค่าความร้อน 5.49 เมกกะจูล ของเหง้ามันสำปะหลังเช่นกันพบว่าได้ผลิตภัณฑ์หลัก ต่อกิโลกรัม (ที่ความช้นื รอ้ ยละ 59.4 โดยนำ้ หนัก) ดังนัน้ 3 ชนิดคือ ไบโอออยล์ (Bio-oil) ไบโอแก๊ส (Biogas) เมื่อพิจารณาค่า สัดส่วนชีวมวลต่อผลผลิตร่วมกับค่า ไบโอชาร์ (Biochar) ร้อยละ 57–59 14–20 และ 23– ความร้อนและปริมาณผลผลิตเฉลี่ย พบว่าเหง้ามัน 28 ตามลำดับ ถึงแม้การปรับปรุงคุณภาพด้วย สำปะหลังมีศักยภาพด้านพลังงานมากกว่าเปลือก กระบวนการไพโรไลซิสจะส่งผลให้ผลิตภัณฑ์ของแข็งมี 14.83 กิกะจูล หรือคิดเป็นร้อยละ 72.87 ซึ่งการนำ สมบัติด้านเชื้อเพลิงสูงขึ้นแต่ต้องดำเนินการที่อุณหภูมิ เหง้ามันสำปะหลังมาใช้เป็นเชื้อเพลิงชีวมวลในรูป สูงและได้ผลิตภัณฑ์ของแข็งน้อยกว่าร้อยละ 50 ดังน้ัน ของแข็งเพื่อเผาไหม้โดยตรงนั้นมีข้อด้อยหลายประการ แนวทางในการปรบั ปรงุ คณุ ภาพเพ่ือคงเหลอื ผลได้เชิงมวล อาทิ ความชื้นในชีวมวล ซึ่งหากชีวมวลมีปริมาณ ใ ห ้ ไ ด ้ ม า ก ท ี ่ ส ุ ด ค ว ร ด ำ เ น ิ น ก า ร ท ี ่ อ ุ ณ ห ภ ู ม ิ ต ่ ำ ก ว่ า ความชื้นสูงจะส่งผลโดยตรงต่อการลดลงของค่าความ กระบวนการไพโรไลซิส จึงนำมาซึ่งเทคโนโลยีที่ได้รับ ร้อนเนื่องจากต้องสูญเสียความร้อนส่วนหนึ่งที่ได้จาก ความนยิ มในปจั จบุ ันเพื่อชว่ ยปรบั ปรงุ คุณภาพชวี มวลให้ เชื้อเพลิงชีวมวลไปเพื่อระเหยความชื้น อีกทั้งความชื้น เปน็ เชอ้ื เพลิงคอื กระบวนการทอรร์ ีแฟกชัน (Torrefaction) ในชีวมวลก่อให้เกดิ เขม่าควันในขณะเผาไหม้ นอกจากน้ี ซึ่งเป็นกระบวนการท่ีให้ความร้อนแก่ชีวมวลในช่วง ยังเกิดปัญหาขณะกักเก็บเหง้ามันสำปะหลังไว้เป็น อุณหภูมิ 200–300 องศาเซลเซียส ระยะเวลา 10-120 เชื้อเพลิงเนื่องจากเกิดการย่อยสลายทางชีวภาพ ดังน้ัน นาที ในสภาวะปราศจากออกซิเจน ส่งผลให้ผลิตภัณฑ์ ในการนำเหง้ามันสำปะหลังมาใช้เป็นเชื้อเพลิงจึงนิยม แข็งที่ได้มีปริมาณคาร์บอนค่าความร้อนสูง และความ ปรับปรุงคุณภาพหรือเปลี่ยนรปู เช่นการนำมาผลิตถ่าน หนาแน่นพลงั งานสูงขึน้ อีกทั้งสัดส่วนอะตอมออกซเิ จน อัดแท่งใช้แทนฟืนในระดับครัวเรือน ซึ่งเหง้ามัน ต่อคาร์บอน และไฮโดรเจนต่อคาร์บอนมีค่าลดลงตาม สำปะหลงั แหง้ มคี า่ ความรอ้ นระหวา่ ง 18.5-23.7 เมกกะ อุณหภูมิที่ใช้ในการปรับสภาพ [7] ส่วนการปรับปรุง จูลต่อกิโลกรมั [1, 2] เม่อื ผลติ เป็นถา่ นอดั แทง่ สง่ ผลให้มี สมบตั ิของเหง้ามันสำปะหลังดว้ ยกระบวนการทอร์รีแฟก ค่าความร้อนสูงขึ้นเปน็ 20.15 เมกกะจลู ตอ่ กิโลกรัม [3] ชันได้มีการศึกษาโดย Nakason และคณะ [8] ซึ่งให้ เทยี บไดก้ ับคา่ ความร้อนของไมซ้ ่ึงมีค่าอย่รู ะหว่าง 17.9- ความร้อนทอ่ี ณุ หภูมิ 200 250 และ 300 องศาเซลเซยี ส 20.5 เมกกะจลู ตอ่ กโิ ลกรัม [4] คงที่เป็นเวลา 30 นาที ได้ผลได้ผลติ ภณั ฑใ์ นรูปของแข็ง ร้อยละ 50.21-91.39 ซ่งึ พบว่าที่อณุ หภมู ิ 200 องศาเซลเซยี ส ส ่ ว น ก า ร น ำ เ ห ง ้ า ม ั น ส ำ ป ะ ห ล ั ง ม า ใ ช ้ เ ป็ น ไดผ้ ลติ ภณั ฑ์ทม่ี สี มบตั ดิ า้ นเชอื้ เพลงิ ใกล้เคียงกับเหง้ามัน เชื้อเพลิงในโรงงานระดับอุตสาหกรรมนั้น จำเป็นท่ี สำปะหลังก่อนปรับปรุง บ่งชี้ได้ว่าการให้ความร้อนท่ี จะต้องปรับปรุงสมบตั ิด้านเชื้อเพลิงให้ใกล้เคียงถ่านหนิ เหมาะสมควรมีอุณหภูมิตั้งแต่ 250 องศาเซลเซียส [9] เพอ่ื ทจี่ ะสามารถเผาไหมร้ ่วมหรือทดแทนการใช้ถ่านหิน แต่ผลได้เชิงมวลจะมีค่าลดลงน้อยกว่าร้อยละ 50 เม่ือ ได้โดยพึ่งพากระบวนการทางเคมีความร้อน ดังการศึกษา ดำเนินการทอ่ี ุณหภมู สิ งู ขึ้น [10] ของ Shariff และคณะ [5] ซึ่งปรับปรุงคุณภาพเหง้ามัน

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 91 ISSN: 2773-9376 (Print), 2773-9473 (Online) ที่กล่าวมาข้างต้นพบว่าเหง้ามันสำปะหลังเป็น แยกด้วยตะแกรงขนาด 18 เมช (Mesh) เพอื่ ใหไ้ ด้ตัวอยา่ ง เศษวัสดุทางการเกษตรที่เหลือทิ้งภายหลังการเก็บเกี่ยว ที่มีขนาดไม่เกิน 1 มิลลิเมตร ดังรูปที่ 1 จากนั้นอบ ผลผลิต ได้มีการนำมาใช้เป็นเชื้อเพลิงแข็งในรูปของฟืน ตัวอย่างชีวมวลเพื่อลดความชื้นด้วยตู้อบลมร้อนที่ และถ่านอัดแท่งใช้ในครัวเรือน ส่วนการปรับปรุงสมบัติ อุณหภูมิ 105 องศาเซลเซียส เป็นเวลา 24 ชั่วโมง แล้ว ด้านเชื้อเพลิงในระดับอุตสาหกรรมเพื่อให้ได้ผลิตภัณฑ์ บรรจุใส่ถุงกันความชื้นสำหรับการทดลองและวิเคราะห์ ของแข็งในการนำไปใช้งานร่วมกับถ่านหิน พบว่าการ ต่อไป ซง่ึ เม่ือนำชีวมวลจากเหงา้ มันสำปะหลังมาวิเคราะห์ ปรับปรุงด้วยกระบวนการไพโรไลซิสส่งผลให้ผลได้ของ สมบัติเบื้องต้นดังแสดงในตารางที่ 1 พบว่าชีวมวลจาก ผลิตภัณฑ์ลดลงอย่างมาก จึงนำมาซึ่งการปรับปรุง เหง้ามันสำปะหลังดิบมีความชื้นและเถ้า ประมาณร้อยละ คุณภาพชีวมวลด้วยกระบวนการทอร์รีแฟกชันดังกล่าว 9.63 และ 9.18 โดยน้ำหนัก ขณะที่มีค่าความร้อนสูง ข้างต้น ซึ่งพบข้อสรุปบางประการคือ การให้ความร้อน ประมาณ 17.79 เมกกะจลู ต่อกโิ ลกรัม และมอี งคป์ ระกอบ ควรดำเนินการที่อุณหภูมิตั้งแต่ 250 องศาเซลเซียส และ ทางเคมีซึ่งประกอบด้วย คาร์บอน ไฮโดรเจน ไนโตรเจน ไม่ควรสูงเกินกว่า 300 องศาเซลเซียส ซึ่งช่วงอุณหภูมิมี และออกซิเจน ประมาณร้อยละ 44.56 6.10 1.26 และ ค่าต่างกันมากถึง 50 องศาเซลเซียส ส่งผลต่อปริมาณ 41.90 โดยน้ำหนกั ตามลำดับ ผลได้เชิงมวลและสมบัติของชีวมวลทอร์รีไฟด์ ดังน้ัน ผู้วิจัยจึงสนใจที่จะศึกษาการปรับปรุงคุณภาพการเป็น รูปท่ี 1 ชีวมวลเหง้ามนั สำปะหลงั ดบิ เชื้อเพลิงแข็งของเหง้ามันสำปะหลังด้วยกระบวนการ ทอร์รีแฟกชันในระดับห้องปฏิบัติการในช่วงอุณหภูมิที่ ตารางท่ี 1 สมบัตขิ องเหงา้ มันสำปะหลังดิบ แคบลงโดยแตล่ ะเง่อื นไขมคี วามแตกตา่ งของอณุ หภมู ขิ ้ันละ 25 องศาเซลเซยี ส น่ันคือ 250 275 และ 300 องศาเซลเซยี ส สมบัติ เหงา้ มันสำปะหลงั ดบิ และใช้เวลาในการเกิดปฏิกิริยา 30 นาที เพื่อให้ทราบถึง สมบัติทางกายภาพ เคมี และพลังงานของชีวมวลเหงา้ มัน ความช้ืน (wt.%, as received) 9.63±0.26 สำปะหลังทั้งก่อนและหลังการปรับปรุงคุณภาพเพื่อเพ่ิม ศักยภาพการผลิตเชื้อเพลิงชีวมวลประเภทเศษวัสดุเหลือ ปรมิ าณเถา้ (wt.%, dry basis) 6.18±0.15 ท้ิงทางการเกษตร คา่ ความร้อนสงู (MJ/kg) 17.79±0.04 วิธดี ำเนนิ งานวิจยั องคป์ ระกอบแบบละเอยี ด (wt.%, dry basis) การเตรยี มชีวมวล C 44.56±0.09 ชีวมวลที่ใช้ในการวิจัยคอื เหง้ามนั สำปะหลังพันธุ์ ระยอง 5 จากบ้านสวนมอน ตำบลหนองโน อำเภอเมือง H 6.10±0.10 จังหวัดมหาสารคาม ซึ่งเป็นเหง้าที่เหลือทิ้งจากการเก็บ เกี่ยว ขั้นตอนการเตรียมตัวอย่างเริ่มจากนำเหง้ามัน N 1.26±0.01 สำปะหลังสดมาลดขนาดด้วยเครือ่ งสับหยาบแล้วนำไปลด ความชื้นด้วยแสงอาทิตย์แบบธรรมชาติ จากนั้นลดขนาด O* 41.90±0.34 ด้วยเครื่องสับหยาบอีกครั้ง ก่อนจะบดละเอียดและร่อน * คำนวณจากผลตา่ ง (C + H + N + O + Ash = 100%)

92 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) การปรับปรงุ ชีวมวลด้วยกระบวนการทอร์รแี ฟกชัน กระบวนการทอร์รีแฟกชันในงานวิจัยนี้เป็นการ ทดลองในระดับห้องปฏิบัติการโดยให้ความร้อนแก่ชีวมวล งานวิจัยนี้ดำเนินการปรับปรงุ คุณภาพชีวมวล ในสภาวะอับอากาศ มีขั้นตอนเริ่มจากการชั่งชีวมวล ด้วยกระบวนการเคมีความร้อนท่ีอุณหภูมิ 250 275 ตัวอย่าง 20 กรัม ด้วยเครื่องชั่งดิจิตอลซึ่งมีความละเอียด และ 300 องศาเซลเซียส ซึ่งอยู่ในช่วงการเกิดปฏิกิริยา 0.0001 กรัม นำตัวอย่างใส่ในปฏิกรณ์ทรงกระบอก แล้ว ต่าง ๆ ในกระบวนการทอร์รีแฟกชัน [12] ดังสมการที่ นำเข้าเตาเผาอุณหภูมิสูงที่ควบคุมอุณหภูมิและอัตราการ (1) ถึง (6) เนอ่ื งจากชีวมวลมปี ริมาณความชืน้ ดังนั้นเมือ่ ให้ความรอ้ นดงั รูปท่ี 2 โดยต่อทอ่ ไนโตรเจนเข้ากบั ปฏิกรณ์ ให้ความร้อนในช่วงอุณหภูมิ 100-105 องศาเซลเซียส เพื่อแทนที่อากาศที่อยู่ภายในผ่านตัวกระจายแก๊ส ความชื้นที่เกาะเกี่ยวที่ผิวของชีวมวลจะเกิดการระเหย ไนโตรเจนเพื่อให้สัมผัสชีวมวลได้ทั่วถึง ซึ่งควบคุมอัตรา เมื่อให้ความร้อนแก่ชีวมวลถึงช่วงอุณหภูมิ 200-300 การไหล 1 ลิตรต่อนาที ด้วยเครื่องวัดอัตราการไหลยี่ห้อ องศาเซลเซียส เกิดการสลายตัวของเฮมิเซลลูโลส Dwyer ประเทศสหรัฐอเมริกา และตอ่ ทอ่ ทางออกของก๊าซ เซลลูโลส และลิกนิน ซึ่งเป็นองค์ประกอบอินทรีย์ใน และสารระเหยที่เกิดจากกระบวนการทอร์รีแฟกชันท่ี ชีวมวล พบว่าได้ผลิตภัณฑ์หลัก 2 ประเภท คือ ถ่าน ดา้ นบนของเตาเผา ดังรูปท่ี 3 ซึ่งแสดงแผนภาพการทำงาน ชีวภาพ หรือ ไบโอชาร์ (Biochar) และแก๊สที่เกิดขึ้นใน ของกระบวนการทอร์รีแฟกชัน เตาเผาอุณหภูมิสงู ให้ความ กระบวนการ ได้แก่ แก๊สคาร์บอนไดออกไซด์ (CO2) ร้อนแก่ชีวมวลที่อยู่ในปฏิกรณ์ด้วยอัตราการให้ความร้อน คาร์บอนมอนอกไซด์ (CO) และไฮโดรเจน (H2) คงที่ 10 องศาเซลเซียสต่อนาที [13] ภายใต้สภาวะ บรรยากาศไนโตรเจนอย่างต่อเนื่อง เมื่ออุณหภูมิภายใน Torrefaction : 200-300 C (1) ปฏิกรณ์ถึงอุณหภูมิที่ต้องการศึกษาคือ 250 Biomass(s) → Biochar(s) (2) องศาเซลเซียส เตาเผาจะให้ความร้อนด้วยฮีทเตอร์ไฟฟ้า + Torrefactiongases(g) แบบอัตโนมัติเพื่อคงอุณหภูมิให้คงที่จนกระทั่งครบ 30 นาที [14] ปิดเตาเผาแล้วปล่อยให้ปฏิกรณ์เย็นตัวลง Unbound moisture : 100-105 C ภ า ย ใ ต ้ ส ภ า ว ะ บ ร ร ย า ก า ศ ไ น โ ต ร เ จ น จ น ก ร ะ ท ั ่ ง ถึ ง H2O(l) → H2O(g) อณุ หภูมหิ ้อง เก็บตวั อย่างบรรจลุ งในถุงกันความชื้นและชั่ง มวลผลิตภัณฑ์แข็งที่ได้ทันที บันทึกค่าเป็นมวลของ H2O : 160-300 C (3) ชีวมวลเหง้ามันสำปะหลังภายหลังการปรับสภาพด้วย (4) ทอร์รีแฟกชันหรือเรียกว่า เหง้ามันสำปะหลังทอร์รีไฟด์ H2(g) + 1 O2(g) →H2O(g) (5) เพ่ือนำไปวิเคราะหส์ มบัตดิ ้านเช้ือเพลิงตอ่ ไป แต่ละเงื่อนไข 2 (6) การทดลองทำการทดลองซ้ำจำนวน 3 ครั้งหรือมากกว่า CO2 : 160-300 C เพื่อให้ได้ตัวอย่างที่เพียงพอต่อการนำไปวิเคราะห์ผล แล้วจึงทำซ้ำตามกระบวนเดิมที่อุณหภูมิ 275 และ 300 C(s) + O2(g) →CO2(g) องศาเซลเซยี ส ตามลำดับ CO2 : 160-300 C การวเิ คราะหส์ มบัตดิ ้านเชื้อเพลิงของผลติ ภณั ฑ์ CO(g) + 1 O2(g) → CO 2 ( g ) 1. ผลได้เชิงมวล ผลได้พลังงาน และความ 2 หนาแน่นพลงั งาน CO : 200-300 C 2C(s) + CO2(g) + H2O(g) →3CO(g) + H2(g)

Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 93 ISSN: 2773-9376 (Print), 2773-9473 (Online) ผลไดเ้ ชิงมวล (Mass yield, MY) คอื ผลิตภัณฑ์ EY (%) = MY  CVtor (8) ของแข็งท่ีได้ ภายหลังเสรจ็ ส้ินกระบวนการทอร์รีแฟกชัน (9) คำนวณได้จากสมการที่ (7) [15] เมื่อ MY คือ ผลได้เชงิ CVraw มวล (เปอร์เซ็นต์) m คือ มวลของชีวมวล (กรัม) และ ตัว ED = EY (%) ย่อ ‘ raw ’ และ ‘tor ’ แทน เหง้ามันสำปะหลังดิบและ เหง้ามันสำปะหลังทอร์รีไฟด์ ตามลำดับ ส่วนผลได้ MY (%) พลังงาน (Energy yield, EY ) เป็นค่าที่บ่งบอกถึง พลังงานที่ได้เมื่อทำการปรับปรุงคุณภาพเหง้ามัน รูปท่ี 2 เตาเผาและชุดปฏกิ รณใ์ นกระบวนการทอร์รีแฟกชัน สำปะหลังซึ่งมีความสัมพันธ์กับผลได้เชิงมวลและค่า ความร้อน คำนวณได้จากสมการที่ (8) [15] เมื่อ CV คือ ค่าความร้อนของเหง้ามันสำปะหลัง (เมกกะจูล ต่อกิโลกรัม) ค่าความหนาแน่นพลังงาน (Energy densification, ED ) บ่งบอกถึงความหนาแน่นของ พลังงานเมื่อเทียบกับชีวมวลก่อนปรับปรุงคุณภาพ คำนวณได้จากสมการที่ (9) [15] MY (%) = mtor 100 (7) mraw ทางออกไอของสารระเหย ทางเข้าแกส๊ ไนโตรเจน เตาเผาอณุ หภมู สิ งู ฮที เตอร์ (Heater) ปฏกิ รณท์ รงกระบอก เหง้ามันสำปะหลัง ตวั กระจายแกส๊ ไนโตรเจน แผงควบคุมเตาเผา รปู ท่ี 3 แผนภาพการทำงานของกระบวนการทอรร์ แี ฟชนั

94 Journal of Applied Research on Science and Technology (JARST), Vol 21, Issue 1, 2022 ISSN: 2773-9376 (Print), 2773-9473 (Online) 2. องคป์ ระกอบแบบละเอยี ด คาร์บอน ไฮโดรเจน และไนโตรเจน ในเหง้ามัน เป็นการวิเคราะห์องค์ประกอบทางเคมีที่สำคัญ สำปะหลังและเหง้ามนั สำปะหลังทอรร์ ีไฟด์ ไดแ้ ก่ คารบ์ อน ไฮโดรเจน ไนโตรเจน ดว้ ยเครือ่ ง CHNS/O Analyzer ยี่ห้อ ThermoScientific รุ่น FLASH 2000 CV = 3.55C2 − 232C − 2230H + 51.2C * H (11) ประเทศอิตาลี ตามมาตรฐาน ASTM D5373-16 ส่วน ออกซเิ จนเปน็ ผลต่างระหวา่ ง 100 กับผลรวมของธาตุตา่ ง ๆ +131N + 20600 ความชื้นและเถ้า ผลการทดสอบที่ได้แสดงค่าเป็นร้อยละ โดยนำ้ หนัก สมการของ Friedl สร้างจากข้อมูลชีวมวล 3. เถา้ จำนวน 122 ตัวอย่าง ซึ่งมีค่าปริมาณคาร์บอนเฉลี่ยอยู่ การวิเคราะห์ปริมาณเถ้า (Ash) โดยวิธีมาตรฐาน ในช่วงร้อยละ 42.6-50.5 ไฮโดรเจนเฉลี่ยในช่วงร้อยละ ASTM D 3174-12 ทำไดโ้ ดยเผาถว้ ยกระเบ้ืองในเตาเผา 5.3-6.3 [16] และมีไนโตรเจน คลอรีน กำมะถัน ใน อุณหภูมิสูง ที่อุณหภูมิ 750 องศาเซลเซียส เป็นเวลา ปริมาณ น้อยกว่าร้อยละ 3 เมื่อพิจารณาตารางที่ 1 1 ชั่วโมง จากนั้นทิ้งให้เย็นในโถดูดความชื้นและชั่ง พบว่าเหง้ามันสำปะหลังดิบมีปริมาณคาร์บอนและ น้ำหนักของถ้วยกระเบื้อง ชั่งเหง้ามันสำปะหลังท่ี ไฮโดรเจนร้อยละ 44.56 และ 6.10 ตามลำดับ ซึ่งอยู่ บดละเอยี ด 1 กรมั (±0.5 มิลลิกรมั ) ใสล่ งในถว้ ยกระเบ้ือง ในช่วงของค่าเฉลี่ยดังกล่าวข้างต้น ดังนั้นการเลือกใช้ จากนั้นนำถ้วยกระเบื้องพร้อมตัวอย่างมาเผาในเตา สมการของ Friedl ในการทำนายคา่ ความร้อนของเหง้า อุณหภูมิสูง โดยให้อุณหภูมิเพิ่มขึ้นอย่างช้า ๆ จาก มันสำปะหลังจึงมีความถูกต้องมากขึ้นเนื่องจากมีค่า อุณหภูมิห้องถึง 500 องศาเซลเซียส ภายในเวลา ปริมาณองค์ประกอบอยู่ในขอบเขตของตัวอย่างท่ี 1 ชวั่ โมง และเพิม่ อุณหภมู ิถึง 750 องศาเซลเซยี ส ภายใน Friedl และคณะนำมาศกึ ษา ชว่ั โมงท่ี 2 จากน้ันเผาชีวมวลตวั อย่างที่มีอณุ หภูมิ 750 องศาเซลเซยี ส ต่อไปอีก 2 ชัว่ โมง นำถ้วยกระเบื้องออก 5. หมู่ฟงั ก์ชนั ของสารอนิ ทรยี ์ จากเตาเผา ทิ้งให้เย็นในโถดูดความชื้น ชั่งน้ำหนักและ ศึกษาการเปลี่ยนแปลงพนั ธะของโมเลกุลของ คำนวณหาปรมิ าณเถ้าได้จากสมการที่ (10) สารประกอบอินทรีย์ในเหง้ามันสำปะหลังและเหง้ามัน สำปะหลังทอร์รีไฟด์ด้วยเทคนิคฟูเรียร์ทรานส์ฟอร์ม Ash(%) = mash 100 (10) อินฟราเรดสเปคโตรสโคปี (Fourier Transform Infrared (FTIR) Spectroscopy) โดยวิเคราะห์ด้วย mraw เครื่องฟูเรียร์ทรานฟอร์มอินฟราเรดสเปกโตรมิเตอร์ (Fourier Transform Infrared Spectrometer) ยี่ห้อ 4. คา่ ความรอ้ น Perkin Elmer รุ่น Spectrum One ที่ช่วงเลขคล่ืน 4000-400 ต่อเซนติเมตร ซึ่งเป็นช่วงแสงอินฟราเรด คา่ ความรอ้ น (calorific value, CV) ของชวี มวล กลาง (Middle Infrared) แสงในช่วงนี้จะมีความถี่ตรง กับความถี่ของการสั่นของพันธะโควาเลนท์ (Covalent คำนวณได้จากสมการเอมไพริคัลของ Friedl และคณะ bond) ของหมู่ฟังก์ชันในชีวมวลทำให้เกิดเป็นแถบ สัญญาณแสดงความสัมพันธ์ของช่วงความถี่กับการ [16] ดังสมการที่ (11) ค่าที่นำมาใช้ในการคำนวณคือ ส่งผ่านของแสงอินฟราเดรดเข้าสู่เครื่องวัดในรูปของ สเปกตรัม เนื่องจากตัวอย่างในการวิจัยคือ ชีวมวล ร้อยละโดยน้ำหนักขององค์ประกอบธาตุ คาร์บอน บดละเอียดในรูปของผง ดังนั้นจึงเตรยี มตัวอย่างดว้ ยวิธี จานโพแทสเซียมโบรไมด์ (KBr disc) โดยบดชีวมวล (Carbon: C) ไฮโดรเจน (Hydrogen: H) ออกซิเจน (Oxygen: O) และไนโตรเจน (Nitrogen: N) ที่ได้จาก การวิเคราะห์องค์ประกอบธาตุแบบละเอียด เมื่อ C , H , และ N คือ ร้อยละโดยน้ำหนักมาตรฐานแห้งของ