ฟัซซี่ลอจิกคืออะไร? Archiแผนภาพโครงสร้างและการประยุกต์ใช้

⚡ สรุปอย่างชาญฉลาด

ตรรกะคลุมเครือ (Fuzzy Logic) เป็นวิธีการให้เหตุผลแบบหลายค่า ซึ่งความจริงสามารถมีค่าเป็นจำนวนจริงใดๆ ก็ได้ระหว่าง 0 ถึง 1 ทำให้เครื่องจักรสามารถจัดการกับข้อมูลที่คลุมเครือ ไม่สมบูรณ์ และไม่แน่นอนได้ในลักษณะเดียวกับการตัดสินใจของมนุษย์

  • 🔘 ความจริงเพียงบางส่วน: ข้อความหนึ่งๆ ไม่ได้เป็นเพียงแค่จริงหรือเท็จเท่านั้น แต่ยังมีความสัมพันธ์เชิงค่าในช่วง [0, 1] ด้วย
  • ☑️ สถาปัตยกรรมสี่ส่วน: ระบบฟัซซีทุกระบบจะเชื่อมโยงฐานกฎ การแปลงเป็นฟัซซี กลไกการอนุมาน และการแปลงกลับจากฟัซซี
  • ✅ กฎของผู้เชี่ยวชาญ: พฤติกรรมต่างๆ เกิดจากกฎ IF-THEN ที่มนุษย์เขียนขึ้น ดังนั้นระบบจึงยังคงอ่านง่ายและตรวจสอบได้
  • 🧪 ไม่ใช่ความน่าจะเป็น: ความคลุมเครือแสดงถึงความไม่ชัดเจนเกี่ยวกับความหมาย ในขณะที่ความน่าจะเป็นแสดงถึงความไม่แน่นอนเกี่ยวกับผลลัพธ์
  • 🛠️ พิสูจน์แล้วจากฮาร์ดแวร์: ระบบเบรกป้องกันล้อล็อก ลิฟต์ เครื่องล้างจาน เตาเผา และกล้องถ่ายรูป ล้วนใช้ตัวควบคุมแบบฟัซซี (fuzzy controller)
  • ⚙️ ขีดจำกัดที่ทราบ: ระบบฟัซซีไม่สามารถเรียนรู้ได้ด้วยตนเอง และการปรับแต่งกฎและฟังก์ชันสมาชิกภาพยังคงต้องทำด้วยตนเอง

สถาปัตยกรรม การประยุกต์ใช้งาน และตัวอย่างของตรรกะคลุมเครือ (Fuzzy Logic)

ลอจิกคลุมเครือคืออะไร?

ลอจิกคลุมเครือ ตรรกะคลุมเครือ (Fuzzy Logic) เป็นตรรกะหลายค่าที่ค่าความจริงของตัวแปรอาจเป็นจำนวนจริงใดๆ ระหว่าง 0 ถึง 1 มันจัดการกับแนวคิดเรื่องความจริงบางส่วน ในชีวิตจริง เรามักพบสถานการณ์ที่เราไม่สามารถตัดสินใจได้ว่าข้อความนั้นเป็นจริงทั้งหมดหรือเป็นเท็จทั้งหมด ในกรณีเช่นนั้น ตรรกะคลุมเครือจะให้ความยืดหยุ่นที่มีคุณค่าอย่างมากสำหรับการให้เหตุผล

ค่าดังกล่าวเรียกว่า ระดับสมาชิก: 0 หมายถึงไม่มีสมาชิกภาพเลย 1 หมายถึงสมาชิกภาพเต็มรูปแบบ และ 0.7 หมายถึงสมาชิกภาพบางส่วน อัลกอริทึมแบบฟัซซีจะถ่วงน้ำหนักข้อมูลทั้งหมดที่มีอยู่บนมาตราส่วนนั้น แล้วจึงตัดสินใจเลือกสิ่งที่ดีที่สุดสำหรับข้อมูลที่ป้อนเข้ามา วิธีนี้เลียนแบบการตัดสินใจของมนุษย์ ซึ่งพิจารณาความเป็นไปได้ทุกอย่างระหว่างค่าดิจิทัล T และ F

ประวัติความเป็นมาของระบบฟัซซี่ลอจิก

ตรรกศาสตร์หลายค่ามีอายุเก่าแก่กว่าชื่อเรียก: แยน ลูคาซิวิช อธิบายตรรกศาสตร์สามค่าไว้ในทศวรรษ 1920 แต่ก้าวสำคัญเกิดขึ้นในปี 1965 เมื่อลอฟฟี ซาเดห์ ศาสตราจารย์จากมหาวิทยาลัยแคลิฟอร์เนีย เบิร์กลีย์ ตีพิมพ์บทความเรื่องดังกล่าว “เซตคลุมเครือ” in ข้อมูลและการควบคุมเขาตั้งข้อสังเกตว่าตรรกะคอมพิวเตอร์แบบดั้งเดิมไม่สามารถประมวลผลข้อมูลที่แสดงถึงความคิดของมนุษย์ที่เป็นอัตวิสัยหรือไม่ชัดเจนได้

แนวคิดนี้พัฒนาไปสู่ฮาร์ดแวร์ในปี 1974 เมื่อ Ebrahim Mamdani สร้างตัวควบคุมแบบฟัซซีที่ใช้งานได้จริงตัวแรกสำหรับเครื่องจักรไอน้ำ ผู้ผลิตชาวญี่ปุ่นได้นำไปจำหน่ายในเชิงพาณิชย์ในช่วงทศวรรษ 1980 ปัจจุบันอัลกอริทึมแบบฟัซซีครอบคลุมทฤษฎีการควบคุมไปจนถึง... ปัญญาประดิษฐ์โดยให้คอมพิวเตอร์สามารถแยกแยะความแตกต่างระหว่างข้อมูลที่ไม่ใช่ทั้งจริงหรือเท็จอย่างเคร่งครัด เช่น "มืดเล็กน้อย" "ค่อนข้างสว่าง" เป็นต้น

ลักษณะของฟัซซี่ลอจิก

ต่อไปนี้คือลักษณะสำคัญบางประการของตรรกะคลุมเครือ:

  • มีความยืดหยุ่นและใช้งานง่าย เรียนรู้เครื่อง เทคนิค
  • ช่วยให้คุณเลียนแบบตรรกะความคิดของมนุษย์
  • ความจริงไม่ได้จำกัดอยู่แค่สองค่าเท่านั้น ค่าใดๆ ระหว่าง 0 ถึง 1 ก็อาจแสดงถึงคำตอบได้
  • วิธีการที่เหมาะสมอย่างยิ่งในการให้เหตุผลที่ไม่แน่นอนหรือโดยประมาณ
  • ตรรกะคลุมเครือมองว่าการอนุมานเป็นกระบวนการในการแพร่กระจายข้อจำกัดแบบยืดหยุ่น
  • ตรรกะคลุมเครือช่วยให้คุณสร้างฟังก์ชันที่ไม่เป็นเชิงเส้นที่มีความซับซ้อนได้ตามต้องการ
  • ตรรกะคลุมเครือควรสร้างขึ้นด้วยคำแนะนำที่สมบูรณ์ของผู้เชี่ยวชาญ

เมื่อไม่ใช้ตรรกะคลุมเครือ

ตรรกะแบบคลุมเครือไม่ใช่ทางออกสำหรับทุกสิ่งทุกอย่าง และการเข้าใจว่าไม่ควรใช้ตรรกะแบบคลุมเครือในสถานการณ์ใดบ้างก็สำคัญไม่แพ้กัน

นี่คือสถานการณ์บางอย่างที่คุณควรหลีกเลี่ยงการใช้ตรรกะคลุมเครือ:

  • หากคุณไม่สามารถแปลงพื้นที่อินพุตเป็นพื้นที่เอาต์พุตได้อย่างสะดวก
  • ไม่ควรใช้ตรรกะคลุมเครือเมื่อสามัญสำนึกธรรมดาๆ สามารถแก้ปัญหาได้แล้ว
  • ตัวควบคุมแบบดั้งเดิมหลายตัวทำงานได้ดีโดยไม่ต้องใช้ตรรกะคลุมเครือเลย

ลอจิกคลุมเครือ Archiเทคเจอร์

สถาปัตยกรรมตรรกะคลุมเครือ (Fuzzy Logic) ประกอบด้วยส่วนหลักสี่ส่วน และแผนภาพด้านล่างแสดงให้เห็นว่าข้อมูลป้อนเข้าที่ชัดเจน (Crisp Input) เดินทางผ่านส่วนต่างๆ เหล่านั้นอย่างไร:

สถาปัตยกรรมตรรกะคลุมเครือที่มีฐานกฎ การแปลงเป็นคลุมเครือ กลไกการอนุมาน และการแปลงกลับจากคลุมเครือ
ลอจิกคลุมเครือ Archiเทคเจอร์

ฐานกฎ

ประกอบด้วยกฎทั้งหมดและเงื่อนไข IF-THEN ที่ผู้เชี่ยวชาญเสนอเพื่อควบคุมระบบการตัดสินใจ งานวิจัยล่าสุดในทฤษฎีฟัซซีได้นำเสนอวิธีการต่างๆ สำหรับการออกแบบและการปรับแต่งตัวควบคุมฟัซซี และวิธีการเหล่านี้ช่วยลดจำนวนกฎที่เซตฟัซซีต้องการได้อย่างมาก

การทำให้คลุมเครือ

การแปลงค่าเป็นฟัซซี (Fuzzification) คือการแปลงข้อมูลนำเข้า โดยเปลี่ยนตัวเลขที่แน่นอนให้เป็นเซตฟัซซี ข้อมูลนำเข้าที่แน่นอนนั้นวัดได้จากเซ็นเซอร์ เช่น อุณหภูมิห้อง ความดัน เป็นต้น แล้วส่งไปยังระบบควบคุมเพื่อประมวลผลต่อไป การแปลงนี้ทำโดย... ฟังก์ชั่นการเป็นสมาชิกเส้นโค้งที่แปลงค่าอินพุตที่เป็นไปได้ทั้งหมดให้เป็นระดับการเป็นสมาชิกระหว่าง 0 ถึง 1

เครื่องอนุมาน

ระบบจะตรวจสอบระดับความสอดคล้องระหว่างข้อมูลป้อนเข้าแบบฟัซซีกับกฎแต่ละข้อ โดยอิงจากเปอร์เซ็นต์ความสอดคล้องนั้น ระบบจะตัดสินใจว่าควรใช้กฎใดบ้างกับข้อมูลป้อนเข้าที่กำหนด จากนั้นจึงนำกฎที่ใช้แล้วมาผสมผสานกันเพื่อสร้างการควบคุมการทำงาน

การละลายเสียง

สุดท้าย การแปลงค่าคลุมเครือกลับไปเป็นค่าที่ชัดเจน (defuzzification) จะแปลงเซตคลุมเครือกลับไปเป็นค่าเดียวที่แน่นอน มีเทคนิคหลายอย่างที่ใช้ได้ — วิธีการหาจุดศูนย์กลาง จุดแบ่งครึ่ง และวิธีการหาค่าสูงสุด ตัวเลือกทั่วไปมีดังนี้ ดังนั้นโปรดเลือกตัวเลือกที่เหมาะสมที่สุดสำหรับคุณ ระบบผู้เชี่ยวชาญ.

ลอจิกคลุมเครือกับความน่าจะเป็น

ความคลุมเครือและความน่าจะเป็นมักถูกเข้าใจผิดกันอยู่บ่อยๆ แต่จริงๆ แล้วทั้งสองอย่างให้คำตอบที่แตกต่างกัน

ลอจิกคลุมเครือ ความน่าจะเป็น
Fuzzy: ระดับความเป็นสมาชิกของ Tom ภายในกลุ่มคนชราคือ 0.90 ความน่าจะเป็น: มีโอกาส 90% ที่ทอมจะแก่
ตรรกะคลุมเครือใช้ระดับความจริงเป็นพื้นฐานทางคณิตศาสตร์จากแบบจำลองของปรากฏการณ์ความคลุมเครือ ความน่าจะเป็นเป็นรูปแบบทางคณิตศาสตร์ของความไม่รู้

กรอบและคลุมเครือ

กรอบ เลือน
มีขอบเขตที่เข้มงวด T หรือ F ขอบเขตคลุมเครือพร้อมระดับการเป็นสมาชิก
ชุดเวลาที่คมชัดบางชุดอาจไม่ชัดเจน มันไม่สามารถกรอบได้
จริง/เท็จ {0,1} ค่าสมาชิกใน [0,1]
ในตรรกศาสตร์ที่ชัดเจน กฎของสิ่งที่ไม่รวมอยู่ตรงกลางและกฎของการไม่ขัดแย้งกัน อาจใช้ได้หรือไม่ก็ได้ ในตรรกะคลุมเครือ กฎของสิ่งที่ไม่รวมอยู่ตรงกลางและกฎของการไม่ขัดแย้งกันนั้นใช้ได้

ทฤษฎีเซตแบบคลาสสิกเทียบกับทฤษฎีเซตแบบคลุมเครือ

ชุดคลาสสิค ทฤษฎีเซตฟัซซี่
ประเภทของวัตถุที่มีขอบเขตแหลมคม คลาสของวัตถุไม่มีขอบเขตที่แหลมคม
ฉากคลาสสิกถูกกำหนดโดยขอบเขตที่ชัดเจน กล่าวคือ มีความชัดเจนเกี่ยวกับตำแหน่งของขอบเขตฉาก ฉากคลุมเครือมักจะมีขอบเขตคลุมเครือ กล่าวคือ อาจมีความไม่แน่นอนเกี่ยวกับตำแหน่งของขอบเขตที่กำหนด
ใช้กันอย่างแพร่หลายในการออกแบบระบบดิจิทัล ส่วนใหญ่ใช้ในตัวควบคุมแบบฟัซซีและระบบการให้เหตุผลโดยประมาณ

ตัวอย่างลอจิกคลุมเครือ

แผนภาพด้านล่างแสดงให้เห็นถึงระดับความเป็นสมาชิกอย่างชัดเจน ในระบบฟัซซี ค่าต่างๆ จะถูกแทนด้วยตัวเลขตั้งแต่ 0 ถึง 1 โดยที่ 1.0 หมายถึงความจริงสัมบูรณ์ และ 0.0 หมายถึงความเท็จสัมบูรณ์

ระดับความจริงของตรรกะคลุมเครือ (Fuzzy Logic) มีค่าตั้งแต่ 0.0 (เท็จโดยสมบูรณ์) ถึง 1.0 (จริงโดยสมบูรณ์)

ลอจิกคลุมเครือพร้อมตัวอย่าง

พื้นที่ใช้งานของฟัซซี่ลอจิก

ตารางด้านล่างแสดงตัวอย่างการประยุกต์ใช้ตรรกะคลุมเครือ (Fuzzy Logic) ในผลิตภัณฑ์ของบริษัทที่มีชื่อเสียงต่างๆ

สินค้า เกี่ยวกับเรา ลอจิกคลุมเครือ
เบรกป้องกันล้อล็อก นิสสัน ใช้ตรรกะคลุมเครือ (Fuzzy Logic) ในการควบคุมเบรกในกรณีอันตราย โดยพิจารณาจากความเร็วรถ อัตราเร่ง ความเร็วล้อ และอัตราเร่งของล้อ
เกียร์ออโต้ นก/นิสสัน ลอจิกคลุมเครือใช้เพื่อควบคุมการฉีดน้ำมันเชื้อเพลิงและการจุดระเบิดตามการตั้งค่าปีกผีเสื้อ อุณหภูมิของน้ำหล่อเย็น รอบต่อนาที ฯลฯ
เครื่องยนต์อัตโนมัติ ฮอนด้า นิสสัน ใช้สำหรับเลือกเกียร์ตามภาระของเครื่องยนต์ รูปแบบการขับขี่ และสภาพถนน
เครื่องถ่ายเอกสาร ศีล ใช้สำหรับปรับแรงดันไฟฟ้าของดรัมตามความหนาแน่นของภาพ ความชื้น และอุณหภูมิ
ระบบควบคุมความเร็วคงที่ นิสสัน อีซูซุ มิตซูบิชิ ใช้สำหรับปรับตั้งค่าคันเร่งเพื่อกำหนดความเร็วและการเร่งความเร็วของรถ
เครื่องล้างจาน Matsushita ใช้สำหรับปรับรอบการทำความสะอาด กลยุทธ์การล้าง และการชะล้าง โดยขึ้นอยู่กับจำนวนจานและปริมาณอาหารที่เสิร์ฟบนจาน
การควบคุมลิฟท์ ฟูจิเทค, มิตซูบิชิ อิเล็คทริค, โตชิบา ใช้เพื่อลดเวลารอคอยตามปริมาณผู้โดยสาร
ระบบวินิจฉัยกอล์ฟ มารุมาน กอล์ฟ เลือกไม้กอล์ฟตามวงสวิงและสรีระของนักกอล์ฟ
การจัดการฟิตเนส Omron มีการใช้กฎเกณฑ์แบบคลุมเครือในการตรวจสอบความเหมาะสมของพนักงาน
การควบคุมเตาเผา นิปปอนสตีล ผสมปูนซีเมนต์
เตาอบไมโครเวฟ มิตซูบิชิเคมี ตั้งค่าพลังงานและกลยุทธ์การทำอาหาร
คอมพิวเตอร์ปาล์มท็อป ฮิตาชิ, ชาร์ป, ซันโย, โตชิบา จดจำตัวอักษรคันจิที่เขียนด้วยลายมือ
การแกะสลักพลาสม่า Mitsubishi Electric กำหนดเวลาและกลยุทธ์ในการจำหลัก

หมายเหตุ ผลิตภัณฑ์เหล่านี้จำนวนมากมีอายุย้อนไปถึงยุคเฟื่องฟูของเครื่องใช้ไฟฟ้าแบบเก่าในช่วงปลายทศวรรษ 1980 และ 1990 โดยบริษัท Matsushita ได้เปลี่ยนชื่อเป็น Panasonic ตั้งแต่ปี 2008

ข้อดีของระบบฟัซซี่ลอจิก

วิศวกรยังคงเลือกใช้ตัวควบคุมแบบฟัซซีอยู่เรื่อย ๆ เพราะมันช่วยลดความคลาดเคลื่อนจากข้อมูลป้อนเข้าที่ไม่แน่นอนได้ในราคาประหยัด

  • โครงสร้างของระบบตรรกะคลุมเครือมีความเรียบง่ายและเข้าใจได้ง่าย
  • ตรรกะคลุมเครือถูกนำมาใช้กันอย่างแพร่หลายเพื่อวัตถุประสงค์ทางการค้าและการปฏิบัติ
  • ตรรกะคลุมเครือใน AI ช่วยให้คุณควบคุมเครื่องจักรและผลิตภัณฑ์สำหรับผู้บริโภคได้
  • แม้ว่าอาจจะไม่ได้ให้เหตุผลที่แม่นยำเป๊ะ ๆ แต่ก็ให้เหตุผลที่ยอมรับได้ในทางปฏิบัติ
  • ตรรกะคลุมเครือใน การทำเหมืองข้อมูล ช่วยให้คุณรับมือกับความไม่แน่นอนในงานวิศวกรรมได้
  • โดยส่วนใหญ่แล้วมีความเสถียร เนื่องจากไม่จำเป็นต้องใช้ข้อมูลป้อนเข้าที่แม่นยำ
  • สามารถตั้งโปรแกรมให้ทำงานต่อไปได้แม้ในสถานการณ์ที่เซ็นเซอร์ตรวจจับการตอบสนองหยุดทำงาน
  • สามารถปรับเปลี่ยนเพื่อปรับปรุงหรือเปลี่ยนแปลงประสิทธิภาพของระบบได้อย่างง่ายดาย
  • สามารถใช้เซ็นเซอร์ราคาไม่แพงได้ ซึ่งจะช่วยให้คุณควบคุมต้นทุนและความซับซ้อนโดยรวมของระบบให้อยู่ในระดับต่ำ
  • มันเป็นวิธีการแก้ปัญหาที่มีประสิทธิภาพสูงสำหรับปัญหาที่ซับซ้อน

ข้อเสียของระบบฟัซซี่ลอจิก

  • ตรรกะแบบฟัซซีไม่ถูกต้องเสมอไป ผลลัพธ์ได้มาจากการตั้งสมมติฐาน ดังนั้นจึงอาจไม่ได้รับการยอมรับอย่างกว้างขวาง
  • ระบบฟัซซีโดยตัวมันเองไม่สามารถเรียนรู้ได้ ต่างจากระบบอื่นๆ เครือข่ายประสาท ด้วยความสามารถในการจดจำรูปแบบ
  • การตรวจสอบและยืนยันความถูกต้องของระบบความรู้แบบฟัซซีจำเป็นต้องมีการทดสอบอย่างครอบคลุมด้วยฮาร์ดแวร์
  • การกำหนดกฎคลุมเครือและฟังก์ชันสมาชิกภาพที่แน่นอนเป็นงานที่ยาก
  • ตรรกะคลุมเครือ (Fuzzy logic) มักถูกเข้าใจผิดว่าเป็นทฤษฎีความน่าจะเป็น และคำศัพท์ทั้งสองมักถูกใช้สลับกัน

คำถามที่พบบ่อย

ฟังก์ชันสมาชิกภาพคือแผนที่เส้นโค้งping แต่ละค่าอินพุตจะถูกแปลงเป็นระดับระหว่าง 0 ถึง 1 โดยจะแปลงป้ายกำกับทางภาษา เช่น "อบอุ่น" ให้เป็นรูปแบบที่ตัวควบคุมสามารถประมวลผลได้

รูปทรงสามเหลี่ยมเหมาะกับค่าอุดมคติค่าเดียว รูปทรงสี่เหลี่ยมคางหมูเหมาะกับช่วงค่าที่สบายตา และรูปทรงเกาส์เซียนเหมาะกับเส้นโค้งที่เรียบและหาอนุพันธ์ได้ เริ่มต้นด้วยรูปทรงสามเหลี่ยมเพราะคำนวณได้ง่ายที่สุด จากนั้นค่อยเปลี่ยนรูปทรงหากรู้สึกว่าการตอบสนองกระทันหันเกินไป

กฎของ Mamdani ให้ผลลัพธ์เป็นเซตคลุมเครือและอ่านง่ายเหมือนภาษาของผู้เชี่ยวชาญ เหมาะสำหรับตัวควบคุมที่ออกแบบโดยมนุษย์ ในขณะที่กฎของ Sugeno ให้ผลลัพธ์เป็นฟังก์ชันทางคณิตศาสตร์ ซึ่งง่ายต่อการแปลงเป็นค่าที่ชัดเจนและปรับแต่งได้ง่ายกว่าโดยอัตโนมัติ

จุดศูนย์กลางมวลของชุดข้อมูลผลลัพธ์ มักเป็นค่าเริ่มต้นและเหมาะสมเพียงพอสำหรับการใช้งานส่วนใหญ่ ส่วนวิธีการใช้เส้นแบ่งครึ่งและการหาค่าสูงสุดนั้น ควรลองใช้เมื่อการตอบสนองของจุดศูนย์กลางมวลราบเรียบเกินไป

ในตัวดำเนินการ Zadeh มาตรฐาน AND จะใช้ค่าต่ำสุดของสองระดับ OR จะใช้ค่าสูงสุด และ NOT จะใช้แทนค่าtracts คือระดับขั้นจาก 1 มันจะลดรูปเป็นตรรกะบูลีนเมื่อทุกระดับขั้นมีค่าเป็น 0 หรือ 1 อย่างแน่นอน

ระบบนิวโรฟัซซีรักษาหลักเกณฑ์ฟัซซีที่อ่านได้ แต่ปล่อยให้เครือข่ายปรับแต่งฟังก์ชันสมาชิกภาพจากข้อมูล โดยผสานความสามารถในการตีความของหลักเกณฑ์จากผู้เชี่ยวชาญเข้ากับความสามารถในการปรับตัวของระบบ การเรียนรู้ภายใต้การดูแล.

นักบิน GitHub ร่างฟังก์ชันสมาชิก ตารางกฎ และโค้ดการสร้างกราฟได้อย่างรวดเร็ว ช่วยลดขั้นตอนที่ไม่จำเป็นส่วนใหญ่ อย่างไรก็ตาม ความหมายของกฎยังคงต้องการผู้เชี่ยวชาญ เพราะชุดกฎที่ดูสมเหตุสมผลอาจไม่เหมาะสมกับระบบของคุณ

Python นักพัฒนาเลือกใช้ scikit-fuzzy วิศวกรเลือกใช้ MATLAB Fuzzy Logic Toolbox ส่วนทีมพัฒนาระบบฝังตัวเขียนสูตรคำนวณค่าต่ำสุด-สูงสุดด้วยมือเอง ทั้งสามวิธีนี้ทำตามขั้นตอนการแปลงค่าเป็นฟัซซี อนุมาน และแปลงค่ากลับเป็นค่าที่ชัดเจนดังที่กล่าวมาข้างต้น

สรุปโพสต์นี้ด้วย: