Sugar production from sugarcane is a complex process that requires precise control. One of the major issues is sugar loss, which can result from various factors, particularly "burnt cane," before being sent to the mill. This affects the quality of the sugarcane and the efficiency of sugar extraction, along with the performance of the machinery and the properties of the cane, which impact the amount of sugar extracted. This study aims to analyze the factors that influence sugar loss in the sugar production process, using quantitative data from a sugar factory. Nine variables were examined, including mechanical efficiency, machine downtime per day, cane waiting time per day, sand content in cane juice, pol extraction efficiency, overall working time efficiency, cane juice purity, cane sugar content (C.C.S.), and burnt cane. The data were analyzed using correlation analysis to examine relationships between variables and regression modeling to predict sugar loss. The results showed that mechanical efficiency, cane sugar content, and the amount of sand or impurities in the cane juice were significantly correlated with sugar loss. Mechanical efficiency had a direct relationship with the amount of cane milled, which improved sugar production. On the other hand, burnt cane, or cane that was burnt before harvesting, resulted in reduced sugar extraction and impacted the quality of the sugar. Therefore, reducing sugar loss in the production process can be achieved by improving machine efficiency, reducing impurities in cane juice, and managing burnt cane, which will improve sugar production efficiency in the future.
อุตสาหกรรมน้ำตาลของประเทศไทยเป็นอุตสาหกรรมเกษตรแปรรูปที่มีความสำคัญ โดยมีความโดดเด่นจากการใช้วัตถุดิบภายในประเทศในการผลิตน้ำตาลเพื่อบริโภคภายในประเทศ รวมทั้งสามารถส่งออกส่วนเกินเพื่อสร้างรายได้ให้กับโรงงานผลิตน้ำตาลและเกษตรกรชาวไร่อ้อยซึ่งมีจำนวนมากกว่า 200,000 ครัวเรือน สร้างรายได้มูลค่ากว่า 200,000 ล้านบาทต่อปี ปัจจุบันประเทศไทยมีโรงงานผลิตน้ำตาลจำนวน 51 แห่ง มีอัตรากำลังการผลิตอ้อยสูงถึง 365 ล้านตันต่อปี แต่ในความเป็นจริง โรงงานผลิตน้ำตาลในประเทศไทยมีอ้อยที่ใช้ผลิตเพียง 105 ล้านตันต่อปีเท่านั้น ซึ่งอ้อย 105 ล้านตันจะถูกนำไปหีบในระยะเวลา 4-5 เดือน ตั้งแต่เดือนธันวาคมถึงเดือนเมษายนของทุกปี ซึ่งสามารถผลิตน้ำตาลทรายได้ประมาณ 11-11.5 ล้านตัน โดยผลผลิตนี้จะถูกแบ่งเพื่อบริโภคภายในประเทศประมาณ 2.5 ล้านตัน และส่วนที่เหลือจะถูกส่งออกนำรายได้เข้าประเทศ การผลิตน้ำตาลจากอ้อยเป็นกระบวนการที่มีความซับซ้อนและต้องการการจัดการอย่างมีประสิทธิภาพเพื่อให้ได้ผลผลิตสูงสุด ถ้าพิจารณาปริมาณอ้อยและผลผลิตน้ำตาล จะแสดงให้เห็นถึงประสิทธิภาพการผลิตน้ำตาลของโรงงาน ซึ่งจะขึ้นอยู่กับปัจจัยหลัก 2 ประการคือ 1) อ้อย เป็นวัตถุดิบหลักในการผลิต 2) กระบวนการผลิตที่เกี่ยวข้องกับการสกัดน้ำตาลจากอ้อยผ่านหลายขั้นตอน ตั้งแต่การหีบ การทำให้สิ่งสกปรกจับตัว การระเหยเพื่อลดน้ำในน้ำอ้อย การตกผลึกน้ำตาล การแยกผลึกออกจากกากน้ำตาล และการทำให้ผลึกน้ำตาลแห้ง กระบวนการเหล่านี้ทำงานต่อเนื่อง หากมีการหยุดชะงักในกระบวนการใดกระบวนการหนึ่ง อาจทำให้การสูญเสียน้ำตาลเกิดขึ้น เช่น สูญเสียน้ำตาลในกากอ้อย โมลาส หรือกากตะกรันหม้อกรอง รวมถึงการสูญเสียน้ำตาลที่ไม่สามารถระบุแหล่งได้ อย่างไรก็ตาม หนึ่งในปัจจัยที่มีผลกระทบอย่างมากต่อการสูญเสียน้ำตาลคือ "การเผาอ้อย" ซึ่งเป็นกระบวนการที่เกษตรกรบางส่วนใช้ในการเตรียมอ้อยก่อนการเก็บเกี่ยว การเผาอ้อยทำให้คุณภาพของอ้อยลดลง และทำให้การสกัดน้ำตาลมีประสิทธิภาพต่ำลง ส่งผลต่อผลผลิตน้ำตาลที่ได้ นอกจากนี้ การเผาอ้อยยังทำให้เกิดสิ่งปนเปื้อนในน้ำอ้อย เช่น เถ้าถ่าน หรือควัน ซึ่งมีผลต่อการผลิตน้ำตาลในกระบวนการต่างๆ ต่อไป การศึกษาครั้งนี้จึงวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการสูญเสียน้ำตาลในกระบวนการผลิตน้ำตาลจากอ้อย โดยใช้ข้อมูลเชิงปริมาณจากโรงงานน้ำตาล ครอบคลุม 9 ตัวแปร ได้แก่ ประสิทธิภาพเครื่องจักร (Mechanical efficiency), จำนวนชั่วโมงหยุดเครื่องจักรในหนึ่งวัน (Stoppage), จำนวนชั่วโมงหยุดรออ้อยในหนึ่งวัน (Due to Cane), ปริมาณทรายในน้ำอ้อย (Sand), ประสิทธิภาพการหีบสกัดอ้อย (Pol Extraction), ประสิทธิภาพเวลาการทำงานโดยรวม (Overall Time), ค่าความบริสุทธิ์ของน้ำอ้อย (Purity), ค่าปริมาณน้ำตาลในอ้อย (C.C.S.), และปริมาณอ้อยไฟไหม้ (Burn Cane) โดยจะทำการวิเคราะห์ข้อมูลด้วยค่าสหสัมพันธ์ (Correlation) เพื่อตรวจสอบความสัมพันธ์ระหว่างตัวแปร และแบบจำลองการถดถอย (Regression Model) เพื่อพยากรณ์การสูญเสียน้ำตาล การศึกษาครั้งนี้จึงมีความสำคัญในการพัฒนากระบวนการผลิตอย่างยั่งยืน ช่วยให้โรงงานน้ำตาลสามารถลดการสูญเสียน้ำตาลระหว่างกระบวนการผลิต และเพิ่มประสิทธิภาพในการผลิตน้ำตาล ซึ่งจะนำไปสู่การลดต้นทุนการผลิตและสร้างความสามารถในการแข่งขันในตลาดน้ำตาลได้ในระยะยาว
คณะวิศวกรรมศาสตร์
This Project has been undertaken to address the need for skill development and knowledge enhancement in pneumatic systems and automation control, which are crucial in today’s manufacturing industry. Pneumatic systems play a vital role in various production processes, including machine control, automated devices, and assembly lines. However, the Department of Measurement and Control Engineering currently lacks a laboratory dedicated to the study and experimentation of pneumatic systems due to the deterioration and lack of maintenance of the previously used equipment. This has resulted in students missing the opportunity to practice essential skills required in the industrial sector. The authors of this thesis recognize the necessity of reviving and developing a pneumatic laboratory that can effectively support teaching, learning, and research activities. This project focuses on studying and developing industrial robotic arm control systems and pneumatic systems, integrating modern technologies such as Programmable Logic Controllers (PLC) and AI Vision. These systems are intended to be applicable to real-world industrial contexts. The outcomes of this project are expected to not only enhance the understanding of relevant technologies but also aim to transform the laboratory into a vital learning hub for current and future students. Furthermore, this initiative seeks to improve the competitiveness of students in the job market and support the development of innovations in the manufacturing industry in the years to come.
คณะวิศวกรรมศาสตร์
Motor control is a critical process for muscle contraction, which is initiated by nerve impulses governed by the motor cortex. This process is vital for performing activities of daily living (ADLs). Consequently, a disruption in communication between the brain and muscles, as seen in various chronic conditions and diseases, can impair bodily movement and ADLs. Evaluating the interaction between brain function and motor control is significant for the diagnosis and treatment of motor control disorders; moreover, it can contribute to the development of brain-computer interfaces (BCIs). The purpose of this study is to investigate brain activation in designed upper extremity motor control tasks in regulating the pushing force in different brain regions; and develop investigation methods to assess motor control tasks and brain activation using a robotic arm to guide upper extremity force and motor control. Eighteen healthy young adults were asked to perform upper extremity motor control tasks and recorded the hemodynamic signals. Functional Near-Infrared Spectroscopy (fNIRs) and robotic arms were used to assess brain activation and the regulation of pushing force and extremity motor control. Two types of motion, static and dynamic, move along a designated trajectory in both forward and backward directions, and three different force levels selected from a range of ADLs, including 4, 12, and 20 N, were used as force-regulating upper extremity motor control tasks. The hemodynamic responses were measured in specific regions of interest, namely the primary motor cortex (M1), premotor cortex (PMC), supplementary motor area (SMA), and prefrontal cortex (PFC). Utilizing a two-way repeated measures ANOVA with Bonferroni correction (p < 0.00625) across all regions, we observed no significant interaction effect between force levels and movement types on oxygenated hemoglobin (HbO) levels. However, in both contralateral (c) and ipsilateral (i) PFC, movement type—static versus dynamic—significantly affected brain activation. Additionally, cM1, iPFC, and PMC showed a significant effect of force level on brain activation.
คณะวิศวกรรมศาสตร์
This project aims to develop a conceptual prototype of a weapon aiming system that simulates an anti-aircraft gun. Utilizing an optical camera, the system detects moving objects and calculates their trajectories in real time. The results are then used to control a motorized laser pointer with two degrees of freedom (DoF) of rotation, enabling it to aim at the predicted position of the target. Our system is built on the Raspberry Pi platform, employing machine vision software. The object motion tracking functionality was developed using the OpenCV library, based on color detection algorithms. Experimental results indicate that the system successfully detects the movement of a tennis ball at a rate of 30 frames per second (fps). The current phase involves designing and integratively testing the mechanical system for precise laser pointer position control. This project exemplifies the integration of knowledge in electronics (computer programming) and mechanical engineering (motor control).