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
คณะอุตสาหกรรมอาหาร
Plant-based refers to food or products that are primarily made from plants. It can be divided into two categories: one is food that comes entirely from plants and does not include any animal products, and the other is food that contains small amounts of animal products, such as products that contain milk and eggs in limited quantities, which may also be considered part of the definition of plant-based. Plant-based meat products that closely resemble real meat and attract consumers are considered a relatively new innovation. Although tofu, tempeh, and seitan have been around for a long time, recent discoveries have led to the production of plant-based meat products that provide a sensory experience, making it difficult for consumers to distinguish between real meat and plant-based meat. Furthermore, the development of plant-based food products must prioritize quality and safety to maximize consumer benefits. Textured Vegetable Protein (TVP) is a plant-based protein made from soybeans using an extruder. It is used as a primary ingredient in the production of plant-based food products due to several advantages. These include: • High Protein Content: TVP is made from soybeans with the fat extracted, resulting in a high protein content. • Texture: When rehydrated, TVP has a texture that closely resembles meat. • Versatility: TVP has a neutral flavor, allowing it to easily absorb the flavors of various seasonings and sauces. • Cost-Effectiveness: Compared to other protein sources, TVP is relatively inexpensive while providing desirable characteristics. These benefits make TVP an attractive option in the production of plant-based foods. This study focuses on developing TVP into a plant-based crab cake and investigating the shelf life of the product in a tightly sealed container under refrigeration. It also analyzes the hygiene and cleanliness of the production process and how these factors affect the presence or growth of microorganisms that may pose a risk to consumers, referencing the cold food safety standards of Thailand. Finally, recommendations for cleaning operational areas will be provided to establishments as a guideline for developing preliminary food safety procedures in laboratory settings.
คณะวิทยาศาสตร์
This special problem aims to compare the performance of machine learning methods in time series forecasting using lagged time periods as independent variables. The lagged periods are categorized into three groups: lagged by 10 units, lagged by 15 units, and lagged by 20 units. The study employs four machine learning methods: Decision Tree (DT), Random Forest (RF), K-Nearest Neighbors (KNN), and Support Vector Machine (SVM). The time series data simulated as independent variables diverse including characteristics: Random Walk data, Trending data, and Non-Linear data, with sample sizes of 100, 300, 500, and 700. The research methodology involves splitting the data into 90% for training and 10% for testing. Simulations and analysis are performed using the R programming language, with 1,000 iterations conducted. The results are evaluated based on the average mean squared error (AMSE) and the average mean absolute percentage error (AMAPE) are calculated to identify the best performing method. The research findings revealed that for Random Walk data, the best performing methods are Random Forest and Support Vector Machine. For Trend data, the best performing methods are Random Forest. For Non-Linear data, the best performing methods are Support Vector Machine. When tested with real-world data, the results show that for the Euro-to-Thai Baht exchange rate, the best methods are Random Forest and Support Vector Machine. For the S&P 500 Index in USD, the best performing methods are Random Forest. For the Bank of America Corp Index in USD, the best performing methods are Support Vector Machine.
คณะวิทยาศาสตร์
Metallic nanoparticles embedded in cellulose nanocrystal (MNPs/CNC) films were prepared by solution casting for antimicrobial and fungus in edible peel fruit. MNPs/CNC was synthesized by ultrasonic waves. The as-synthesized was characterized by the chemical characteristics by the transmission electron microscope (TEM), X-ray photoelectron spectroscopy (XPS), X-ray diffraction analysis (XRD), Fourier transform infrared spectrometer (FT-IR), zeta potential analyzer, and UV-visible spectrophotometer. MNPs/CNC films had high potential in antimicrobial and fungus. Therefore, MNPs/CNC can be used to wrap edible peeled fruit to inhibit the growth of microorganisms, which can effectively extend the shelf life of fruits.