Clean Fuel Vehicle Performance Test Service Unit provides performance and efficiency testing services for electric vehicles and vehicles using petroleum fuels, including being a prototype for research projects on clean fuel energy that is environmentally friendly. The main testing tools are the Chassis Dynamometer and the Engine Combustion Exhaust Analyzer. The service unit provides measurement and testing services in accordance with the announcement of the Department of Land Transport on determining the power of electric motors used to drive vehicles according to the Motor Vehicle Act B.E. 2563 for all types of electric vehicles, such as modified electric motorcycles, modified electric tuk-tuks, and modified electric cars, etc.
เนื่องจากในปัจจุบันมีการเจริญเติบโตทางด้านอุตสาหกรรม เทคโนโลยี เศรษฐกิจ การขนส่ง และการคมนาคมเป็นอย่างมาก ทำให้มีการใช้รถยนต์สำหรับการคมนาคมและขนส่งอย่างมากมาย ทั้งรถยนต์นั่งส่วนบุคคล และรถยนต์นั่งสาธารณะ เช่น รถแท็กซี่และรถตุ๊กๆนั่นเอง ซึ่งจากข้อมูลเมื่อปี 2556 ในกรุงเทพมหานคร มีรถแท็กซี่ประมาณ 120,000 คัน ในจำนวนนี้มีรถแท็กซี่ที่จดทะเบียนในเขตกรุงเทพมหานครจำนวนทั้งสิ้น 108,616 คัน แต่มีรถแท็กซี่ที่ผ่านการตรวจสอบมาตรฐานคุณภาพตัวรถตามที่กรมการขนส่งทางบกกำหนด จำนวน 24,859 คัน หรือคิดเป็น 23 % ของจำนวนรถแท็กซี่ที่จดทะเบียนในเขตกรุงเทพมหานครเท่านั้น ทั้งนี้ในอนาคตอันใกล้ กลุ่มรถยนต์นั่งส่วนบุคคล และรถยนต์นั่งสาธารณะเหล่านี้จะถูกผลักดันจากนโยบายสนับสนุนของรัฐบาลให้เปลี่ยนมาเป็นรถยนต์ไฟฟ้าในจำนวนมาก เพื่อมาแทนยานยนต์ที่ใช้เชื้อเพลิงจากน้ำมันซึ่งจะเป็นแนวทางในการลดการนำเข้าน้ำมันดิบจากต่างประเทศ และช่วยลดมลพิษไอเสียที่เกิดขึ้นมาจากเครื่องยนต์สันดาปภายในเหล่านั้น ที่ส่งผลกระทบต่อการเกิดภาวะโลกร้อน (Global warming) โดยตรง ดังนั้นยานยนต์ไฟฟ้าปริมาณมากมายที่จะถูกนำมาใช้งานจริงบนท้องถนนต้องผ่านการตรวจสอบและทดสอบสมรรถนะอย่างถูกต้องตามเกณฑ์มาตรฐานจากกรมการขนส่งทางบกโดยตรง หรือจากหน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาดที่ได้รับอนุญาตให้เป็นผู้แทนตรวจสภาพรถยนต์ไฟฟ้าได้ จึงเป็นมูลเหตุให้มีการจัดตั้งหน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาดขึ้น เพื่อรองรับการการตรวจสอบและทดสอบสมรรถนะยานยนต์ไฟฟ้าตามเกณฑ์มาตรฐานจากกรมการขนส่งทางบก ซึ่งขณะนี้หน่วยบริการวิชาการเฉพาะทางด้านของเราได้มีความร่วมมือจากคณะวิทยาศาสตร์ คณะวิศวกรรมศาสตร์ วิทยาลัยนานาชาติและหน่วยงานภาครัฐและเอกชน อาทิเช่น กรมส่งเสริมอุตสาหกรรม ภาค 5, บริษัท ไทยคิงมอเตอร์ อินโนเวชั่น จำกัด, บริษัท เอ็ส บี เอ็ม เอ็นจิเนี่ยริ่ง จำกัด, บริษัท ช่วยราม เอ็นจิเนี่ยริ่ง จำกัด และสมาคมการค้ารถสามล้อส่วนบุคคล และมอเตอร์ไซค์ไฟฟ้า เพื่อสนับสนุนการตรวจสอบและทดสอบสมรรถนะยานยนต์ไฟฟ้า เช่น บริการทดสอบประสิทธิภาพกำลังงาน ประสิทธิภาพการเผาไหม้และค่าไอเสียของรถยนต์สันดาปภายใน รถยนต์นั่งสาธารณะ(รถแท็กซี่)ในกรุงเทพมหานคร โดยเฉพาะในเขตลาดกระบัง นอกจากนี้ยังจะเป็นการบูรณาการการศึกษาสำหรับการเรียนการสอนในรายวิชา 05106335 หน่วยปฏิบัติการทางอุตสาหกรรมปิโตรเคมี ของภาควิชาเคมี คณะวิทยาศาสตร์ ที่มีสาระสำคัญมุ่งเน้นให้ผู้เรียนได้รับการเรียนรู้การถ่ายโอนโมเมนตัม การไหลของอากาศ การดุลมวล โมเมนตัมและพลังงาน รายวิชาด้าน Software and Automotive Engineering ของภาควิชาวิศวกรรมเครื่องกล คณะวิศวกรรมศาสตร์ และวิทยาลัยนานาชาติ ได้เข้าเรียนรู้ และฝึกงานที่หน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาด เพื่อเตรียมความพร้อมก่อนที่จะออกไปทำงานจริง ดังนั้น การเพิ่มพูนความรู้และประสบการณ์ในรายวิชาที่กำลังศึกษาจึงมีความสำคัญเป็นอย่างยิ่งต่อการพัฒนาองค์ความรู้ในเชิงปฏิบัติได้เป็นอย่างดี
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะวิศวกรรมศาสตร์
This project develops a platform using computer vision to analyze real-time CCTV footage for detecting traffic law violations, such as crossing solid lines. The system can automatically identify and record traffic rule infringements, improving law enforcement efficiency and reducing the workload of traffic police officers. Moreover, it plays a crucial role in developing smart city systems by integrating data to enhance traffic management and road safety.
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
In the world of blood donation, there are 2 types of people: those who donate blood and those who don't. Most campaigners emphasize how to persuade more people to donate blood and recruit more new blood donors. We believe that even though such focus is important, there're more critical aspects that might have been neglected, which is: for those who have already made up their minds to be blood doners, will they be successful in donating when the time comes? According to our studies, only 63 % of attempted doners are successful. Regrettably, 37 % has to go home disappointed as their bodies are not fit for the conditions required by Red Cross medical staff at blood donation centers (which include some most basic preparations such as low-fat food intake and 8-hours sleep on the night before). Our campaign, ‘Blood in Need, Buddy Indeed’, focuses on 2 aspects. Firstly, to persuade more people to donate blood. Secondly, for those who have made up their minds to donate blood, we will provide necessary support (both body and mind) so that they are fully prepared and successful in donating blood when the time comes via networks of systems, staffs and the newly designed and prototype of the application ‘Blood D’. Our campaign covers the whole ‘before/during/after’ experience of users (as blood doners). Support includes assessment of their current condition whether they are within the requirement of Red Cross Blood Bank. ‘Blood D’ will also provide relevant information on blood donating events, such as locations, and time booking. Once sign-up, the application “Blood D” will sent friendly reminder and clear infographic on how to prepare their bodies as daily notifications during the 7 days countdown. This is to ensure that the users’ blood will be ‘D’ (homophone of the Thai word ‘ดี’ which mean ‘good’ and at the same time playing on the word ‘ Buddy’) or be the ‘good blood’ that can save lives for those in need. After organizing 4 blood donation events both within and outside the KMITL. The numbers of successful blood doners have increased from 63 % to 78 % (this number is the average of 4 events, with the most successful event of 89%). The campaign has won the first runner up in national blood donation campaign competition. It is highly anticipated that once the application “Blood D” is fully launched, it will help increase the amount of blood collected up to 15% with the same numbers of existing doners.