This project objectives are 1) investigate the utilization of coconut husk and rubber latex in construction applications, 2) determine the optimal ratio of coconut husk and rubber latex mixtures, and 3) test the properties of ceiling panels made from coconut husk and rubber latex composite under Thai Industrial Standard (TIS) 219-2552 for gypsum ceiling boards. The methodology involves the following steps: 1) planning the project, 2) designing the mixture for the coconut husk and rubber latex composite ceiling panels, 3) producing the composite ceiling panels, 4) testing the product for properties according to TIS 219-2552 for gypsum ceiling boards, and 5) summarizing the test results.
ประเทศไทยเป็นประเทศเกษตรกรรมที่มีการปลูกมะพร้าวและยางพาราอย่างแพร่หลาย ส่งผลให้มีเศษวัสดุเหลือทิ้งจากการแปรรูปมะพร้าว เช่น ขุยมะพร้าว และน้ำยางธรรมชาติที่สามารถนำมาใช้ประโยชน์ได้ ขุยมะพร้าวเป็นวัสดุธรรมชาติที่ไม่มีสารพิษ มีน้ำหนักเบา ทนทานต่อสภาพอากาศ และมีค่าการนำความร้อนต่ำ ส่วนน้ำยางธรรมชาติเป็นวัสดุที่มีความยืดหยุ่นและเป็นมิตรต่อสิ่งแวดล้อม การนำวัสดุเหล่านี้มาผสมผสานเพื่อผลิตแผ่นฝ้าเพดานที่มีสมบัติเป็นฉนวนป้องกันความร้อน จึงเป็นแนวทางที่สามารถช่วยลดขยะทางการเกษตร และพัฒนาเป็นวัสดุก่อสร้างที่มีคุณสมบัติเป็นฉนวนกันความร้อน ซึ่งสามารถช่วยลดอุณหภูมิภายในอาคารได้ ปัจจุบันวัสดุที่ใช้ในการผลิตแผ่นฝ้าเพดานมักเป็นเส้นใยสังเคราะห์หรือวัสดุที่นำเข้าจากต่างประเทศ ซึ่งมีต้นทุนสูงและอาจมีผลกระทบต่อสุขภาพของผู้ใช้งาน การพัฒนาแผ่นฝ้าเพดานจากขุยมะพร้าวผสมน้ำยางธรรมชาติ ไม่เพียงแต่ช่วยลดปริมาณขยะจากการเกษตร แต่ยังเป็นการใช้ทรัพยากรที่มีอยู่ในประเทศอย่างคุ้มค่า นอกจากนี้ การใช้วัสดุธรรมชาติยังช่วยลดการพึ่งพาวัสดุนำเข้า ลดต้นทุนการผลิต และส่งเสริมการใช้วัสดุที่เป็นมิตรต่อสิ่งแวดล้อม ซึ่งสอดคล้องกับแนวคิดการพัฒนาที่ยั่งยืนและการอนุรักษ์สิ่งแวดล้อม ดังนั้น การศึกษาวิจัยและพัฒนาแผ่นฝ้าผสมขุยมะพร้าวและน้ำยางพาราที่มีสมบัติเป็นฉนวนป้องกันความร้อน จึงมีความสำคัญทั้งในด้านการอนุรักษ์สิ่งแวดล้อม การใช้ทรัพยากรอย่างคุ้มค่า และการพัฒนาอุตสาหกรรมก่อสร้างที่ยั่งยืนในอนาคต
วิทยาลัยวิศวกรรมสังคีต
Some musicians are hearing impaired, some have finished their careers, but some continue to work, and it is much harder for them to be deaf than for musicians who are not. Some use hearing aids in their daily lives and use in-ear monitors in their live performances, which seem normal, but in their in-ears they only hear the metronome and drums. How can we improve the performance of in-ear monitors to near normal?
วิทยาเขตชุมพรเขตรอุดมศักดิ์
This project aims to design and develop an eye-tracking system to facilitate communication for paralyzed immobile patients. The system is designed to enable patients to convey their needs to caregivers or family members by detecting and tracking eye movements using the Tobii Eye Tracker 5 device. This approach serves as an alternative communication method, replacing the physical movement or speech of paralyzed patients. The system effectively detects and tracks eye movements at a distance of 55 to 85 centimeters and is designed for installation on a computer to ensure ease of use. The program interface consists of three main sections: (1) a set of emotions, (2) a set of needs, and (3) a set of additional needs. It supports input from a virtual keyboard in both Thai and English and allows users to specify additional needs through eye-tracking-enabled typing. Furthermore, the system can generate synthetic speech for text that is difficult to pronounce aloud, send notification messages via the Line application, and store usage data in a database presented in a dashboard format. System testing revealed that the optimal detection distance ranges from 65 to 75 centimeters, as this range yields an error rate of no more than 1 percent. The system accurately responds to eye movements for communication through sound within 3 seconds when interacting with various function buttons. This eye-tracking system effectively enables paralyzed immobile patients to communicate their emotions and needs, facilitating better understanding and interaction between patients and their caregivers or family members.
คณะวิทยาศาสตร์
This special problem aims to study and compare the performance of predicting the air quality index (AQI) using five ensemble machine learning methods: random forest, XGBoost, CatBoost, stacking ensemble of random forest and XGBoost, and stacking ensemble of random forest, SVR, and MLP. The study uses a dataset from the Central Pollution Control Board of India (CPCB), which includes fifteen pollutants and nine meteorological variables collected between January, 2021 and December, 2023. In this study, there were 1,024,920 records. The performance is measured using three methods: root mean square error (RMSE), mean absolute error (MAE), and coefficient of determination. The study found that the random forest and XGBoost stacking ensemble had the best performance measures among the three methods, with the minimum RMSE of 0.1040, the minimum MAE of 0.0675, and the maximum of 0.8128. SHAP-based model interpretation method for five machine learning methods. All methods reached the same conclusion: the two variables that most significantly impacted the global prediction were PM2.5 and PM10, respectively.