This project aims to propose a design for a red offal processing room in a pork processing plant that processes 500 pigs per day or 80 pigs per hour. Each pig weighs approximately 105 kilograms, with 3.47% of the weight consisting of red offal. The process involves separating liver, gall bladder, heart, lungs, spleen, and kidneys as required. These parts are then chilled in cold water to reduce their temperature to below 7°C before packaging and sealing. Sorting is based on the number of pieces and weight, depending on the type of product. The processing times of sorting chilling and packaging vary depending on the product's type and size. The design was developed using data collected from the current production line and referenced standards. The room layout was planned using Systematic Layout Planning (SLP) principles to analyze activity relationships within the room and define functional areas. Equipment sizes and the required number of operators were calculated to ensure optimal use of space. The red offal processing room was designed with an area of 56 square meters. After the layout design was completed, a 3D model was created using SketchUp 2024, and the workflow and operations were simulated and analyzed using Flexsim 2024
บริษัท เบทาโกร จำกัด (มหาชน) ได้มีแผนการขยายโรงงานแปรรูปสุกรทั้งในประเทศและต่างประเทศ การออกแบบกระบวนการผลิตจึงเป็นสิ่งสำคัญที่ทำให้โรงงานที่จะก่อตั้งนั้นสามารถใช้งานได้อย่างมีประสิทธิภาพทั้งในด้านกระบวนการการผลิตและความสะอาด เพื่อทำให้สินค้าที่ส่งมอบแก่ผู้บริโภคมีคุณภาพที่ดี โดยผลิตภัณฑ์ที่สำคัญของโรงงานแปรรูปสุกร ได้แก่ กลุ่มชิ้นส่วนสุกรตัดแต่ง และกลุ่มเครื่องในสุกร ซึ่งประกอบไปด้วยเครื่องในแดง และเครื่องในขาว โครงงานนี้ได้รับมอบหมายให้ศึกษากระบวนการทำงานเพื่อออกแบบห้องเครื่องในแดงให้รองรับการผลิตที่สูงขึ้นและมีความหลากหลายของผลิตภัณฑ์มากขึ้น โดยกระบวนการทำงานภายในห้องถูกต้องเป็นไปตามหลักการปฏิบัติที่ดีสำหรับโรงแปรรูปสุกรของกรมปศุสัตว์
คณะวิทยาศาสตร์
This study aimed to investigate the effectiveness of extracts from moringa seeds, roselle seeds, and tamarind seeds as coagulants to improve water quality in surface water sources. Extracts from these seeds serve as environmentally friendly coagulants and provide alternative options for enhancing surface water quality. The turbidity of surface water sources ranged between 14 and 24 NTU. The coagulation process used the Jar Test method, where the moringa seed, roselle seed, and tamarind seed extracts functioned as both primary coagulants and coagulant aids. In the preparation process, the seeds were finely ground and extracted using a 0.5-M sodium chloride (NaCl) solution. These extracts were then applied as coagulants to reduce turbidity and enhance water quality, with each concentration tested in 300 ml of water. The results indicated that the most effective way to remove turbidity using 2,000 mg/L of moringa seed extract, achieving a turbidity reduction of approximately 73.19% at a cost of 0.0309 baht per 300 ml of water. Followed by Tamarind seed extract, with a concentration of 4,000 mg/L, followed with a turbidity reduction of approximately 56.75% at a cost of 0.0933 baht per 300 ml. Lastly, roselle seed extract at 6,000 mg/L achieved a turbidity reduction of approximately 32.67% at a cost of 0.0567 baht per 300 ml of water.
คณะอุตสาหกรรมอาหาร
This research aimed to isolate and culture four strains of lactic acid bacteria (LAB) isolated from fermented foods. The antimicrobial activity of the lactic acid bacteria was studied using the agar spot method and the antibiotic resistance properties of the lactic acid bacteria were studied using the agar overlay diffusion method. The results showed that each strain of lactic acid bacteria had different levels of antimicrobial activity and antibiotic resistance, which are safety properties of probiotic microorganisms.
วิทยาเขตชุมพรเขตรอุดมศักดิ์
Durian is an important economic crop in Thailand that is affected by foliar diseases such as rust, leaf blight, and leaf spot. These diseases reduce the quality of the yield and increase management costs. This research focuses on developing AI software for screening durian leaf diseases by applying deep learning technology to classify different types of leaf lesions.