Under The National Broadcasting and Telecommunications Commission (NBTC), the Telecommunication Enforcement Bureau collects a lot of data on service quality by monitoring and controlling the quality of telecommunications services, mainly by assessing mobile network infrastructure. The NBTC used Microsoft Excel for data analysis but became ineffective and slow. We used Python programming for preparation, analysis, and data processing to address this. Raw data was obtained from the Syberiz program in CSV format, processed in Python, and displayed on a dashboard. The dashboard, developed using Power BI, meets NBTC's telecommunications quality standards. It features maps, test results, and graphical representations. This method enhances the dashboard's appearance and usability and speeds up data processing and visualization compared to Microsoft Excel. This project is primarily designed to help the Telecommunication Enforcement Bureau's operations by making data processing and display for telecommunications quality monitoring faster, more effective, and easier to use.
เนื่องจากสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงานคณะกรรมการกิจการกระจายเสียง กิจการโทรทัศน์ และกิจการโทรคมนาคมแห่งชาติ (สำนักงาน กสทช.) มีหน้าที่กำกับดูและการควบคุมคุณภาพการให้บริการโทรคมนาคมตามมาตรากฎหมาย จึงมีการตรวจสอบคุณภาพการให้บริการโทรคมนาคมผ่านโครงข่ายโทรคมนาคมเคลื่อนที่ส่งผลให้ต้องเก็บข้อมูลของคุณภาพการให้บริการโทรคมนาคมจำนวนมหาศาล โดยโปรแกรม Microsoft Excel ซึ่งเป็นโปรแกรมหลักที่สำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช. ใช้ในการประมวลผลวิเคราะห์ข้อมูลในปัจจุบันนั้นประมวลผลได้ช้า ทางผู้พัฒนามีความเห็นว่าในปัจจุบันได้มีนวัตกรรมที่ดีกว่าในการใช้งานเพื่อวิเคราะห์ข้อมูล ผู้พัฒนาเลือกใช้ Python Programing ในการประมวลผล วิเคราะห์ และจัดเตรียมข้อมูล จากนั้นนำไฟล์ที่ได้ไปทำการแสดงผลในรูปแบบของหน้าจอแสดงผล (Dashboard) ซึ่งประกอบไปด้วยส่วนของ กราฟ ตารางสรุปผล และแผนที่ในการแสดงผลค่าพารามิเตอร์ต่างๆ โดยใช้โปรแกรม Power BI ในการออกแบบส่วนของการแสดงผล ส่งผลให้หน้าจอแสดงผล (Dashboard) ที่ได้นั้นมีความสวยงาม ง่ายต่อการใช้งาน และที่สำคัญคือความเร็วในการแสดงผลที่ดีกว่า Microsoft Excel โดยโครงงานได้ออกแบบเฉพาะเจาะจงเพื่อใช้งานในส่วนของสำนักงานดูแลกิจการโทรคมนาคม (ดท.) ของสำนักงาน กสทช.เท่านั้น
คณะวิศวกรรมศาสตร์
Given the fact that the equity market contributes a significant amount to Thai economy and increasing participants and interest by Thai companies, these facts inspire and motivate us to establish a study to analyze whether the stock market can indeed be an active booster of company performances and characteristics of companies which will be beneficial from being in the stock market. These results can support higher listing interest from companies, provide actionable ideas to companies aiming to improve their performance in the competitive arena, and suggest improvements for the stock market to further establish a stronger capital market penetration and foundation in Thailand. The main hypothesis driving this project is to examine whether “aging in the market” contributes to measurable improvements in a company’s performance. Specifically, we seek to understand if the presence of Thai companies in the Stock Exchange of Thailand correlates with enhanced operational outcomes, thereby providing insights into the true benefits of public listing on long-term performance.
คณะวิศวกรรมศาสตร์
Currently, lithium batteries are widely used in electronic devices and electric vehicles, making the estimation of their State of Health (SOH) crucial. Accurate SOH estimation helps extend battery lifespan, reduce maintenance costs, and prevent safety issues such as overheating or explosions. This project aims to study and analyze mathematical models of batteries and develop SOH estimation techniques using Neural Networks to enhance accuracy and evaluation speed. The experiment involved collecting charge and discharge data from three lithium battery cells under controlled temperature conditions while maintaining a constant current. The current, voltage, and time data were recorded and analyzed to determine the battery capacity for each cycle. These data were then used to train a Neural Network model. The results demonstrated an effective method for predicting battery health status. The outcomes of this project can contribute to the development of a Battery Management System (BMS) that improves battery efficiency and longevity. Additionally, it provides a foundation for applying artificial intelligence techniques in the energy sector effectively.
คณะทันตแพทยศาสตร์
Aggregatibacter actinomycetemcomitans is a key pathogen in periodontal disease, damaging periodontal ligaments and alveolar bone through biofilm formation. D-LL-31, an engineered antimicrobial peptide, exhibits superior biofilm-killing ability compared to conventional treatments, while DNase I enhances its efficacy by disrupting the biofilm matrix. This study evaluated the combined effects of D-LL-31 and DNase I on A. actinomycetemcomitans biofilms. Results showed that D-LL-31 effectively eradicated biofilms, and its combination with DNase I further enhanced biofilm disruption without cytotoxicity to gingival epithelial cells. The D-LL-31 and DNase I combination shows potential for development as a mouthwash to improve oral health and combat periodontal disease.