The thesis artwork titled “The Red Mist” presents a narrative adapted from a short story of the same name by Assistant Professor Chatnarong Wisutkul in 2003. The story is set in a future world where people's greed and selfishness have led to a war, forcing them to rely on "breathing machines" to survive in the "red toxic mist." Phakin, a 15-year-old boy, embarks on a journey with a group of refugees. As they pass through abandoned cities, they encounter a boy without a breathing machine who has recently lost his father. Phakin decides to help him, despite objections from others. The boy tries to end his life by shutting off his breathing machine, and when Phakin intervenes to save him, he collapses from inhaling the toxic air. Witnessing Phakin's selfless act, the others are moved and join forces to save both of them. Phakin demonstrates that in difficult times, humans must cooperate and help each other rather than being divided and selfish.
ภาพยนตร์ศิลปนิพนธ์ชิ้นนี้เกิดจากความสนใจส่วนตัวเกี่ยวกับการสร้างสรรค์ผลงานภาพยนตร์ และการกำกับศิลป์ ในรูปแบบของแอนิเมชัน 3 มิติ ด้วยโปรแกรม Unreal Engine เป็นหลัก ซึ่งข้าพเจ้าได้มีโอกาสอ่านผลงานเรื่องสั้น เรื่อง “สงครามในม่านหมอก” เขียนโดย ผศ. ชาติณรงค์ วิสุตกุล ที่ถูกตีพิมพ์เมื่อปี พ.ศ. 2546 และมีการพูดถึงเกี่ยวกับเหตุการณ์หลังสงครามที่คล้ายคลึงกับการเหตุการณ์ในปัจจุบัน จึงอยากนำเรื่องสั้นเรื่องนี้มาพัฒนาเป็นภาพยนตร์แอนิเมชัน 3 มิติ ที่จะถ่ายทอดเรื่องราวของการกระทำและความคิดของมนุษย์ นำเสนอให้สอดคล้องกับเหตุการณ์ในปัจจุบันคือ ปัญหามลพิษ ในรูปแบบที่เข้าใจง่าย และน่าสนใจ ภาพยนตร์นำเสนอเรื่องราวของโลกหลังสงครามที่ผู้คนต้องพึ่งพา “เครื่องหายใจ” ในการใช้ชีวิต ภาคิน เด็กหนุ่มอายุ 15 ปีที่กำลังพาครอบครัวลี้ภัยจาก “หมอกพิษสีแดง” ร่วมกับกลุ่มผู้อพยพ พวกเขาเดินทางผ่านเมืองร้าง และบังเอิญพบเข้ากับสองพ่อลูกที่ไม่มีเครื่องหายใจ ภาคินตัดสินใจช่วยเหลือพวกเขาแม้คนอื่นไม่เห็นด้วยก็ตาม แล้วผู้เป็นพ่อก็สิ้นใจในเวลาต่อมา เด็กชายพยายามจะปลิดชีวิตตัวเองโดยการปิดเครื่องหายใจ ภาคินที่เข้าไปยื้อชีวิตเด็กได้หมดสติลงจากการหายใจเอาอากาศพิษเข้าไป ปราณเห็นสิ่งที่ภาคินทำเพื่อช่วยเหลือเขาและคนอื่น ได้สำนึกและช่วยชีวิตทั้งสองภาคินทำให้ทุกคนรู้ว่า ในช่วงเวลาที่ยากลำบาก มนุษย์เราต้องร่วมมือ ช่วยเหลือกันไม่ใช่แตกแยก และเห็นแก่ตัว
คณะอุตสาหกรรมอาหาร
This research aims to optimize the production process of gamma-aminobutyric acid (GABA) in fermented pineapple juice using probiotics and acetic acid bacteria (AAB), which are microorganisms with the potential to enhance GABA levels. This process has been developed to improve the nutritional value of fermented pineapple juice and to increase the economic value of Thai pineapples, which have long suffered from low market prices. This study focuses on determining the optimal conditions for GABA production by examining factors such as sugar content, pH levels, fermentation duration, and L-glutamate concentration, as well as the co-cultivation of probiotics and acetic acid bacteria. The experiments are conducted using controlled fermentation techniques, and the bioactive components of the fermented juice are analyzed with advanced instruments such as HPLC and GC-MS. The findings of this research are expected to contribute to the development of formulations and production processes for a high-GABA pineapple-based functional beverage. This product could offer health benefits such as stress reduction, cognitive function enhancement, and relaxation while also strengthening the potential of Thailand’s fermented food and beverage industry.
คณะเทคโนโลยีการเกษตร
The Public park project : Ancient Sea Park. This's a new park in Aangsila Chonburi make for learn and travel in concept The sea in 65 million years ago.
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.