This cooperative education report presents a project for developing a Distributed Control System (DCS) for boilers in a sugar factory. The objective is to enhance the control system for boilers 1-8 to operate cohesively within the DCS framework provided by ABB, utilizing the ABB Ability™ System 800xA software. The overall functionality of the system involves creating a control program that begins with the utilization of bagasse, a byproduct from the sugar extraction process, as fuel for the boiler. The program manages various operations of the boiler, including the intake of air into the combustion chamber, the internal functioning of the boiler, and the treatment of flue gases before their release into the atmosphere. The project encompasses the development of the DCS program, the design and creation of HMI display graphics, the study and design of the boiler control system, the documentation of the project, and the control processes utilizing the ABB Ability™ System 800xA software, culminating in the operational outcomes.
บริษัท คอนโทรลอจิค จำกัด เป็นผู้เชี่ยวชาญในระบบควบคุมและเครื่องมือวัดแบบบูรณาการ รวมถึงเครื่องวิเคราะห์สำหรับอุตสาหกรรมอ้อยและน้ำตาล อุตสาหกรรมน้ำมันและก๊าซ อุตสาหกรรม ปิโตรเคมี และอุตสาหกรรมพลังงานชีวภาพ บริษัทให้บริการโซลูชั่นแบบครบวงจร เริ่มตั้งแต่การออกแบบขั้นวิศวกรรมพื้นฐาน โดยมีรายละเอียดเกี่ยวกับการติดตั้ง การเริ่มต้นใช้งานระบบ รวมถึงการจัดการคุณภาพโครงงาน ทั้งช่วยในการสนับสนุน และอำนวยความสะดวกให้บุคลากรที่มีหน้าที่รับผิดชอบในโครงงานนี้ ในกระบวนการของการผลิตน้ำตาลในโรงงานผลิตน้ำตาล พบว่า มีกากอ้อยปริมาณมากที่ได้จากการหีบน้ำอ้อย ซึ่งสามารถนำไปใช้ผลิตเป็นเชื้อเพลิงให้กับหม้อต้มไอน้ำ เกิดเป็นพลังงานไอน้ำสามารถนำไปผ่าน turbine เพื่อผลิตกระแสไฟฟ้า และนำกลับไปใช้ในกระบวนการผลิตของโรงงานอีกครั้ง เพื่อประโยชน์สูงสุดของการนำกากอ้อยที่เหลือจากการผลิตน้ำตาลกลับมาใช้ โรงงานจึงต้องพัฒนาระบบควบคุม (DCS) ซึ่งเป็นโปรแกรมเกี่ยวกับการทำงานของหม้อไอน้ำในโรงงานน้ำตาลเพื่อควบคุมระบบการทำงานของหม้อไอน้ำเนื่องจากมีส่วนสำคัญในการนำกากอ้อยที่เหลือกลับมาใช้ประโยชน์ได้สูงสุด โครงงานหกิจศึกษาฉบับนี้จะกล่าวถึงการสร้างโปรแกรม DCS โดยการออกแบบและจัดทำกราฟิกหน้าจอแสดงผล HMI ภายใต้ระบบ DCS ของ ABB โดยใช้โปรแกรม ABB Ability™ System 800xA ออกแบบระบบควบคุมการทำงานของหม้อไอน้ำ รวมถึงจัดทำเอกสารเกี่ยวข้องของโครงงาน
วิทยาลัยอุตสาหกรรมการบินนานาชาติ
The capture of a target spacecraft by a chaser is an on-orbit docking operation that requires an accurate, reliable, and robust object recognition algorithm. Vision-based guided spacecraft relative motion during close-proximity maneuvers has been consecutively applied using dynamic modeling as a spacecraft on-orbit service system. This research constructs a vision-based pose estimation model that performs image processing via a deep convolutional neural network. The pose estimation model was constructed by repurposing a modified pretrained GoogLeNet model with the available Unreal Engine 4 rendered dataset of the Soyuz spacecraft. In the implementation, the convolutional neural network learns from the data samples to create correlations between the images and the spacecraft’s six degrees-of-freedom parameters. The experiment has compared an exponential-based loss function and a weighted Euclidean-based loss function. Using the weighted Euclidean-based loss function, the implemented pose estimation model achieved moderately high performance with a position accuracy of 92.53 percent and an error of 1.2 m. The in-attitude prediction accuracy can reach 87.93 percent, and the errors in the three Euler angles do not exceed 7.6 degrees. This research can contribute to spacecraft detection and tracking problems. Although the finished vision-based model is specific to the environment of synthetic dataset, the model could be trained further to address actual docking operations in the future.
คณะวิศวกรรมศาสตร์
The Thai Sign Language Generation System aims to create a comprehensive 3D modeling and animation platform that translates Thai sentences into dynamic and accurate representations of Thai Sign Language (TSL) gestures. This project enhances communication for the Thai deaf community by leveraging a landmark-based approach using a Vector Quantized Variational Autoencoder (VQVAE) and a Large Language Model (LLM) for sign language generation. The system first trains a VQVAE encoder using landmark data extracted from sign videos, allowing it to learn compact latent representations of TSL gestures. These encoded representations are then used to generate additional landmark-based sign sequences, effectively expanding the training dataset using the BigSign ThaiPBS dataset. Once the dataset is augmented, an LLM is trained to output accurate landmark sequences from Thai text inputs, which are then used to animate a 3D model in Blender, ensuring fluid and natural TSL gestures. The project is implemented using Python, incorporating MediaPipe for landmark extraction, OpenCV for real-time image processing, and Blender’s Python API for 3D animation. By integrating AI, VQVAE-based encoding, and LLM-driven landmark generation, this system aspires to bridge the communication gap between written Thai text and expressive TSL gestures, providing the Thai deaf community with an interactive, real-time sign language animation platform.
คณะวิศวกรรมศาสตร์
This research suggested natural hemp fiber-reinforced ropes (FRR) polymer usage to reinforce recycled aggregate square concrete columns that contain fired-clay solid brick aggregates in order to reduce the high costs associated with synthetic fiber-reinforced polymers (FRPs). A total of 24 square columns of concrete were fabricated to conduct this study. The samples were tested under a monotonic axial compression load. The variables of interest were the strength of unconfined concrete and the number of FRRlayers. According to the results, the strengthened specimens demonstrated an increased compressive strength and ductility. Notably, the specimens with the smallest unconfined strength demonstrated the largest improvement in compressive strength and ductility. Particularly, the compressive strength and strain were enhanced by up to 181% and 564%, respectively. In order to predict the ultimate confined compressive stress and strain, this study investigated a number of analytical stress–strain models. A comparison of experimental and theoretical findings deduced that only a limited number of strength models resulted in close predictions, whereas an even larger scatter was observed for strain prediction. Machine learning was employed by using neural networks to predict the compressive strength. A dataset comprising 142 specimens strengthened with hemp FRP was extracted from the literature. The neural network was trained on the extracted dataset, and its performance was evaluated for the experimental results of this study, which demonstrated a close agreement.