Major medical and veterinary pests including the mosquitoes, houseflies and cockroaches pose health problems for humans and mammals and create more visual obstruction. Therefore, this research discovered a formula of essential oils and active ingredients from herbal plants that are highly effective in controlling and eliminating these insects compared to chemical insecticides, are safe for non-target organisms living in the environment, and are stable and maintain the active properties of the compounds. These formulas can be developed into environmentally friendly natural products to replace or reduce the use of chemical insecticides.
แมลงศัตรูทางการแพทย์และสัตวแพทย์มีแมลงหลากหลายชนิดที่ก่อให้เกิดปัญหาทางด้านสาธารณสุขและสัตว์เลี้ยงต่างๆอย่างมากมายกับประชากรทั่วโลก โดยเน้นแมลงที่มีความสำคัญในทางการแพทย์และสัตวแพทย์ในปัจจุบัน ได้แก่ ยุงลายบ้าน แมลงวันบ้าน แมลงวันคอกสัตว์ เหามนุษย์ แมลงสาบอเมริกัน และแมลงสาบเยอรมัน เพราะแมลงศัตรูเหล่านี้เป็นแมลงพาหะที่นำโรคมาสู่มนุษย์และสัตว์เลี้ยง อาทิเช่น โรคไข้เลือดออก โรคไข้ปวดข้อ เป็นต้น จากปัญหาดังกล่าวจึงมีความจำเป็นอย่างมากในการหาแนวทางป้องกันกำจัดแหล่งเพาะพันธุ์ของแมลงศัตรูเหล่านี้ เพื่อเป็นการตัดวงจรชีวิตและการควบคุมระบาด ซึ่งส่วนมากนิยมใช้สารเคมีสังเคราะห์ในการกำจัดแมลงที่สามารถลดจำนวนประชากรของแมลงได้อย่างรวดเร็ว แต่การใช้สารเคมีสังเคราะห์ในการกำจัดแมลงเป็นเวลานานๆ ทำให้เกิดผลเสียต่างๆตามมา เช่น แมลงศัตรูทางการแพทย์และสัตวแพทย์สร้างความต้านทานต่อสารเคมีสังเคราะห์ จำเป็นต้องเปลี่ยนสารเคมีสังเคราะห์ชนิดใหม่ๆ หรือใช้ในปริมาณที่สูงขึ้น ทำให้เกิดการระบาดของแมลงพาหะชนิดใหม่ซึ่งแต่ก่อนไม่เคยมีความสำคัญเกิดการระบาดเป็นแมลงศัตรูขึ้นมาได้ และประการสำคัญคือสารเคมีสังเคราะห์มีความเป็นพิษสูงกับสิ่งมีชีวิตชนิดอื่นๆที่ไม่ต้องการทำลายต้องตายไปด้วย เช่น ปลา แมลงในน้ำ ไส้เดือน เป็นต้น รวมทั้งผึ้งและแมลงมีประโยชน์ชนิดต่างๆ ปัจจุบันมีการนำน้ำมันหอมระเหยจากพืชและสารออกฤทธิ์หลักมาใช้ในการป้องกันกำจัดแมลงศัตรูทางการแพทย์และสัตวแพทย์อย่างแพร่หลาย ดังนั้นในการวิจัยครั้งนี้จึงมุ่งเน้นหาน้ำมันหอมระเหยจากพืชและสารออกฤทธิ์ที่มีประสิทธิภาพดีในการกำจัดทุกระยะการเจริญเติบโตของแมลงศัตรูทางการแพทย์และสัตวแพทย์ มีความปลอดภัยต่อผู้ใช้งานและเป็นมิตรต่อสิ่งแวดล้อม
คณะวิศวกรรมศาสตร์
This cooperative education project aims to enhance the efficiency of Hydrogen Manufacturing Unit 2 (HMU-2) and Pressure Swing Adsorption 3 (PSA-3) by using AVEVA Pro/II process modeling and a Machine Learning model for process simulation. The study found that the AVEVA Pro/II model predicted outcomes with deviations ranging from 0–35%, including a hydrogen flow rate deviation from the PSA unit of 12%, exceeding the company’s acceptable limit of 10%. To address this, a Machine Learning model based on the Random Forest algorithm was developed with hyperparameter tuning. The Machine Learning model demonstrated high accuracy, achieving Mean Squared Errors (MSE) of 8.48 and 0.18 for process and laboratory data, respectively, and R-squared values of 0.98 and 0.88 for the same datasets. It outperformed the AVEVA Pro/II model in predicting all variables and reduced the hydrogen flow rate deviation to 4.75% and 1.35% for production rates of 180 and 220 tons per day, respectively. Optimization using the model provided recommendations for process adjustments, increasing hydrogen production by 7.8 tons per day and generating an additional annual profit of 850,966.23 Baht.
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.
คณะวิศวกรรมศาสตร์
ยานยนต์ไฟฟ้าดัดแปลง