The research on improving the strength of solid electrolytes aims to enhance the properties of solid electrolyte materials produced from cement and additives that help develop the cement structure to generate electricity. The main components include sodium chloride (NaCl) and graphite, which contribute to the material’s ability to generate a weak electrical current. The objective is to develop an electricity-generating flooring material. This study involves preparing a mixture of cement, water, sodium chloride (NaCl), and graphite to enhance the material’s electrical conductivity. It is highly anticipated that this research will lead to the development of concrete flooring capable of generating electricity and can be further expanded for future applications.
ในปัจจุบัน ความต้องการใช้พลังงานไฟฟ้าเพิ่มขึ้นนอย่างต่อเนื่อง ส่งผลให้เกิดการพัฒนาเทคโนโลยีและนวัตกรรมใหม่ ๆ เพื่อเพิ่มแหล่งพลังงานทางเลือกที่มีความยั่งยืนและเป็นมิตรต่อสิ่งแวดล้อม หนึ่งในแนวทางที่ได้รับความสนใจ คือการพัฒนาวัสดุที่สามารถผลิตและกักเก็บพลังงานไฟฟ้าได้ในตัวเอง ซึ่งสามารถนำไปใช้ในโครงสร้างพื้นฐานต่าง ๆเช่น พื้นทางเดิน อาคาร หรือพื้นที่สาธารณะ ดังนั้น งานวิจัยนี้จึงมีเป้าหมายเพื่อพัฒนาและปรับปรุงคุณสมบัติของเซลล์อิเล็กโทรไลต์ชนิดแข็งที่มีโครงสร้างพื้นฐานจากซีเมนต์ โดยมุ่งเน้นการเพิ่มความแข็งแรงของวัสดุควบคู่ไปกับการรักษาคุณสมบัติการนำไฟฟ้า เพื่อให้สามารถนำไปใช้งานเป็นวัสดุปูพื้นที่สามารถผลิตกระแสไฟฟ้าได้ งานวิจัยนี้คาดหวังว่าจะเป็นแนวทางสำคัญในการ พัฒนาวัสดุก่อสร้างสามารถต่อยอดไปสู่การประยุกต์ใช้ในอนาคตได้อย่างมีประสิทธิภาพ
คณะบริหารธุรกิจ
CO Breathalyzer with Voice Response is the device to measured the level of CO residual in a person's lung who consume tobacco. Measuring residual CO in human breath can identify the tobacco addiction level instead of measuring nicotine in blood.
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.
คณะวิศวกรรมศาสตร์
This project has been developed to address medical challenges related to the process of counting and classifying blood cells from samples, a task that requires both time and high precision. To reduce the workload of medical personnel, the developers have created a platform and an artificial intelligence (AI) system capable of automatically classifying and counting cells from sample images. This system is designed to assist medical laboratory technicians by enabling them to work more efficiently and accurately, reducing the time required for analysis. Furthermore, it promotes the advancement of medical technology, ensuring effective usability from classrooms and laboratories to hospitals.