This Project has been undertaken to address the need for skill development and knowledge enhancement in pneumatic systems and automation control, which are crucial in today’s manufacturing industry. Pneumatic systems play a vital role in various production processes, including machine control, automated devices, and assembly lines. However, the Department of Measurement and Control Engineering currently lacks a laboratory dedicated to the study and experimentation of pneumatic systems due to the deterioration and lack of maintenance of the previously used equipment. This has resulted in students missing the opportunity to practice essential skills required in the industrial sector. The authors of this thesis recognize the necessity of reviving and developing a pneumatic laboratory that can effectively support teaching, learning, and research activities. This project focuses on studying and developing industrial robotic arm control systems and pneumatic systems, integrating modern technologies such as Programmable Logic Controllers (PLC) and AI Vision. These systems are intended to be applicable to real-world industrial contexts. The outcomes of this project are expected to not only enhance the understanding of relevant technologies but also aim to transform the laboratory into a vital learning hub for current and future students. Furthermore, this initiative seeks to improve the competitiveness of students in the job market and support the development of innovations in the manufacturing industry in the years to come.
จากการศึกษาและประสบการณ์ในการฝึกงานของคณะผู้จัดทำ พบว่าระบบนิวเมติกส์และ PLC เป็นองค์ประกอบสำคัญในระบบอุตสาหกรรมยุคใหม่ โดยช่วยควบคุมและเพิ่มประสิทธิภาพในสายการผลิต ในอนาคตเทคโนโลยี AI Vision จะเข้ามามีบทบาทสำคัญในการพัฒนาอุตสาหกรรมการผลิต ด้วยความสามารถในการตรวจจับ วิเคราะห์ และประมวลผลข้อมูลภาพอย่างแม่นยำ ช่วยเพิ่มความแม่นยำในการควบคุมคุณภาพผลิตภัณฑ์ ลดข้อผิดพลาดในการผลิต และเพิ่มความสามารถในการปรับตัวให้เข้ากับกระบวนการที่ซับซ้อนมากขึ้น AI Vision สามารถใช้ในอุตสาหกรรมเพื่อตรวจสอบข้อบกพร่องของผลิตภัณฑ์แบบเรียลไทม์ วิเคราะห์ข้อมูลเพื่อเพิ่มประสิทธิภาพการผลิต และช่วยให้ระบบอัตโนมัติสามารถเรียนรู้และพัฒนาได้อย่างต่อเนื่อง โดยผสานกับ PLC และระบบนิวเมติกส์เพื่อให้เกิดความแม่นยำและการตอบสนองที่รวดเร็ว นอกจากนี้ AI Vision ยังสามารถพัฒนาไปสู่การตรวจสอบกระบวนการผลิตแบบอัจฉริยะ ช่วยลดต้นทุนในการดำเนินงาน และเพิ่มขีดความสามารถในการแข่งขันของภาคอุตสาหกรรมในอนาคต
คณะเทคโนโลยีสารสนเทศ
This report is part of applying the knowledge gained from studying machine learning models and methods for developing a predictive model to identify customers likely to cancel their credit card services with a bank. The project was carried out during an internship at a financial institution, where the creator developed a model to predict customers likely to churn from their credit card services using real customer data through the organization's system. The focus was on building a model that can accurately predict customer churn by selecting features that are appropriate for the prediction model and the unique characteristics of the credit card industry data to ensure the highest possible accuracy and efficiency. This report also covers the integration of the model into the development of a website, which allows related departments to conveniently use the prediction model. Users can upload data for prediction and receive model results instantly. In addition, a dashboard has been created to present insights from the model's predictions, such as identifying high-risk customers likely to cancel services, as well as other important analytical information for strategic decision-making. This will help support more efficient marketing planning and customer retention efforts within the organization.
คณะวิทยาศาสตร์
A smartphone-based colorimetric sensor for quantitative detection of pyridoxine (Vitamin B6, VB-6) in functional drink samples has been realized by developing double layer hydrogel. Electrostatic interaction initiates the cross-linking and produces double layer hydrogel.
คณะอุตสาหกรรมอาหาร
This study aims to investigate the co-fermentation process between lactic acid bacteria (LAB) and Saccharomyces cerevisiae in the production of sour beer, with a focus on its impact on product quality, including pH, organic acid content, sugar content, and sensory characteristics. In this experiment, selected LAB strains and S. cerevisiae were utilized under controlled fermentation conditions. The microbial ratio was optimized to enhance growth and the production of key compounds. The findings indicate that co-fermentation significantly reduces pH compared to fermentation with yeast alone. Furthermore, an increase in lactic acid was observed due to sugar consumption by LAB, contributing to the distinctive flavor profile of sour beer.