Design and Development of a Remote Battery Management System This research focuses on the design and development of a battery management system that enables remote monitoring and control, allowing users to customize battery cell properties as needed. The system is specifically designed for use with graphene battery cells and can be effectively applied to alternative energy systems for residential use.
1. เพิ่มประสิทธิภาพการจัดการพลังงาน – ระบบบริหารจัดการแบตเตอรี่ที่สามารถควบคุมและมอนิเตอร์ระยะไกลช่วยให้สามารถจัดการพลังงานได้อย่างมีประสิทธิภาพ ลดการสูญเสียพลังงาน และเพิ่มอายุการใช้งานของแบตเตอรี่ 2. รองรับเทคโนโลยีแบตเตอรี่กราฟีน – แบตเตอรี่กราฟีนมีศักยภาพสูงในการเก็บพลังงานและมีอายุการใช้งานยาวนาน โครงการนี้ช่วยทดสอบและพัฒนาการนำแบตเตอรี่กราฟีนไปใช้ในระบบพลังงานทางเลือก 3. เพิ่มความสะดวกและความปลอดภัยในการใช้งาน – การควบคุมและมอนิเตอร์แบตเตอรี่จากระยะไกลช่วยลดความเสี่ยงจากการเกิดปัญหาทางเทคนิค เช่น การชาร์จไฟเกินหรืออุณหภูมิสูงเกินไป ทำให้ระบบมีความปลอดภัยมากขึ้น 4. ส่งเสริมการพัฒนาเทคโนโลยีภายในประเทศ – โครงการนี้ช่วยสนับสนุนการพัฒนาเทคโนโลยีแบตเตอรี่และระบบบริหารจัดการพลังงานภายในประเทศ ลดการพึ่งพาเทคโนโลยีจากต่างประเทศ และเพิ่มขีดความสามารถในการแข่งขันด้านพลังงาน
วิทยาเขตชุมพรเขตรอุดมศักดิ์
Bone tissue scaffolds are made from biomaterials that support rapid repair and healing. Scaffold fabricators have produced materials that are able to degrade a biosystem or human body excellently. Thus, this work aims to study the optimization of materials, shape, and the 3D printing process with FDM. Finite element analysis is also used to predict mechanical properties of the scaffold and find the optimal shape and pore size. However, the materials studied include PLA, PCL, and HA.
คณะวิทยาศาสตร์
This special project aims to develop and compare the performance of gold price prediction models using quantitative variables and news text data. The study incorporates nine key predictors, including Brent crude oil prices, WTI crude oil prices, silver prices, platinum prices, the U.S. Federal Reserve's policy interest rate, the Nikkei 225 index, the Dow Jones Industrial Average, the S&P 500 index, and daily news articles from Bangkok Business News. Relevant news data will be processed using Natural Language Processing (NLP) techniques and integrated with three predictive models: Gradient Boosting, Machine Learning Models, and Regression Analysis. The model performance will be evaluated using three key metrics: Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the Coefficient of Determination (R*). This research aims to develop a predictive model that effectively utilizes both quantitative variables and news data to enhance gold price forecasting, providing valuable insights for investors and analysts.
คณะวิทยาศาสตร์
Otitis Media is an infection of the middle ear that can occur in individuals of all ages. Diagnosis typically involves analyzing images taken with an otoscope by specialized physicians, which relies heavily on medical experience to expedite the process. This research introduces computer vision technology to assist in the preliminary diagnosis, aiding expert decision-making. By utilizing deep learning techniques and convolutional neural networks, specifically the YOLOv8 and Inception v3 architectures, the study aims to classify the disease and its five characteristics used by physicians: color, transparency, fluid, retraction, and perforation. Additionally, image segmentation and classification methods were employed to analyze and predict the types of Otitis Media, which are categorized into four types: Otitis Media with Effusion, Acute Otitis Media with Effusion, Perforation, and Normal. Experimental results indicate that the classification model performs moderately well in directly classifying Otitis Media, with an accuracy of 65.7%, a recall of 65.7%, and a precision of 67.6%. Moreover, the model provides the best results for classifying the perforation characteristic, with an accuracy of 91.8%, a recall of 91.8%, and a precision of 92.1%. In contrast, the classification model that incorporates image segmentation techniques achieved the best overall performance, with an mAP50-95 of 79.63%, a recall of 100%, and a precision of 99.8%. However, this model has not yet been tested for classifying the different types of Otitis Media.