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.
บริษัท ไทยออยล์ จำกัด (มหาชน) (TOP) ประกอบธุรกิจโรงกลั่นน้ำมันที่มีกระบวนการผลิตที่ทันสมัยและมีประสิทธิภาพสูง เพื่อผลิตและจำหน่ายน้ำมันปิโตรเลียมสำเร็จรูปป้อนตลาดในประเทศเป็นส่วนใหญ่ ทั้งยังขยายการลงทุนให้ครอบคลุมการผลิตผลิตภัณฑ์ปิโตรเคมี นํ้ามันหล่อลื่นพื้นฐาน เอทานอล รวมถึงการลงทุนในธุรกิจไฟฟ้า ตลอดจนธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียม และปิโตรเคมีทางเรือ ธุรกิจขนส่งผลิตภัณฑ์ปิโตรเลียมสำเร็จรูปทางท่อ และธุรกิจให้คำปรึกษาทางด้านพลังงาน ซึ่งมีโรงกลั่นอยู่ที่อำเภอศรีราชา จังหวัดชลบุรี โครงงานสหกิจนี้เกี่ยวข้องกับการทำงานร่วมกับหน่วยผลิต Hydrogen Manufacturing 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) ซึ่งผลิตไฮโดรเจนบริสุทธิ์สูงสำหรับใช้ในกระบวนการต่าง ๆ เช่น Hydrocrackers, Hydrodesulphuriser และ Hydrotreaters หน่วยผลิตนี้มีบทบาทสำคัญในการแยกก๊าซธรรมชาติเหลือใช้จากกระบวนการก่อนหน้า ซึ่งมีความซับซ้อนสูงและต้องการการควบคุมอุณหภูมิและความดันอย่างแม่นยำเพื่อให้กระบวนการทำงานได้อย่างมีประสิทธิภาพ เนื่องจากการขาดเครื่องมือจำลองกระบวนการที่มีประสิทธิภาพส่งผลต่อความสามารถในการผลิตและประสิทธิภาพโดยรวม ทำให้ไม่สามารถส่งไฮโดรเจนให้กระบวนการข้างต้นได้ตามความต้องการ การใช้โปรแกรม AVEVA Pro/II ซึ่งเป็นเครื่องมือสำคัญในการจำลองกระบวนการผลิตในหน่วย HMU-2 และ PSA-3 พบว่ามีข้อผิดพลาดในการจำลองบางกระบวนการ ซึ่งส่งผลกระทบต่อความแม่นยำในการคาดการณ์พารามิเตอร์ที่เกี่ยวข้องกับการผลิตไฮโดรเจน การพัฒนาโมเดล Machine Learning จึงเป็นแนวทางใหม่ที่มีศักยภาพในการเพิ่มความแม่นยำในการคาดการณ์พารามิเตอร์กระบวนการต่าง ๆ เช่น อุณหภูมิ ความดัน และอัตราการไหล การนำเทคนิค Machine Learning มาช่วยในการคาดการณ์และปรับปรุงกระบวนการผลิตไฮโดรเจนให้ได้ตามความต้องการของหน่วยผลิตในบริษัทจึงเป็นสิ่งสำคัญในการเพิ่มประสิทธิภาพการผลิตและตอบสนองความต้องการที่สูงขึ้นได้อย่างมีประสิทธิผล
คณะเทคโนโลยีการเกษตร
This research gives a comprehensive overview of the use of antibiotics in livestock production, highlighting both the benefits and the risks associated with their use. The benefits, such as improving immunity, digestion, and reducing infections, are contrasted with the growing concern over antibiotic residues and the development of drug resistance. The shift towards alternatives like probiotics is explored as a sustainable solution, with a specific focus on lactic acid bacteria (LAB) found in the digestive systems of livestock. Thailand’s regulations, which control antibiotic use in animal feed, are also discussed, setting the stage for the study on LAB as a potential replacement for imported probiotics. 1. Use of Antibiotics in Livestock: Antibiotics have been used to promote growth, improve digestion, and prevent infections in livestock. However, the improper use of antibiotics can lead to residues in animal products and the development of drug-resistant bacteria. 2. Global Trends in Antibiotic Use: Many countries, like the European Union and Japan, have banned antibiotics as growth promoters, while others, like China and the U.S., are planning similar bans. 3. Thailand's Approach: Thailand has implemented a regulation since September 2020 to control the use of antibiotics in animal feed, requiring control at both feed mills and farms that mix their own feed. 4. Probiotics as an Alternative: Probiotics, particularly lactic acid bacteria (LAB), are being studied as an alternative to antibiotics. LAB are naturally found in the digestive tracts of livestock and are considered beneficial for maintaining gut health and replacing the need for antibiotics. The study examines the potential of LAB from Thai livestock (broilers, pigs, and cattle) as a sustainable alternative to imported probiotics, aiming to overcome issues like low survival rates of foreign probiotics in practice.
คณะเทคโนโลยีการเกษตร
This research aims to evaluate the efficiency of nano-type oxygen diffusers at different pump power levels in sea bass nursery ponds. The study examines how varying power levels affect dissolved oxygen distribution in the water and their impact on the health, growth, and survival rates of sea bass. The findings indicate that pump power levels influence dissolved oxygen concentration, with the optimal power level improving oxygen distribution in the pond. This enhancement leads to higher survival and growth rates for sea bass. The results provide valuable insights for selecting appropriate oxygen diffusers and pump power levels in fish nursery pond systems. The experiment consisted of two conditions: 1. Without fish – This condition assessed the oxygenation capacity, oxygen transfer coefficient, oxygen transfer rate, and oxygen transfer efficiency of pumps at three different power levels. 2. With fish – This condition evaluated whether the oxygen supplied by pumps at three power levels was sufficient, based on the growth rate and survival rate of the fish in the pond. Blood counts were conducted to assess the immune response. The collected data were statistically analyzed using the RCBD method for the condition without fish and the CRD method for the condition with fish, employing SPSS software.
คณะวิทยาศาสตร์
The development of a fruit spoilage detection system originates from the need to reduce agricultural product losses, a global issue affecting both the agricultural and food distribution industries. Spoiled fruit can negatively impact product quality and result in significant economic losses. The primary goal of this system is to assist in screening and removing unsuitable fruit from the supply chain, thereby preserving product quality and meeting consumer demands for fresh produce. The system was designed to simulate the sorting process by utilizing images as a key factor in detecting spoiled fruit. Experimental results demonstrated high efficiency and rapid prediction capabilities, highlighting the system’s potential for practical applications.