This research aims to study the waste management process of horse manure, the production process of organic fertilizer from horse waste, and opinions on the use of innovative organic fertilizer from horse manure. A mixed-method approach, combining qualitative and quantitative research, is employed. The organic fertilizer is produced from horse manure, which is a waste that incurs disposal costs. Through the fermentation process, it is transformed into an environmentally friendly fertilizer containing essential nutrients beneficial to plants. According to the laboratory analysis of the organic fertilizer conducted by the Soil Science Laboratory, Faculty of Agricultural Technology, King Mongkut's Institute of Technology Ladkrabang, it was found that organic fertilizer from horse manure contains essential nutrients for plant growth, including macronutrients, secondary nutrients, and micronutrients. This reflects the potential of horse waste management, the production process of organic fertilizer from horse manure, the efficiency of the organic fertilizer, and strategies for adding value to expand its commercialization.
ปัจจุบันกีฬาขี่ม้าในประเทศไทยได้รับความนิยม และเกิดฟาร์มเลี้ยงม้าในประเทศไทยมากขึ้น ส่งผลให้เกิดปัญหาการจัดการของเสียจากม้า โดยม้าแต่ละตัวผลิตมูลเฉลี่ย 18-23 กิโลกรัมต่อวัน หรือประมาณ 1 ตันต่อเดือน หากไม่มีการจัดการที่เหมาะสม อาจก่อให้เกิดปัญหาด้านสิ่งแวดล้อม เช่น กลิ่นเหม็น การแพร่กระจายของเชื้อโรค และข้อร้องเรียนจากชุมชนโดยรอบ เจ้าของฟาร์มต้องเสียค่าใช้จ่ายในการกำจัดมูลม้า แนวทางหนึ่งที่ช่วยลดปัญหาคือการนำของเสียจากม้ามาผลิตเป็นปุ๋ยอินทรีย์ ซึ่งเป็นกระบวนการที่ช่วยลดของเสียและเพิ่มมูลค่าทางเศรษฐกิจ เพื่อพัฒนาคุณภาพปุ๋ยอินทรีย์ สามารถนำสารเร่งหมักมาใช้เพื่อลดระยะเวลาการหมัก และเสริมแหนแดงเพื่อเพิ่มปริมาณไนโตรเจนในปุ๋ย ซึ่งช่วยให้ได้ปุ๋ยที่มีประสิทธิภาพสูงขึ้นและสามารถนำไปใช้เชิงพาณิชย์ สร้างรายได้ให้กับเจ้าของฟาร์มและเป็นมิตรกับสิ่งแวดล้อม
วิทยาลัยวิศวกรรมสังคีต
This work attempts to spark conversations about the technical and creative aspects of participatory concert settings. It features the results of two interactive research concerts on basis of audience participation quantities, motion analysis and log data clustering. Ultimately, it poses questions how participatory work can help when teaching interactive technology for the arts and beyond.
คณะวิทยาศาสตร์
Eco Grow Pellets are high-porosity plant-growing clay pellets made from ceramic industrial sediment, blended with ground chicken bone to enhance calcium and essential minerals, promoting strong and healthy plant growth. They are suitable for all types of plants, especially those requiring well-aerated soil with good water drainage. Eco Grow Pellets are an innovative clay-based growing medium designed to optimize plant cultivation efficiency. Their high porosity structure allows for excellent air and water circulation, reducing soil compaction and waterlogging—common causes of root rot and stunted growth. Additionally, the pellets are enriched with calcium and essential minerals from ground chicken bones, reinforcing plant structure and enhancing root strength, enabling better nutrient absorption. This product is made from 100% recycled ceramic industrial sediment, aligning with the principles of Zero Waste and the BCG Economy Model. It helps minimize industrial waste while transforming discarded materials into high-value, eco-friendly growing media. Eco Grow Pellets are ideal for vegetables, flowers, and potted plants, offering ease of use, cleanliness, and safety. They contribute to sustainable agriculture by improving both crop productivity and environmental health.
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
The offline evaluation system for Thai-language large language models (LLMs) is designed to enable experts to efficiently test and assess various LLMs without relying on external services. This enhances the flexibility in selecting LLMs that best suit organizational needs or expert systems (ES). The system operates on personal computers, ensuring data security by eliminating concerns about external data storage. Additionally, it supports model testing and development using Retrieval-Augmented Generation (RAG), allowing access to domain-specific knowledge for accurate, energy-efficient processing. This ensures that the models can perform optimally and effectively meet the demands of organizations and expert systems.