The aim of experiment was to study the pyrolysis oil derived from sorted landfill plastic waste that had been buried for 15 years by the Nonthaburi Provincial Administrative Organization. The pyrolysis oil was produced using a Fixed-Bed Reactor at 450 °C for 1.5 hours with LPG as the feedstock, with the goal of using the pyrolysis oil as an alternative fuel. The experiment was conducted under four different conditions : (1) plastic waste buried in a landfill that has not been washed but has been reduced in size, (2) plastic waste buried in a landfill that has been washed and has been reduced in size, (3) plastic waste buried in a landfill that not has been washed and has not been reduced in size, (4) plastic waste buried in a landfill that has not been washed and has been reduced size, with activated carbon used as a catalyst. The experiment revealed that three products were produced : Oil, gas, and char in different quantity. The pyrolysis oil were compared in terms of quality based on pH, Heating value, Moisture content, Functional group, and Chemical Composition. The pyrolysis oil we obtained will be referenced according to the criteria from the Department of Energy Business. The analysis results of the pyrolysis can explain which conditions are suitable for replacing fuel oil in industrial It is therefore one of the approaches that helps manage plastic waste in landfills, reducing the quantity by converting it into usable energy.
ปัจจุบันประเทศไทยประสบปัญหาด้านมลพิษและสิ่งแวดล้อมจากขยะมูลฝอยชุมชนที่ตกค้างอยู่ภายในสิ่งแวดล้อม จากรายงานสถานการณ์มลพิษของประเทศไทย ปี พ.ศ.2566 โดยกรมควบคุมมลพิษ พบว่า ประเทศไทยมีขยะมูลฝอยเกิดขึ้นประมาณ 26.95 ล้านตัน หรือประมาณ 73,840 ตัน/วัน กระจายตัวตามภูมิภาคต่าง ๆ ซึ่งมีปริมาณขยะพลาสติกรวมอยู่ด้วย คาดว่ามีขยะพลาสติกแบบใช้ครั้งเดียว (Single-use Plastics) ประมาณปีละ 3.03 ล้านตันของปริมาณขยะที่เกิดขึ้นทั้งหมดในประเทศ (คิดเป็นร้อยละ 11.25) เพิ่มขึ้นจากปี พ.ศ.2565 ประมาณ 0.2 ล้านตัน และมีการนำกลับไปใช้ ประโยชน์ประมาณปีละ 0.75 ล้านตัน (คิดเป็นร้อยละ 25) ส่วนที่เหลือ 2.18 ล้านตัน (คิดเป็นร้อยละ 72) จะถูกนำไปกำจัดโดยการฝังกลบรวมกับขยะมูลฝอยอื่นๆ อีก 0.09 ล้านตัน (คิดเป็นร้อยละ 3) (กรมควบคุมมลพิษ, 2566) ซึ่งการจัดการขยะพลาสติกเหล่านี้ต้องมีการอาศัยเทคโนโลยีเข้ามาช่วยในการจัดการ ซึ่งการนำไปผลิตเป็นเชื้อเพลิงทดแทนผ่านกระบวนการไพโรไลซิส (Pyrolysis) เป็นอีกกระบวนการที่สามารถจัดการขยะพลาสติกเหล่านี้ได้ โดยแผนพัฒนาพลังงานทดแทนและพลังงานทางเลือก พ.ศ. 2561 - 2580 (AEDP 2018) มีการตั้งเป้าหมายการผลิตเชื้อเพลิงทดแทนในภาคขนส่งประเภทน้ำมันไพโรไลซิส 0.53 ล้านลิตร/วัน ในปี พ.ศ.2580 จึงมีความสำคัญในการพัฒนาเทคโนโลยีดังกล่าวเพื่อการใช้งานได้จริงและแพร่หลาย ไม่ว่าจะเป็นการใช้ในภาคการขนส่งหรือแม้แต่ภาคอุตสาหกรรม (กรมพัฒนาพลังงานทดแทนและอนุรักษ์พลังงาน, 2563) ในงานวิจัยนี้จึงมีความสนใจในการศึกษาการใช้เตาปฏิกรณ์แบบเบดนิ่ง (Fixed-Bed Reactor) โดยใช้กระบวนการไพโรไลซิส (pyrolysis) ซึ่งมีก๊าซปิโตรเลียมเหลว (LPG) เป็นเชื้อเพลิงให้ความร้อนในการผลิตน้ำมันจากขยะพลาสติกฝังกลบ โดยทำการเปรียบเทียบปริมาณ ลักษณะและคุณภาพของน้ำมันไพโรไลซิสจากขยะพลาสติกฝังกลบที่ได้กับการผลิตน้ำมันไพโรไลซิสจากขยะฝังกลบพลาสติกโดยใช้กระบวนการไพโรไลซิส (pyrolysis) และการใช้เตาปฏิกรณ์แบบเบดนิ่ง (Fixed-Bed Reactor) ซึ่งมีการเตรียมตัวอย่างพลาสติกฝังกลบที่นำมาใช้เป็นวัตถุดิบในการผลิตน้ำมันไพโรไลซิสจากขยะพลาสติกฝังกลบในรูปแบบที่แตกต่างกัน และมีการใช้ตัวเร่งปฏิกิริยา คือ ถ่านกัมมันต์ (Activated Carbon) โดยจะมีการใช้ความร้อนที่อุณหภูมิ 450 องศาเซลเซียส งานวิจัยที่ผ่านมามีการศึกษาโดยเครื่องมือวิเคราะห์ที่ใช้ศึกษาลักษณะและคุณภาพของน้ำมันไพโรไลซิสจากขยะพลาสติก ได้แก่ ทำการวิเคราะห์ค่าความเป็นกรด-ด่าง (pH) ด้วยเครื่องมือวัดค่าความเป็นกรด-ด่าง (pH meter) การวิเคราะห์หมู่ฟังก์ชั่น (Functional group) ด้วยเครื่องวิเคราะห์หาองค์ประกอบทางโครงสร้างเคมีของสารโดยใช้ความยาวคลื่นช่วงอินฟราเรด (Fourier Transform Infrared Spectrometer) การวิเคราะห์หาค่าความร้อน (Heating Value) ด้วยเครื่องวิเคราะห์ค่าความร้อน (Bomb Calorimeter) และการวิเคราะห์เถ้า (Ash) ด้วยเตาเผาอุณหภูมิสูง จากงานวิจัยของ Noppadol Pringsakul และคณะ (2024) พบว่ากระบวนการไพโรไลซิสขยะพลาสติกที่อุณหภูมิ 450 องศาเซลเซียส โดยการใช้เตาปฏิกรณ์แบบ Batch ปริมาณน้ำมันไพโรไลซิสที่ทำการผลิตได้มาจากส่วนที่มีการหล่อเย็นด้วยน้ำมากที่สุด โดยค่าความร้อน (Heating Value) สูงสุด มีค่าเท่ากับ 40 - 45 MJ/kg และองค์ประกอบที่วิเคราะห์ได้ ประกอบด้วย ไฮโดรคาร์บอน (Hydrocarbon) กรดคาร์บอกซิลิก (Carboxylic Acid) คาร์บอนิล (Carbonyl) และสารประกอบอะโรมาติก และจากงานวิจัยของ ปรางค์ทิพย์ ฤทธิโชติ แก้วเพ็งกรอ และคณะ (2023) พบว่าการผลิตเชื้อเพลิงทดแทนจากขยะพลาสติกฝังกลบ ค่าความชื้น (Moisture Content) ของผลิตภัณฑ์ที่ผลิตได้มีค่าลดลง และมีค่าความร้อน (Heating Value) เพิ่มขึ้น เท่ากับ 18.08 – 29.41 MJ/kg และพบปริมาณของคาร์บอนที่มากเกินพอเหมาะสมที่จะนำขยะพลาสติกมาผลิตเป็นเชื้อเพลิงทดแทนได้ ในงานวิจัยนี้ศึกษาการวิเคราะห์ลักษณะและคุณภาพของน้ำมันไพโรไลซิสจากขยะพลาสติกฝังกลบที่ได้ทำการเปรียบเทียบกับลักษณะและคุณภาพของน้ำมันไพโรไลซิสจากเทคนิคทางเคมีและความร้อน และศึกษามาตรฐานน้ำมันเตาที่ใช้ในภาคอุตสาหกรรมประเทศไทย ผลการวิเคราะห์ทดสอบจากงานวิจัยนี้สามารถเป็นข้อมูลสำหรับการนำไปศึกษาต่อถึงความเป็นไปได้ในการนำกระบวนการไพโรไลซิสโดยมีการใช้เตาปฏิกรณ์ที่มีแหล่งความร้อนแตกต่างกันมาผลิตเป็นเชื้อเพลิงทดแทนเพื่อใช้ในภาคการขนส่งหรือภาคอุตสาหกรรม และเป็นการลดจำนวนขยะพลาสติกฝังกลบให้มีปริมาณน้อยลง ลดปัญหามลพิษต่อสิ่งแวดล้อม รวมไปถึงเพิ่มมูลค่าของเสียให้สามารถนำไปใช้ประโยชน์ได้หลากหลายยิ่งขึ้น และมีความคุ้มค่าต่อการนำไปใช้งาน
คณะเทคโนโลยีการเกษตร
The research aims to develop chili Thai commercial varieties for resistance to anthracnose and Pepper yellow leaf curl virus disease. The varieties allowing farmer to reduce the use of chemical pesticides for disease and pest control, also increases productivity and lowers production costs for farmers. The development new varieties are under studied of undergraduate, master's, and doctoral students by using conventional and molecular plant breeding. The new chili varieties were released to farmer and commercial companies for development for Thai commercial seed industry.
คณะวิศวกรรมศาสตร์
The integration of intelligent robotic systems into human-centric environments, such as laboratories, hospitals, and educational institutions, has become increasingly important due to the growing demand for accessible and context-aware assistants. However, current solutions often lack scalability—for instance, relying on specialized personnel to repeatedly answer the same questions as administrators for specific departments—and adaptability to dynamic environments that require real-time situational responses. This study introduces a novel framework for an interactive robotic assistant (Beckerle et al. , 2017) designed to assist during laboratory tours and mitigate the challenges posed by limited human resources in providing comprehensive information to visitors. The proposed system operates through multiple modes, including standby mode and recognition mode, to ensure seamless interaction and adaptability in various contexts. In standby mode, the robot signals readiness with a smiling face animation while patrolling predefined paths or conserving energy when stationary. Advanced obstacle detection ensures safe navigation in dynamic environments. Recognition mode activates through gestures or wake words, using advanced computer vision and real-time speech recognition to identify users. Facial recognition further classifies individuals as known or unknown, providing personalized greetings or context-specific guidance to enhance user engagement. The proposed robot and its 3D design are shown in Figure 1. In interactive mode, the system integrates advanced technologies, including advanced speech recognition (ASR Whisper), natural language processing (NLP), and a large language model Ollama 3.2 (LLM Predictor, 2025), to provide a user-friendly, context-aware, and adaptable experience. Motivated by the need to engage students and promote interest in the RAI department, which receives over 1,000 visitors annually, it addresses accessibility gaps where human staff may be unavailable. With wake word detection, face and gesture recognition, and LiDAR-based obstacle detection, the robot ensures seamless communication in English, alongside safe and efficient navigation. The Retrieval-Augmented Generation (RAG) human interaction system communicates with the mobile robot, built on ROS1 Noetic, using the MQTT protocol over Ethernet. It publishes navigation goals to the move_base module in ROS, which autonomously handles navigation and obstacle avoidance. A diagram is explained in Figure 2. The framework includes a robust back-end architecture utilizing a combination of MongoDB for information storage and retrieval and a RAG mechanism (Thüs et al., 2024) to process program curriculum information in the form of PDFs. This ensures that the robot provides accurate and contextually relevant answers to user queries. Furthermore, the inclusion of smiling face animations and text-to-speech (TTS BotNoi) enhanced user engagement metrics were derived through a combination of observational studies and surveys, which highlighted significant improvements in user satisfaction and accessibility. This paper also discusses capability to operate in dynamic environments and human-centric spaces. For example, handling interruptions while navigating during a mission. The modular design allows for easy integration of additional features, such as gesture recognition and hardware upgrades, ensuring long-term scalability. However, limitations such as the need for high initial setup costs and dependency on specific hardware configurations are acknowledged. Future work will focus on enhancing the system’s adaptability to diverse languages, expanding its use cases, and exploring collaborative interactions between multiple robots. In conclusion, the proposed interactive robotic assistant represents a significant step forward in bridging the gap between human needs and technological advancements. By combining cutting-edge AI technologies with practical hardware solutions, this work offers a scalable, efficient, and user-friendly system that enhances accessibility and user engagement in human-centric spaces.
คณะวิศวกรรมศาสตร์
Jaundice, a common condition in infants that results from high bilirubin levels in the blood, often requires early diagnosis and monitoring to prevent severe complications, especially in newborns. Traditional diagnostic methods can be time-consuming and subject to human error. This study proposes an approach for real-time jaundice detection using advanced image processing techniques and machine learning algorithms. By analyzing images captured in RGB color spaces, pixel values are extracted and processed through Otsu’s thresholding and morphological operations to detect color patterns indicative of jaundice. A classifier model is then trained to distinguish between normal and jaundiced conditions, offering an automated, accurate, and efficient diagnostic tool. The system’s potential to operate in real-time makes it particularly suited for clinical settings, providing healthcare professionals with timely insights to improve patient outcomes. The proposed method represents a significant innovation in healthcare, combining artificial intelligence and medical imaging to enhance the early detection and management of jaundice, reducing reliance on manual interventions and improving overall healthcare delivery.