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
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะเทคโนโลยีสารสนเทศ
This research presents a deep learning method for generating automatic captions from the segmentation of car part damage. It analyzes car images using a Unified Framework to accurately and quickly identify and describe the damage. The development is based on the research "GRiT: A Generative Region-to-text Transformer for Object Understanding," which has been adapted for car image analysis. The improvement aims to make the model generate precise descriptions for different areas of the car, from damaged parts to identifying various components. The researchers focuses on developing deep learning techniques for automatic caption generation and damage segmentation in car damage analysis. The aim is to enable precise identification and description of damages on vehicles, there by increasing speed and reducing the work load of experts in damage assessment. Traditionally, damage assessment relies solely on expert evaluations, which are costly and time-consuming. To address this issue, we propose utilizing data generation for training, automatic caption creation, and damage segmentation using an integrated framework. The researchers created a new dataset from CarDD, which is specifically designed for cardamage detection. This dataset includes labeled damages on vehicles, and the researchers have used it to feed into models for segmenting car parts and accurately labeling each part and damage category. Preliminary results from the model demonstrate its capability in automatic caption generation and damage segmentation for car damage analysis to be satisfactory. With these results, the model serves as an essential foundation for future development. This advancement aims not only to enhance performance in damage segmentation and caption generation but also to improve the model’s adaptability to a diversity of damages occurring on various surfaces and parts of vehicles. This will allow the system to be applied more broadly to different vehicle types and conditions of damage inthe future
คณะอุตสาหกรรมอาหาร
This study focused on the development of an edible film containing Terminalia chebula Retz extract for the treatment of oral ulcers. The film was designed to dissolve in the mouth without the need for swallowing or chewing, which is suitable for people with canker sores or oral inflammation. Terminalia chebula extract has been shown to have several pharmacological properties, including antimicrobial, antioxidant, and anti-inflammatory activities.