คณะวิศวกรรมศาสตร์
การประเมินผลผลิตของผลมะม่วง และพฤติกรรมของผู้บริโภคที่มีความตระหนักถึงที่มาของผลผลิตมากยิ่งขึ้น ต้องการตรวจสอบย้อนกลับถึงที่มาของผลผลิตว่าผลผลิตนั้นๆได้รับการดูแลมาอย่างไรผ่านการระบุตำแหน่งของผลนั้นๆ ความเกี่ยวเนื่องกันถึงลักษะของผลผลิตที่เป็นผลมาจากวิธีการดูแลผลหรือต้นของผลผลิตในขณะที่ยังไม่ถูกเก็บเกี่ยว ดังนั้นเพื่อสร้างแบบจำลองที่สามารถตรวจจับและระบุตำแหน่งของผลมะม่วง โดยใช้ภาพถ่าย 2 มิติ ด้วยวิธีการ Deep Learning Model และเพื่อศึกษาเทคนิคการระบุพิกัดของผลมะม่วงในโลกจริงจากภาพภาพ 2 มิติ มีการใช้โมเดล YOLOv8 เพื่อ Object detection ร่วมกับเทคนิคการสอบเทียบกล้อง (Camera Calibration) และ Triangulation เพื่อหาตำแหน่ง 3 มิติ ของผลมะม่วงในภาพที่ถูกตรวจจับได้ จากการทำการทดลองหาตำแหน่งทั้งหมด 125 ครั้ง ที่มีการสุ่มค่าตำแหน่งของผลมะม่วง และตำแหน่งของกล้องที่มีมุม Yaw และ Pitch ที่แตกต่างกัน โดยการใช้ค่า Parameter จากรูปที่ถ่ายถัดไปมาเปรียบเทียบกันเพื่อหาตำแหน่งจริง 3 มิติ ที่ได้ผลความถูกต้องที่..... จากการใช้โมเดล YOLOv8 ที่มีค่าทำนาย Precision, Recall, mAP50, mAP50-95 และ F1-Score ได้แก่ 0.928, 0.901, 0.965, 0.785 และ 0.914 ตามลำดับ ซึ่งมีความแม่นยำที่มากพอเพื่อทำนายตำแหน่งของผลมะม่วงที่มีความคลาดเคลื่อนประมาณ 38 เซนติเมตร
คณะวิศวกรรมศาสตร์
โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
คณะวิทยาศาสตร์
ระบบตรวจจับผลไม้เน่ามีที่มาจากความต้องการในการลดการสูญเสียผลผลิตทางการเกษตร ซึ่งเป็นปัญหาที่เกิดขึ้นทั่วโลกโดยเฉพาะในอุตสาหกรรมการเกษตรและการจัดจําหน่ายอาหาร ผลไม้ที่เน่าเสียจะส่งผลกระทบต่อคุณภาพของผลิตภัณฑ์และสามารถก่อให้เกิดความสูญเสียทางเศรษฐกิจได้อย่างมาก การพัฒนาระบบตรวจจับผลไม้เน่าจึงมีเป้าหมายเพื่อช่วยในการคัดกรองและแยกผลไม้ที่ไม่เหมาะสมออกจากกระบวนการจัดส่ง เพื่อรักษาคุณภาพของสินค้าและตอบสนองต่อความต้องการของผู้บริโภคที่ต้องการผลไม้สดใหม่ ทางผู้จัดจึงได้จำลองระบบคัดแยกผลไม้เน่าเสียออกจากผลไม้สดโดยใช้รูปภาพเป็นปัจจัย ผลการทดลองออกมาอย่างมีประสิทธิภาพและมีความเร็วในการทำนายสูง
คณะวิศวกรรมศาสตร์
โครงงานสหกิจฉบับนี้จัดทำขึ้นโดยมีวัตถุประสงค์เพื่อลดระยะเวลาในการแก้ไขปัญหาให้แก่ลูกค้า โดยเน้นการปรับปรุงตามแนวคิดแบบลีนและการประยุกต์ใช้เทคโนโลยีเข้ามาช่วย ในกรณีศึกษาของบริษัท เน็กซเตอร์ ดิจิตอล แอนด์ โซลูชั่น จํากัด ซึ่งผู้วิจัยมุ่งเน้นการปรับปรุงกระบวนการทำงานและสร้างมาตรฐานการทำงาน รวมถึงนำเทคโนโลยีบอท เข้ามาแก้ไขในกระบวนการทำงาน เพื่อให้ระยะเวลาในการแก้ไขปัญหาลดลงและสามารถสร้างมาตรฐานการทำงานใหม่ให้กับทางบริษัทได้ งานวิจัยฉบับนี้ได้เสนอแนวคิดที่สำคัญในการหาสาเหตุที่แท้จริงของปัญหา, การลดขั้นตอนของกระบวนการที่มีความซ้ำซ้อน, การนำวิธีแนวคิดลีน (Lean) มาปรับใช้, การประยุกต์เทคโนโลยีเข้ามาใช้ในกระบวนการ เป็นต้น อนึ่ง ในงานวิจัยนี้สามารถแยกปัญหาหลักที่แก้ไขได้ 2 ปัญหาหลัก โดยปัญหาแรกคือการแก้ไขปัญหาให้ลูกค้าที่ติดต่อเข้ามา ผลการวิจัย พบว่า สามารถลดเวลาการแก้ไขปัญหาจากค่าเฉลี่ย 5 วัน เหลือ 3 วัน นั่นคือสามารถลดได้ 38% และ ในปัญหาหลักที่สองคือการแก้ไขปัญหาให้ทาง Vendor ผลการวิจัย พบว่า สามารถลดเวลาการตอบกลับการแก้ไขปัญหาจากค่าเฉลี่ย 20 นาที เหลือ 0.3 นาที คิดเป็น 98.5% จากผลการทดลองของทั้งสองปัญหาหลักไม่เพียงช่วยยกระดับการให้บริการแก่ลูกค้า แต่ยังสร้างมาตรฐานในการตอบสนองและแก้ไขปัญหาภายในองค์กรให้มีระยะเวลาที่ลดลง
คณะวิศวกรรมศาสตร์
บริษัทมิตซูบิชิ มอเตอร์ส (ประเทศไทย) จำกัด เป็นบริษัทที่มีนโยบายเกี่ยวกับความปลอดภัย คือ ความเสี่ยงเป็นศูนย์ อุบัติเหตุเป็นศูนย์ และบริษัทมีการเก็บสถิติของอุบัติเหตุที่เกิดขึ้นภายในโรงงานเมื่อปี พ.ศ.2567ที่ผ่านมามีการเกิดอุบัติเหตุทั้งหมด 5 ครั้ง โดยหนึ่งในนั้นเป็นอุบัติเหตุที่เกิดขึ้นที่สายการประกอบที่อยู่ในการดูแลของแผนก Production Engineer Assembly ที่ดิฉันได้ฝึกงานอยู่ ดิฉันจึงมีการนำปัญหานี้มาแก้ไข โดยการวิเคราะห์ปัญหา แจกแจง เลือกวิธีการแก้ไขปัญหา จนได้มาเป็นการใช้ระบบกล้องวงจรปิดที่ใช้เทคโนโลยีปัญญาประดิษฐ์ เข้ามาตรวจจับพฤติกรรมของพนักงาน เพื่อป้องกันการเกิดเหตุการณ์ที่จะมีความเสี่ยงเกิดขึ้น โดยการสอนปัญญาประดิษฐ์ด้วยภาพที่มีการทำงานผิดปกติของพนักงาน หรือความผิดปกติของอุปกรณ์จำพวกสายพาน, ลิฟท์ขากรรไกร, พาเลท (pallet) จากนั้นถึงออกแบบแนวคิดการพัฒนาซอฟต์แวร์(Software) จนทำ ให้ระบบกล้องวงจรปิดที่ใช้เทคโนโลยีปัญญาประดิษฐ์ สามารถตรวจจับได้ ส่งผลให้หลังจากการติดตั้ง ไม่เกิดอุบัติเหตุในบริเวณนั้นอีก ป้องกันการเกิดอุบัติเหตุ ลดการสูญเสียที่จะเกิดขึ้น ไม่ว่าจะเป็นค่าใช้จ่ายจากการเกิดอุบัติเหตุ การเทรนพนักงานใหม่ ทรัพยากรที่ใช้ในการทำงาน หรืออื่นๆอีกมากมาย
คณะเทคโนโลยีสารสนเทศ
โครงงานเรื่องอาฟเตอร์เดย์ ฮอไรซอน (AfterDay Horizon) เป็นเกมเอาชีวิตรอดสำหรับผู้เล่นสองคนที่ถูกพัฒนาขึ้นเพื่อเน้นการส่งเสริมความร่วมมือและการทำงานร่วมกันระหว่างผู้เล่น โดยใช้เทคโนโลยีความเป็นจริงเสมือน (Virtual Reality: VR) และเว็บไซต์เป็นแพลตฟอร์มในการเล่น ภายในเกม ผู้เล่นจะได้สัมผัสกับโลกที่เผชิญกับอารยธรรมที่ล่มสลายจากปัญหาสิ่งแวดล้อม โดยที่ประชากรต้องอาศัยอยู่ในบังเกอร์เพื่อหลีกเลี่ยงอันตรายจากสภาพแวดล้อมภายนอก อาฟเตอร์เดย์ ฮอไรซอน เน้นการทำงานร่วมกันระหว่างผู้เล่นทั้งสองคนในการทำภารกิจต่าง ๆ เพื่อช่วยให้ผู้คนในบังเกอร์มีชีวิตรอดให้นานที่สุด ภารกิจเหล่านี้ถูกออกแบบมาเพื่อส่งเสริมการร่วมมือ การแก้ปัญหาเป็นทีม และการตัดสินใจในสถานการณ์ที่ท้าทาย นอกจากนี้ยังช่วยสร้างความสามัคคีและความเข้าใจระหว่างผู้เล่น ในขณะเดียวกันก็ทำให้ผู้เล่นได้ตระหนักถึงความสำคัญของการร่วมแรงร่วมใจในการจัดการปัญหาเพื่อความอยู่รอดร่วมกัน จากการทดสอบตัวเกมเบื้องต้น พบว่าผู้เล่นทำภารกิจสำเร็จและร่วมมือกันได้ดี แต่บางภารกิจซับซ้อนและใช้เวลานาน ควรปรับปรุงเพื่อเพิ่มความสนุกและความราบรื่นในการเล่น
คณะวิศวกรรมศาสตร์
โครงการนี้จัดทำขึ้นเพื่อตอบสนองความต้องการในการพัฒนาทักษะและองค์ความรู้ด้านระบบนิวเมติกส์และการควบคุมอัตโนมัติ ซึ่งเป็นหัวใจสำคัญในอุตสาหกรรมการผลิตในปัจจุบัน โดยระบบนิวเมติกส์มีบทบาทสำคัญในกระบวนการผลิตหลายประเภท เช่น การควบคุมเครื่องจักร อุปกรณ์อัตโนมัติ และระบบสายการผลิต อย่างไรก็ตาม ภาควิชาวิศวกรรมวัดคุมไม่มีห้องปฏิบัติการที่รองรับการศึกษาและทดลองเกี่ยวกับระบบนิวเมติกส์ เนื่องจากอุปกรณ์เดิมที่เคยใช้เกิดการชำรุดและไม่ได้รับการซ่อมแซม ทำให้นักศึกษาขาดโอกาสในการฝึกฝนทักษะที่สำคัญต่อการทำงานในภาคอุตสาหกรรม คณะผู้จัดทำเห็นถึงความจำเป็นในการฟื้นฟูและพัฒนาห้องปฏิบัติการนิวเมติกส์ให้สามารถตอบโจทย์การเรียนการสอนและการวิจัยได้อย่างมีประสิทธิภาพ โดยปริญญานิพนธ์นี้มุ่งเน้นการศึกษาและพัฒนาระบบควบคุมแขนกลอุตสาหกรรมและระบบนิวเมติกส์ ควบคู่ไปกับการบูรณาการเทคโนโลยีสมัยใหม่ เช่น PLC (Programmable Logic Controller) และ AI Vision ซึ่งสามารถนำไปประยุกต์ใช้งานจริงในบริบทอุตสาหกรรม ผลการดำเนินงานในโครงการนี้นอกจากจะช่วยเสริมสร้างความเข้าใจในเทคโนโลยีที่เกี่ยวข้องแล้ว ยังมุ่งหวังที่จะพัฒนาห้องปฏิบัติการให้กลายเป็นแหล่งเรียนรู้ที่สำคัญสำหรับนักศึกษารุ่นปัจจุบันและรุ่นถัดไป รวมถึงเพิ่มขีดความสามารถในการแข่งขันของนักศึกษาในตลาดแรงงาน พร้อมทั้งสนับสนุนการพัฒนานวัตกรรมในอุตสาหกรรมการผลิตต่อไปในอนาคต
คณะวิศวกรรมศาสตร์
เนื่องจากตลาดทุนมีบทบาทสำคัญต่อเศรษฐกิจไทยและมีจำนวนบริษัทไทยที่เข้าร่วมและให้ความสนใจเพิ่มขึ้นอย่างต่อเนื่อง ข้อเท็จจริงเหล่านี้เป็นแรงบันดาลใจให้ดำเนินการศึกษาวิเคราะห์ว่า ตลาดหลักทรัพย์สามารถเป็นปัจจัยกระตุ้นที่ช่วยยกระดับผลการดำเนินงานของบริษัทได้จริงหรือไม่ รวมถึงลักษณะของบริษัทที่ได้รับประโยชน์จากการเป็นบริษัทจดทะเบียน ผลลัพธ์จากการศึกษานี้สามารถส่งเสริมความสนใจในการเข้าจดทะเบียนของบริษัทต่างๆ มอบแนวทางที่เป็นประโยชน์ให้กับองค์กรที่ต้องการพัฒนาศักยภาพในการแข่งขัน และเสนอแนะแนวทางในการปรับปรุงตลาดหลักทรัพย์เพื่อเสริมสร้างการเข้าถึงเงินทุนและความแข็งแกร่งของตลาดทุนไทยในระยะยาว สมมติฐานหลักที่เป็นแนวทางในการศึกษาครั้งนี้คือ การอยู่ในตลาดหลักทรัพย์เป็นระยะเวลานาน ("aging in the market") ส่งผลให้ผลการดำเนินงานของบริษัทดีขึ้นอย่างมีนัยสำคัญหรือไม่ โดยเฉพาะอย่างยิ่ง เราต้องการวิเคราะห์ว่าการจดทะเบียนในตลาดหลักทรัพย์แห่งประเทศไทยมีความสัมพันธ์กับการพัฒนาด้านการดำเนินงานของบริษัทหรือไม่ ซึ่งจะช่วยให้เข้าใจถึงประโยชน์ที่แท้จริงของการเป็นบริษัทมหาชนต่อผลการดำเนินงานในระยะยาว
คณะวิศวกรรมศาสตร์
การบูรณาการระบบหุ่นยนต์อัจฉริยะเข้าสู่สภาพแวดล้อมที่มุ่งเน้นมนุษย์ เช่น ห้องปฏิบัติการ โรงพยาบาล และสถาบันการศึกษา มีความสำคัญมากขึ้นเนื่องจากความต้องการที่เพิ่มขึ้นสำหรับผู้ช่วยที่เข้าถึงได้และตระหนักถึงบริบท อย่างไรก็ตาม โซลูชันในปัจจุบันมักขาดความสามารถในการปรับขนาด เช่น การพึ่งพาบุคลากรเฉพาะทางเพื่อตอบคำถามเดิมซ้ำๆ ในฐานะผู้ดูแลระบบของแผนกเฉพาะ และการขาดความสามารถในการปรับตัวให้เข้ากับสภาพแวดล้อมแบบไดนามิกที่ต้องการการตอบสนองตามสถานการณ์แบบเรียลไทม์ งานวิจัยนี้นำเสนอกรอบแนวคิดใหม่สำหรับผู้ช่วยหุ่นยนต์เชิงโต้ตอบ (Beckerle et al., 2017) ที่ออกแบบมาเพื่อช่วยในระหว่างการเยี่ยมชมห้องปฏิบัติการและบรรเทาความท้าทายที่เกิดจากข้อจำกัดด้านทรัพยากรบุคคลในการให้ข้อมูลที่ครอบคลุมแก่ผู้เยี่ยมชม ระบบที่นำเสนอทำงานผ่านหลายโหมด รวมถึงโหมดสแตนด์บายและโหมดจดจำ เพื่อให้แน่ใจว่ามีการโต้ตอบที่ราบรื่นและสามารถปรับตัวได้ในบริบทต่างๆ ในโหมดสแตนด์บาย หุ่นยนต์จะแสดงสัญญาณความพร้อมผ่านแอนิเมชันใบหน้ายิ้มขณะลาดตระเวนตามเส้นทางที่กำหนดไว้ล่วงหน้าหรือประหยัดพลังงานเมื่อต้องหยุดนิ่ง การตรวจจับสิ่งกีดขวางขั้นสูงช่วยให้มั่นใจในความปลอดภัยขณะเคลื่อนที่ในสภาพแวดล้อมแบบไดนามิก ส่วนโหมดจดจำจะเปิดใช้งานผ่านท่าทางหรือคำปลุก โดยใช้เทคโนโลยีวิชันคอมพิวเตอร์ขั้นสูงและระบบรู้จำเสียงพูดแบบเรียลไทม์เพื่อตรวจจับผู้ใช้ การจดจำใบหน้าช่วยจำแนกบุคคลว่าเป็นที่รู้จักหรือไม่รู้จัก พร้อมทั้งมอบคำทักทายเฉพาะบุคคลหรือคำแนะนำตามบริบทเพื่อเพิ่มการมีส่วนร่วมของผู้ใช้ หุ่นยนต์ต้นแบบและการออกแบบ 3 มิติแสดงไว้ในรูปที่ 1 ในโหมดโต้ตอบ ระบบได้บูรณาการเทคโนโลยีขั้นสูงหลายประการ เช่น การรู้จำเสียงพูดขั้นสูง (ASR Whisper) การประมวลผลภาษาธรรมชาติ (NLP) และโมเดลภาษาขนาดใหญ่ Ollama 3.2 (LLM Predictor, 2025) เพื่อมอบประสบการณ์ที่ใช้งานง่าย รับรู้บริบท และสามารถปรับตัวได้ โดยได้รับแรงบันดาลใจจากความต้องการมีส่วนร่วมกับนักศึกษาและส่งเสริมความสนใจในภาควิชา RAI ซึ่งมีผู้เยี่ยมชมมากกว่า 1,000 คนต่อปี ระบบนี้ช่วยแก้ไขปัญหาการเข้าถึงข้อมูลในกรณีที่ไม่มีเจ้าหน้าที่มนุษย์ ด้วยการตรวจจับคำปลุก การจดจำใบหน้าและท่าทาง และการตรวจจับสิ่งกีดขวางด้วย LiDAR หุ่นยนต์จึงสามารถสื่อสารภาษาอังกฤษได้อย่างราบรื่น พร้อมทั้งนำทางอย่างปลอดภัยและมีประสิทธิภาพ ระบบปฏิสัมพันธ์แบบ Retrieval-Augmented Generation (RAG) สื่อสารกับหุ่นยนต์เคลื่อนที่ที่สร้างบน ROS1 Noetic โดยใช้โปรโตคอล MQTT ผ่านเครือข่าย Ethernet ระบบนี้เผยแพร่เป้าหมายการนำทางไปยังโมดูล move_base ใน ROS ซึ่งจัดการการนำทางและหลีกเลี่ยงสิ่งกีดขวางโดยอัตโนมัติ แผนผังอธิบายระบบแสดงไว้ในรูปที่ 2 กรอบแนวคิดนี้ประกอบด้วยสถาปัตยกรรมแบ็กเอนด์ที่แข็งแกร่ง โดยใช้ MongoDB สำหรับการจัดเก็บและดึงข้อมูล รวมถึงกลไก RAG (Thüs et al., 2024) ในการประมวลผลข้อมูลหลักสูตรในรูปแบบ PDF เพื่อให้แน่ใจว่าหุ่นยนต์สามารถให้คำตอบที่ถูกต้องและเหมาะสมกับบริบทแก่ผู้ใช้ นอกจากนี้ การใช้แอนิเมชันใบหน้ายิ้มและระบบแปลงข้อความเป็นเสียง (TTS BotNoi) ยังช่วยเพิ่มอัตราการมีส่วนร่วมของผู้ใช้ ผลลัพธ์จากการศึกษาสังเกตการณ์และแบบสำรวจพบว่าระบบมีการปรับปรุงอย่างมีนัยสำคัญในด้านความพึงพอใจของผู้ใช้และการเข้าถึงข้อมูล เอกสารฉบับนี้ยังกล่าวถึงความสามารถของหุ่นยนต์ในการทำงานในสภาพแวดล้อมแบบไดนามิกและพื้นที่ที่เน้นมนุษย์ เช่น การจัดการกับการรบกวนระหว่างปฏิบัติภารกิจ การออกแบบแบบแยกส่วนช่วยให้สามารถผสานรวมฟีเจอร์เพิ่มเติม เช่น การจดจำท่าทางและการอัปเกรดฮาร์ดแวร์ได้ง่าย ซึ่งช่วยให้ระบบสามารถขยายขีดความสามารถในระยะยาวได้ อย่างไรก็ตาม มีข้อจำกัดบางประการ เช่น ต้นทุนการติดตั้งเริ่มต้นที่สูงและการพึ่งพาการกำหนดค่าฮาร์ดแวร์เฉพาะ ในอนาคต งานวิจัยจะมุ่งเน้นไปที่การเพิ่มความสามารถในการรองรับภาษาต่างๆ การขยายกรณีการใช้งาน และการสำรวจปฏิสัมพันธ์แบบร่วมมือกันระหว่างหุ่นยนต์หลายตัว โดยสรุป ผู้ช่วยหุ่นยนต์เชิงโต้ตอบที่นำเสนอในงานวิจัยนี้เป็นก้าวสำคัญในการเชื่อมโยงความต้องการของมนุษย์เข้ากับความก้าวหน้าทางเทคโนโลยี ด้วยการผสานรวมเทคโนโลยีปัญญาประดิษฐ์ล้ำสมัยเข้ากับโซลูชันฮาร์ดแวร์ที่ใช้งานได้จริง งานวิจัยนี้จึงนำเสนอระบบที่สามารถขยายขีดความสามารถ มีประสิทธิภาพ และเป็นมิตรกับผู้ใช้ ซึ่งช่วยเพิ่มการเข้าถึงข้อมูลและการมีส่วนร่วมของผู้ใช้ในสภาพแวดล้อมที่มุ่งเน้นมนุษย์