ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
ทั่วโลกกำลังเผชิญกับวิกฤตมลพิษทางอากาศที่รุนแรงที่สุดในประวัติศาสตร์ การเพิ่มขึ้นของสารมลพิษในอากาศ เช่น ฝุ่นละอองขนาดเล็ก PM2.5 PM10 ก๊าซโอโซน ก๊าซคาร์บอนมอนอกไซด์ ไนโตรเจนไดออกไซด์ และซัลเฟอร์ไดออกไซด์ ซึ่งส่งผลกระทบต่อระบบทางเดินหายใจและระบบไหลเวียนโลหิตของมนุษย์ นอกจากนี้ยังมีผลกระทบทางลบต่อพืชและสัตว์ในระบบนิเวศอีกด้วย หลายพื้นที่ทั่วโลกเผชิญกับค่า PM2.5 เกินมาตรฐานอย่างต่อเนื่อง องค์การอนามัยโลก (World Health Organization : WHO) ประกาศเตือนว่า PM2.5 เป็นสารก่อมะเร็ง ส่งผลให้เกิดโรคทางเดินหายใจ โรคหัวใจ และโรคหลอดเลือดสมอง PM2.5 เป็นมลพิษทางอากาศที่อันตรายที่สุด ส่งผลต่อระบบทางเดินหายใจและเพิ่มความเสี่ยงต่อมะเร็งปอด สถิติปี 2020 มีผู้เสียชีวิตจากมะเร็งปอด 1.79 ล้านคน และคาดว่าจำนวนผู้เสียชีวิตจะเพิ่มมากขึ้นทุกปีอย่างต่อเนื่อง ดัชนีคุณภาพอากาศ (Air Quality Index : AQI) เป็นตัวชี้วัดสำคัญในการประเมินคุณภาพอากาศและบ่งชี้ถึงระดับของมลพิษ โดยใช้ข้อมูลความเข้มข้นของมลพิษในอากาศคำนวณเป็นค่าดัชนีคุณภาพอากาศที่ช่วยให้ประชาชนทราบถึงระดับความปลอดภัยของอากาศ ดังนั้นหากในชีวิตประจำวันสามารถทำนายดัชนีคุณภาพอากาศได้ ประชาชนจะสามารถวางแผนการเดินทางหรือการทำกิจกรรมกลางแจ้ง โดยหลีกเลี่ยงบริเวณที่มีมลพิษสูงได้ โดยเฉพาะกลุ่มเสี่ยง เช่น ผู้สูงอายุ เด็กเล็ก และผู้ป่วยเรื้อรัง ในช่วงหลายปีที่ผ่านมา มีงานวิจัยที่ได้พัฒนาวิธีการทำนายดัชนีคุณภาพอากาศโดยนักวิจัยได้ประยุกต์ใช้วิธีการเรียนรู้ของเครื่อง (Machine Learning) เพื่อการทำนายคุณภาพอากาศให้ดียิ่งขึ้น ในงานวิจัยนี้ คณะผู้วิจัยจึงมีความสนใจนำวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่มมาใช้ในการทำนายดัชนีคุณภาพอากาศ จากการทบทวนวรรณกรรมเกี่ยวกับงานวิจัยที่เกี่ยวข้อง คณะผู้วิจัยพบว่าในงานวิจัยของ Zhang et al. (2023) ที่ศึกษาในกลุ่มเมืองของจีน 6 แห่ง ด้วยข้อมูลมลพิษและสภาพอากาศ พบได้ว่าวิธีป่าสุ่มมีประสิทธิภาพดีที่สุดเมื่อวัดด้วย MAE ต่อมาในงานวิจัยของ Dao et al. (2022) ที่ได้ใช้ข้อมูลมลพิษในอินเดีย พบว่าวิธี XGBoost มีประสิทธิภาพดีที่สุด เช่นเดียวกับงานวิจัยของ Kumar and Pande (2023) ในขณะที่ Ravindiran et al. (2023) ได้ศึกษาด้วยข้อมูลมลพิษและสภาพอากาศในรัฐอานธรประเทศ พบว่าวิธี CatBoost มีประสิทธิภาพดีที่สุด และอีก 2 งานวิจัยที่ได้อาศัยแนวทางการรวมกลุ่มแบบ Stacking ได้แก่ งานวิจัยของ Sharma et al. (2024) ที่ศึกษาในหลายเมืองของอินเดียโดยได้ใช้วิธีการรวมกลุ่มของต้นไม้ตัดสินใจหลายวิธี หนึ่งในนั้นคือวิธีการรวมกลุ่มป่าสุ่มและ XGBoost ซึ่งก็พบว่าวิธีดังกล่าวมีประสิทธิภาพดีที่สุด และ Emeç and Yurtsever (2024) ได้ศึกษาการทำนายความเข้มข้นของ PM2.5 ซึ่งเป็นหนึ่งในมลพิษสำคัญที่ส่งผลต่อดัชนีคุณภาพอากาศของเมืองอิสตันบลูและปักกิ่งโดยใช้วิธีการเรียนรู้ของเครื่อง 3 วิธีมารวมกันเป็นวิธีรวมกลุ่มป่าสุ่ม, SVR และ MLP พบว่าวิธีนี้มีประสิทธิภาพดีกว่าการใช้ทั้ง 3 วิธีแยกกัน ดังนั้นคณะผู้วิจัยจึงสนใจนำวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่มทั้ง 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม, SVR และ MLP โดยใช้ข้อมูลเกี่ยวกับค่ามลพิษและสภาพอากาศจากสถานีตรวจวัดในรัฐเดลี ประเทศอินเดีย ซึ่งเป็นพื้นที่ที่มีปัญหาด้านคุณภาพอากาศเป็นอันดับต้น ๆ ของโลก โดยใช้ข้อมูลตั้งแต่วันที่ 1 มกราคม 2021 ถึง 31 ธันวาคม 2023 และวิธีการวัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย และสัมประสิทธิ์การกำหนด (Coefficient of Determination) เปรียบเทียบประสิทธิภาพของวิธีการต่าง ๆ และระบุแนวทางที่เหมาะสมที่สุดในการทำนายดัชนีคุณภาพอากาศ
คณะอุตสาหกรรมอาหาร
การปฏิบัติกิจกรรมการดำเนินงานของโครงการประกอบด้วยการตรวจเชื้อจุลินทรีย์ในตัวอย่างอาหาร สุขลักษณะมือผู้ปรุง/ผู้สัมผัสอาหาร ภาชนะ และอุปกรณ์ การอบรมให้ความรู้เรื่องสุขาภิบาลอาหารและสุขวิทยาส่วนบุคคล สภาพการสุขาภิบาลอาหารของโรงอาหารและสุขลักษณะร่างกายของผู้ปรุงอาหาร โดยทางหลักสูตรการจัดการความปลอดภัยอาหารร่วมกับสำนักงานบริหารทรัพย์สิน สถาบันเทคโนโลยีพระจอมเกล้าเจ้าคุณทหารลาดกระบังวางแผนปฏิบัติการประเมินสถานที่จำหน่ายอาหารตามหลักมาตรฐานความปลอดภัยอาหาร SAN 20 ข้อกำหนด ตรวจการปนเปื้อนเชื้อโคลิฟอร์มแบคทีเรียในอาหาร ภาชนะอุปกรณ์ มือผู้สัมผัสโดยใช้ชุดตรวจสอบ อ.13 จำนวน 6 ตัวอย่าง เช่น อาหารปรุงสำเร็จ พื้นที่เตรียมหน้าร้าน มือผู้สัมผัสอาหาร นอกจากนี้ยังมีการตรวจการปนเปื้อนเชื้อโคลิฟอร์มแบคทีเรียในน้ำใช้ น้ำแข็งด้วยชุดตรวจสอบ อ.11 ผลวิเคราะห์ที่ได้ทั้งทางกายภาพ จุลินทรีย์และเคมีเพื่อเป็นแนวทางในการพัฒนาคุณภาพและความปลอดภัยในการผลิตและบริการอาหารของโรงอาหารภายในสถาบัน
คณะเทคโนโลยีสารสนเทศ
ในปัจจุบันการประชาสัมพันธ์และการเรียนรู้ในรูปแบบดั้งเดิมมักขาดความน่าสนใจ และไม่สามารถสร้างประสบการณ์ที่ลึกซึ้งให้แก่ผู้ใช้งานได้ นอกจากนี้ยังไม่สามารถเข้าถึงกลุ่มเป้าหมายได้อย่างทั่วถึง โดยเฉพาะสำหรับผู้ที่ไม่สามารถเดินทางมายังสถานที่จริงได้ โครงงานนี้มีวัตถุประสงค์เพื่อแก้ไขปัญหาการเข้าถึงและการรับรู้ข้อมูลเกี่ยวกับหอเทิดพระเกียรติและหอประวัติของสถาบันพระจอมเกล้า เจ้าคุณทหารลาดกระบัง การใช้เทคโนโลยีเมตาเวิร์สในการจำลองสถานที่สำคัญช่วยให้ผู้ใช้สามารถ สำรวจสถานที่และรับชมข้อมูลที่สำคัญในรูปแบบเสมือนจริงเพื่อเพิ่มการมีส่วนร่วมของนักศึกษา บุคลากร ศิษย์เก่า และบุคคลทั่วไป ในการพัฒนาระบบเมตาเวิร์ส ได้พัฒนาผ่านระบบ Unity ซึ่งเป็นเกมเอนจินที่มีความสามารถในการพัฒนาระบบเมตาเวิร์ส เพื่อสร้างสภาพแวดล้อมเสมือนจริงที่สามารถโต้ตอบได้ Unity ยังรองรับ การจัดการฟิสิกส์ แสง และเสียง เพื่อเพิ่มความสมจริง อีกทั้งให้ผู้ใช้งานได้เข้าถึงโครงงานได้อย่างสะดวก นอกจากนี้ยังมีการเชื่อมต่อกับเว็บเบราวเซอร์ โดยใช้เทคโนโลยี WebGL ซึ่งช่วยให้โครงานที่สร้างขึ้นใน Unity สามารถแสดงผลได้โดยตรงผ่านเว็บเบราวเซอร์ ผู้ใช้งานสามารถเข้าชมได้จากทุกที่ และโต้ตอบกับสถานที่ในเมตาเวิร์สได้ทันที โดยไม่ต้องติดตั้งซอฟต์แวร์เพิ่มเติม ผู้พัฒนาจึงพัฒนาระบบระบบเมตาเวิร์สเพื่อสร้างประสบการณ์การเรียนรู้ที่สมจริงและดึงดูดความสนใจ ช่วยเพิ่มโอกาสในการประชาสัมพันธ์และสร้างความผูกพันกับสถาบันอย่างมีประสิทธิภาพ
คณะวิศวกรรมศาสตร์
กรรมวิธีผลิตแผ่นแสดงระดับความหืนของอาหารประกอบด้วยขั้นตอนที่สำคัญ 3 ขั้นตอน คือ 1. การเตรียมสารละลายอินดิเคเตอร์ 2. การเตรียมสารละลายเซลลูโลส และ 3. การขึ้นรูปแผ่น มีสารละลายโบรโมไทมอลบลู และสารละลายเมทิลเรดทำหน้าที่เป็นอินดิเคเตอร์ ส่วนสารละลายเซลลูโลสประกอบด้วยสารไฮดรอกซีโพรพิลเมทิลเซลลูโลส สารคาร์บอกซีเมทิลเซลลูโลส สารโซเดียมไฮดรอกไซด์ สารโพลิเอทิลีน ไกลคอล 400 และสารละลายอินดิเคเตอร์ สำหรับการขึ้นรูปแผ่นใช้สารละลายเซลลูโลสผสมกับน้ำยางธรรมชาติเพื่อเพิ่มความยืนหยุ่นและทำให้มีคุณสมบัติไม่น้ำชอบ หลังการอบแห้งสิ่งประดิษฐ์จะมีลักษณะเป็นแผ่นบางสีน้ำเงินเข้ม เมื่อสัมผัสกับสารระเหยของความหืนของอาหารทอด จะเปลี่ยนสีจากสีน้ำเงินเข้มเป็นสีเขียว และเปลี่ยนเป็นสีเหลือง ตามปริมาณสารระเหยของความหืนของอาหารทอดที่เพิ่มขึ้น