Air Rack เป็นผลิตภัณฑ์ที่ออกแบบมาเพื่อตอบโจทย์ธุรกิจที่มีข้อจำกัดด้านพื้นที่และงบประมาณในการสร้างห้องเซิร์ฟเวอร์ ระบบระบายความร้อน และการจัดการเสียงรบกวน ระบบนี้ช่วยให้สามารถใช้งานอุปกรณ์ไอทีในพื้นที่เปิดได้อย่างมีประสิทธิภาพ โดยรองรับทั้งการทำงานแบบ On-premise และ On-cloud ผ่านการแปลงข้อมูลจากเซ็นเซอร์เป็นข้อมูลดิจิทัลและแสดงผลผ่าน Dashboard ผู้ใช้สามารถควบคุม ติดตาม และวิเคราะห์ข้อมูลได้จากระยะไกล อีกทั้งระบบยังช่วยลดการใช้พลังงานไฟฟ้าและค่าใช้จ่ายในการบริหารจัดการห้องเซิร์ฟเวอร์แบบเดิมได้อย่างมีนัยสำคัญ
Air Rack เป็นผลิตภัณฑ์ที่ออกแบบมาเพื่อธุรกิจจำนวนมากไม่มีพื้นที่ หรืองบประมาณในการสร้างห้องเซริฟ์เวอร์, ระบบระบายความร้อน และการจัดการเสียงรบกวน ซึ่งเป็นผลมาจากการนำอุปกรณ์ไอทีออกมาในที่โล่ง ใช้งานรวมกับระบบแสดงผลและเก็บข้อมูลแบบออนไลน์ ระบบถูกออกแบบมาให้ทำหน้าที่เป็นเครื่องมือที่สามารถเก็บข้อมูลได้อย่างละเอียดและแม่นยำ ทั้งแบบ On-premise และ On Cloud ก่อนจะประมวลผลโดยแปลงสัญญาณจากเซ็นเซอร์ให้เป็นข้อมูลดิจิตอล เพื่อส่งตรงสู่หน้าจอคอมพิวเตอร์ในรูปแบบของ Dashboard ที่ประกอบไปด้วยแผนภูมิ (Charts) เกจ (Gauges) LEDs ตาราง และอื่นๆ ให้คุณสามารถควบคุมกระบวนการ ติดตาม ตรวจสอบ วิเคราะห์ และสั่งงานได้จากระยะไกล
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
คณะวิทยาศาสตร์
โรคลิสเตอรีโอซิส (Listeriosis) เป็นโรคที่เกิดจากอาหารซึ่งมีอัตราการเสียชีวิตสูงเกิน 30% โดยเกิดจากเชื้อ Listeria monocytogenes งานวิจัยนี้ได้ทำการประเมินแบคทีเรียกรดแลกติก (Lactic Acid Bacteria หรือ LAB) จำนวน 160 สายพันธุ์ที่แยกได้จากปูดองของไทย เพื่อตรวจสอบศักยภาพในการยับยั้ง L. monocytogenes รวมถึงคุณสมบัติของโพรไบโอติกและลักษณะทางโพรไบโอจีโนมิกส์ (Probiogenomic) ในกลุ่มสายพันธุ์เหล่านี้ สายพันธุ์ DRC3-2 มีฤทธิ์ในการผลิตแบคเทอริโอซิน DRC3-2 ซึ่งสามารถยับยั้ง L. monocytogenes ATCC 19115 ได้อย่างมีนัยสำคัญในการทดสอบแบบ spot-on-lawn การวิเคราะห์ทางฟีโนไทป์และจีโนมเผยให้เห็นว่าสายพันธุ์ DRC3-2 สามารถเติบโตได้ในสภาวะแวดล้อมที่มี NaCl 2-6% ค่า pH ระหว่าง 3 ถึง 9 และอุณหภูมิระหว่าง 25 ถึง 45°C จากการวิเคราะห์ค่า Average nucleotide identity (ANI) และ Digital DNA-DNA hybridization (dDDH) พบว่าสายพันธุ์ DRC3-2 ถูกจัดประเภทเป็น Lactococcus lactis subsp. hordinae การผลิตแบคเทอริโอซิน DRC3-2 จะสูงสุดในช่วงปลายของระยะ stationary phase หลังจากที่มีการสังเคราะห์ในช่วงต้นของระยะ exponential phase การวิเคราะห์ด้วย BAGEL4 พบว่าแบคเทอริโอซิน DRC3-2 ที่คาดว่าเป็นแบคเทอริโอซินชนิดใหม่นี้มีลักษณะคล้ายคลึงกับ lactococcin A และ B โดยมีค่า bit-score ที่ 40.05 และ 36.58 ตามลำดับ การประเมินความปลอดภัยทาง in silico ยืนยันว่าสายพันธุ์ DRC3-2 ไม่เป็นพาหะของโรคในมนุษย์และไม่มีการต้านทานยาปฏิชีวนะ สรุปได้ว่า การศึกษาครั้งนี้ได้เน้นย้ำถึงความสำคัญของแบคทีเรียซิน DRC3-2 ซึ่งเป็นสารที่มีศักยภาพในการใช้ป้องกันและรักษาการติดเชื้อ L. monocytogenes
วิทยาเขตชุมพรเขตรอุดมศักดิ์
งานวิจัยนี้เป็นการออกแบบและสร้างเครื่องต้นแบบระบบปัญญาประดิษฐ์ของสรรพสิ่งสำหรับติดตามและควบคุมการให้น้ำพืชโดยใช้ข้อมูลสภาพอากาศ โดยระบบประกอบไป 4 ส่วนสำคัญ คือ ส่วนที่ 1 สถานีตรวจวัดสภาพอากาศ (Weather Station) ประกอบไปด้วยเซ็นเซอร์ต่าง ๆ เช่น อุณหภูมิอากาศ ความชื้นสัมพัทธ์ ความเร็วลม และความยาวนานของแสง เป็นต้น ส่วนที่ 2 หน่วยประมวลผล (Controller Unit) โดยจะมีการติดตั้งอัลกอริทึมหรือแบบจำลองการเรียนรู้ของเครื่องเพื่อใช้ประเมินค่าการคายระเหยน้ำของพืชอ้างอิง (ETo) และจะใช้คำนวณร่วมกับค่าสัมประสิทธิ์การใช้น้ำของพืชนั้น ๆ (Crop Coefficient: Kc) และข้อมูล อื่น ๆ เกี่ยวกับพืชนั้น ๆ เพื่อประเมินปริมาณการใช้น้ำตามความต้องการของพืชโดยอัตโนมัติ ส่วนที่ 3 ส่วนติดต่อผู้ใช้งานและหน้าจอแสดงผล (User Interface (UI) and Display) เป็นส่วนที่ให้เกษตรกรหรือผู้ใช้งานสามารถป้อนข้อมูลเกี่ยวกับชนิดของพืช ชนิดของดินที่ปลูก ประเภท ของระบบการให้น้ำ จำนวนหัวจ่ายน้ำ ระยะปลูก และช่วงการเจริญเติบโตของพืช เป็นต้น และส่วนที่ 4 หน่วยควบคุมและหัวจ่ายน้ำ (Irrigation Unit)