โครงการนี้นำเสนอระบบจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติ ทำงานโดยเรียนรู้วิธีการออกแบบและสร้างระบบจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติที่รวมเข้ากับอุปกรณ์ไมโครคอนโทรลเลอร์ โครงการประกอบด้วย 2 ส่วนหลัก คือ โครงสร้างและระบบควบคุมระบบจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติ ซึ่งจะออกแบบและเขียนแบบด้วยโปรแกรมคอมพิวเตอร์และสร้างโดยใช้โครงสร้างหลักอะลูมิเนียมตามขนาดจริงที่ออกแบบในโปรแกรม และระบบควบคุมไมโครคอนโทรลเลอร์ใช้โปรแกรม GX Works 2 ของ Mitsubishi PLC เพื่อออกแบบระบบที่ควบคุมการขึ้นและลง เข้าและออกของพาเลท สามารถชั่งน้ำหนักได้และมีหน้าจอสัมผัสแสดงข้อมูลแผ่นเหล็กและใช้ควบคุมระบบจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติและม่านแสงนิรภัยเพื่อป้องกันด้านความปลอดภัยของผู้ใช้งาน ทดสอบการทำงานของเครื่องจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติ แล้วพบว่าทำงานได้ตามปกติ มีข้อผิดพลาดเพียงเล็กน้อยเท่านั้นที่อยู่ในขอบเขตที่ยอมรับได้
ปัจจุบันในขณะที่เศรษฐกิจภายในประเทศพัฒนาและอุตสาหกรรมการผลิตยังคงขยายตัวอย่างรวดเร็ว ทำให้หลายองค์กรประสบปัญหาผลผลิตไม่เพียงพอต่อความต้องการของตลาดส่งผลให้เกิดปัญหาความต้องการแรงงานในการผลิตจำนวนมาก แต่ในปัจจุบันเกิดการขาดแคลนแรงงานและหลายองค์กรต้องปรับปรุงประสิทธิภาพของกระบวนการภายในบริษัทตั้งแต่กระบวนการจัดซื้อจนถึงการส่งมอบผลิตภัณฑ์ขั้นสุดท้ายให้กับลูกค้าเพื่อให้บริษัทสามารถแข่งขันในธุรกิจได้ การจัดการคลังสินค้าเป็นสิ่งสำคัญโดยเฉพาะอย่างยิ่งกิจกรรมการจัดการองค์กรและการจัดการคลังสินค้าส่งผลโดยตรงว่าต้นทุนด้านโลจิสติกส์สามารถตอบสนองความต้องการของลูกค้าได้อย่างมีประสิทธิภาพหรือไม่ คลังสินค้าประกอบด้วยกิจกรรมหลัก ได้แก่ การรับสินค้า การเคลื่อนย้าย การจัดเก็บ และการจัดวางคลังสินค้า เลือกใช้อุปกรณ์ขนย้ายเพื่อใช้ภายในคลังสินค้ารวมทั้งกระจายสินค้า หากบริษัทมีการจัดการคลังสินค้าที่มีประสิทธิภาพ จะช่วยเพิ่มศักยภาพภายในของบริษัทและสามารถลดต้นทุนผ่านการดำเนินงานที่มีประสิทธิภาพมากขึ้น ระบบที่ใช้ในการจัดเก็บผลิตภัณฑ์แผ่นเหล็กต้องมีคนทำงานอย่างน้อย 4 คนเพื่อขนส่งแผ่นเหล็กขนาดใหญ่ หลังจากนั้นแผ่นเหล็กจะถูกยกขึ้นและวางบนพาเลท รูปแบบการจัดเก็บแผ่นเหล็กที่ได้รับความนิยมมักมีปัญหาในการใช้พื้นที่ว่าง ปัญหาในการนับสินค้าและปัญหาในระบบการจัดเก็บไฟล์ เช่น พนักงานบันทึกข้อมูลไม่ถูกต้องเกี่ยวกับประเภทของโลหะ ปริมาณ ขนาด และตำแหน่งของผลิตภัณฑ์ที่จัดเก็บไว้ในไฟล์ สิ่งเหล่านี้ส่งผลกระทบอย่างมากต่อประสิทธิภาพการทำงานในคลังสินค้า นอกจากนี้ยังมีผลกระทบต่อต้นทุน เวลา และประสิทธิภาพในการดำเนินงาน ดังนั้น ผู้จัดทำโครงการได้คิดค้นแนวคิดในการสร้างโครงการระบบจัดเก็บแผ่นเหล็กที่คล้ายกับระบบจัดเก็บอัตโนมัติ เพื่อศึกษาระบบการทำงาน การออกแบบและสร้างต้นแบบระบบจัดเก็บแผ่นเหล็กแนวตั้งอัตโนมัติสำหรับจัดเก็บแผ่นเหล็กขนาดต่างๆ โดยระดับการจัดเก็บของแผ่นเหล็กไม่เกิน 10 ซม. และน้ำหนักไม่เกิน 5 กก. ระบบจะมีทั้งหมด 5 ชั้น มีไมโครคอนโทรลเลอร์ควบคุมการทำงานและโหลดเซลล์(เพื่อชั่งน้ำหนัก) มีหน้าจอสัมผัสสำหรับควบคุมเครื่องและปุ่มหยุดฉุกเฉินและม่านแสงนิรภัยเพื่อป้องกันด้านความปลอดภัยของผู้ใช้งาน
คณะเทคโนโลยีการเกษตร
ต่อยอดจากโปรเจ็คออกแบบสวนสาธารณะ สู่การออกแบบพื้นที่วิทยาเขต บนพื้นที่ 50 กว่าไร่ในตำบลอ่างศิลา อำเภอเมือง จังหวัดชลบุรี เพื่อเป็นทั้งสถานศึกษาและพื้นที่พักผ่อนและให้การเรียนรู้แก่ผู้คนโดยรอบ
คณะเทคโนโลยีสารสนเทศ
การตรวจจับอารมณ์ผ่านการแสดงออกทางใบหน้า (Facial Expression Recognition, FER) ได้รับความสนใจอย่างมากในหลายสาขา เช่น การดูแลสุขภาพ การให้บริการลูกค้า และการวิเคราะห์พฤติกรรม อย่างไรก็ตาม ความท้าทายยังคงอยู่ที่การพัฒนาระบบที่มีความทนทานและสามารถรับมือกับการเปลี่ยนแปลงของสภาพแวดล้อมรวมถึงสถานการณ์ที่หลากหลายได้ ผู้วิจัยได้นำเสนอการใช้เทคนิค Ensemble Learning เพื่อรวมผลลัพธ์จากโมเดลหลายตัวที่ถูกฝึกในเงื่อนไขเฉพาะ ทำให้ระบบไม่ลืมข้อมูลเก่า และยังสามารถเรียนรู้ข้อมูลใหม่ได้อย่างมีประสิทธิภาพ โดยเทคนิคนี้มีข้อได้เปรียบในด้านเวลาและทรัพยากรที่ใช้ในการเทรน เนื่องจากช่วยลดความจำเป็นในการสร้างโมเดลใหม่ทั้งหมดเมื่อมีสภาพแวดล้อมใหม่ เพียงเพิ่มโมเดลเฉพาะทางใหม่ในระบบ Ensemble ซึ่งใช้ทรัพยากรน้อยกว่าแทน ในงานวิจัยนี้ Ensemble Learning ถูกแบ่งออกเป็นสองแนวทางหลัก คือ การเฉลี่ยผลลัพธ์จากโมเดลเฉพาะทางที่ถูกฝึกภายใต้สถานการณ์เฉพาะ (Averaging Ensemble) และการใช้เทคนิค Mixture of Experts (MoE) ซึ่งเป็นการผสมผสานโมเดลหลายตัวที่เชี่ยวชาญในสถานการณ์ต่าง ๆ ไว้ด้วยกัน ผลการทดลองแสดงให้เห็นว่า การใช้ Mixture of Experts (MoE) มีประสิทธิภาพสูงกว่าวิธี Averaging Ensemble ในการจำแนกอารมณ์ในทุกสถานการณ์ โดยระบบ MoE สามารถเพิ่มความแม่นยำเฉลี่ยได้ถึง 84.41% บนชุดข้อมูล CK+, 54.20% บน Oulu-CASIA และ 61.66% บน RAVDESS ซึ่งสูงกว่าวิธี Averaging Ensemble ที่มีความแม่นยำเฉลี่ยที่ 71.64%, 44.99% และ 57.60% ตามลำดับ ผลลัพธ์เหล่านี้แสดงให้เห็นว่า MoE สามารถเลือกโมเดลที่เชี่ยวชาญในสถานการณ์เฉพาะได้อย่างแม่นยำ และยังช่วยเพิ่มความสามารถในการรับมือกับสภาพแวดล้อมที่ซับซ้อนกว่า
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบประสิทธิภาพของแบบจำลองการทำนายราคาทองคำโดยใช้ตัวแปรเชิงปริมาณและ ข้อมูลข้อความจากข่าว งานวิจัยนี้ใช้ตัวแปรต้น 9 ตัว ได้แก่ ราคาน้ำ มันดิบเบรนท์ ราคาน้ำมันดิบ WTI ราคาโลหะเงิน ราคาแพลทินัม อัตราดอกเบี้ยนโยบายของธนาคารกลางสหรัฐ (FED) ดัชนีตลาดหุ้น ญี่ปุ่น นิกเคอิ 225 ดัชนีค่าเฉลี่ยอุตสาหกรรมดาวโจนส์ ดัชนี S&P 500และข้อมูลข่าวจากสำนักข่าวกรุงเทพธุรกิจ ข้อมูลข่าวสารที่เกี่ยวข้องจะ ถูกนำมาวิเคราะห์ด้วยเทคนิคการประมวลผลภาษาธรรมชาติ (Natural Language Processing - NLP) และนำมาประยุกต์ใช้ร่วม กับแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning) โดยเปรียบเทียบ 3 วิธี ได้แก่ Gradient Boosting, Machine Learning Models และ Regression Analysis จากนั้นทำการประเมินประสิทธิภาพของแบบจำลองโดยใช้ตัวชี้วัด 3 ตัว ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error: RMSE), ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error: MAE) และ สัมประสิทธิ์การกำหนด (Coefficient of Determination: R^2) งานวิจัยนี้คาดหวังว่าแบบจำลองที่พัฒนาขึ้นจะสามารถช่วยให้นักลงทุนและนักวิเคราะห์สามารถใช้ข้อมูลเชิงปริมาณและข่าวสารในการทำนายราคาทองคำได้อย่างมีประสิทธิภาพมากขึ้น