หน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาด มีการบริการทดสอบสมรรถนะและประสิทธิภาพยานยนต์ไฟฟ้าและยานยนต์ที่ใช้เชื้อเพลิงจากปิโตรเลียม รวมถึงการเป็นต้นแบบของโครงการวิจัยด้านพลังงานเชื้อเพลิงสะอาดที่เป็นมิตรต่อสิ่งแวดล้อม โดยมีเครื่องมือหลักในการทดสอบ คือ Chassis Dynamometer และ เครื่องวิเคราะห์ไอเสียจากการเผาไหม้ของเครื่องยนต์ ซึ่งทางหน่วยบริการฯ ได้เปิดบริการตรวจวัดและทดสอบตามประกาศกรมการขนส่งทางบก เรื่อง กำหนดกำลังมอเตอร์ไฟฟ้าที่ใช้ขับเคลื่อนรถตามกฎหมายว่าด้วยรถยนต์ พ.ศ. 2563 ให้กับยานยนต์ไฟฟ้าทุกรูปแบบ เช่น มอเตอร์ไซด์ไฟฟ้าดัดแปลง รถตุ๊กๆ ไฟฟ้าดัดแปลง และรถยนต์ไฟฟ้าดัดแปลง เป็นต้น
เนื่องจากในปัจจุบันมีการเจริญเติบโตทางด้านอุตสาหกรรม เทคโนโลยี เศรษฐกิจ การขนส่ง และการคมนาคมเป็นอย่างมาก ทำให้มีการใช้รถยนต์สำหรับการคมนาคมและขนส่งอย่างมากมาย ทั้งรถยนต์นั่งส่วนบุคคล และรถยนต์นั่งสาธารณะ เช่น รถแท็กซี่และรถตุ๊กๆนั่นเอง ซึ่งจากข้อมูลเมื่อปี 2556 ในกรุงเทพมหานคร มีรถแท็กซี่ประมาณ 120,000 คัน ในจำนวนนี้มีรถแท็กซี่ที่จดทะเบียนในเขตกรุงเทพมหานครจำนวนทั้งสิ้น 108,616 คัน แต่มีรถแท็กซี่ที่ผ่านการตรวจสอบมาตรฐานคุณภาพตัวรถตามที่กรมการขนส่งทางบกกำหนด จำนวน 24,859 คัน หรือคิดเป็น 23 % ของจำนวนรถแท็กซี่ที่จดทะเบียนในเขตกรุงเทพมหานครเท่านั้น ทั้งนี้ในอนาคตอันใกล้ กลุ่มรถยนต์นั่งส่วนบุคคล และรถยนต์นั่งสาธารณะเหล่านี้จะถูกผลักดันจากนโยบายสนับสนุนของรัฐบาลให้เปลี่ยนมาเป็นรถยนต์ไฟฟ้าในจำนวนมาก เพื่อมาแทนยานยนต์ที่ใช้เชื้อเพลิงจากน้ำมันซึ่งจะเป็นแนวทางในการลดการนำเข้าน้ำมันดิบจากต่างประเทศ และช่วยลดมลพิษไอเสียที่เกิดขึ้นมาจากเครื่องยนต์สันดาปภายในเหล่านั้น ที่ส่งผลกระทบต่อการเกิดภาวะโลกร้อน (Global warming) โดยตรง ดังนั้นยานยนต์ไฟฟ้าปริมาณมากมายที่จะถูกนำมาใช้งานจริงบนท้องถนนต้องผ่านการตรวจสอบและทดสอบสมรรถนะอย่างถูกต้องตามเกณฑ์มาตรฐานจากกรมการขนส่งทางบกโดยตรง หรือจากหน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาดที่ได้รับอนุญาตให้เป็นผู้แทนตรวจสภาพรถยนต์ไฟฟ้าได้ จึงเป็นมูลเหตุให้มีการจัดตั้งหน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาดขึ้น เพื่อรองรับการการตรวจสอบและทดสอบสมรรถนะยานยนต์ไฟฟ้าตามเกณฑ์มาตรฐานจากกรมการขนส่งทางบก ซึ่งขณะนี้หน่วยบริการวิชาการเฉพาะทางด้านของเราได้มีความร่วมมือจากคณะวิทยาศาสตร์ คณะวิศวกรรมศาสตร์ วิทยาลัยนานาชาติและหน่วยงานภาครัฐและเอกชน อาทิเช่น กรมส่งเสริมอุตสาหกรรม ภาค 5, บริษัท ไทยคิงมอเตอร์ อินโนเวชั่น จำกัด, บริษัท เอ็ส บี เอ็ม เอ็นจิเนี่ยริ่ง จำกัด, บริษัท ช่วยราม เอ็นจิเนี่ยริ่ง จำกัด และสมาคมการค้ารถสามล้อส่วนบุคคล และมอเตอร์ไซค์ไฟฟ้า เพื่อสนับสนุนการตรวจสอบและทดสอบสมรรถนะยานยนต์ไฟฟ้า เช่น บริการทดสอบประสิทธิภาพกำลังงาน ประสิทธิภาพการเผาไหม้และค่าไอเสียของรถยนต์สันดาปภายใน รถยนต์นั่งสาธารณะ(รถแท็กซี่)ในกรุงเทพมหานคร โดยเฉพาะในเขตลาดกระบัง นอกจากนี้ยังจะเป็นการบูรณาการการศึกษาสำหรับการเรียนการสอนในรายวิชา 05106335 หน่วยปฏิบัติการทางอุตสาหกรรมปิโตรเคมี ของภาควิชาเคมี คณะวิทยาศาสตร์ ที่มีสาระสำคัญมุ่งเน้นให้ผู้เรียนได้รับการเรียนรู้การถ่ายโอนโมเมนตัม การไหลของอากาศ การดุลมวล โมเมนตัมและพลังงาน รายวิชาด้าน Software and Automotive Engineering ของภาควิชาวิศวกรรมเครื่องกล คณะวิศวกรรมศาสตร์ และวิทยาลัยนานาชาติ ได้เข้าเรียนรู้ และฝึกงานที่หน่วยบริการวิชาการเฉพาะทางด้านการทดสอบสมรรถนะยานยนต์เชื้อเพลิงสะอาด เพื่อเตรียมความพร้อมก่อนที่จะออกไปทำงานจริง ดังนั้น การเพิ่มพูนความรู้และประสบการณ์ในรายวิชาที่กำลังศึกษาจึงมีความสำคัญเป็นอย่างยิ่งต่อการพัฒนาองค์ความรู้ในเชิงปฏิบัติได้เป็นอย่างดี
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
คณะอุตสาหกรรมอาหาร
The study investigated the extraction of astaxanthin-rich oil from shrimp waste biomass, a valuable byproduct rich in functional lipids and proteins. Wet rendering has long been an inexpensive method to extract oil, however the high temperatures and long cooking times negatively affect the amount of astaxanthin. On the other hand, the study looked into employing deep eutectic solvent as a green solvent and combining a wet rendering process with high-shear homogenization and high-frequency ultrasound-assisted extractions. DES-UAE at 60% amplitude and wet rendering at 60 °C were found to be the ideal conditions, as were DES-HAE at 13,000 rpm and wet rendering at 60 °C. With a notable increase in oil yields of 16.80% and 20.12%, respectively, and improved oil quality (lower acid and peroxide values) in comparison to the conventional wet rendering, experimental validation validated the effectiveness of the DES-HAE and DES-UAE procedures. DES-UAE notably raised the amount of astaxanthin. This study demonstrates that DES-HAE and DES-UAE are quicker, lower-temperature substitutes for obtaining premium, astaxanthin-rich shrimp oil, resulting in more effective use of this priceless byproduct.
คณะวิศวกรรมศาสตร์
ปัญญาประดิษฐ์เพื่อเกษตรกรรมและสิ่งแวดล้อมเป็นการรวบรวมแบบจำลองซึ่งมีนัยสำคัญต่อการพัฒนาประเทศแบบเป็นมิตรต่อสิ่งแวดล้อม สร้างโดยการเรียนรู้ของเครื่องและการเรียนรู้ลึกซึ่งพัฒนาขึ้นโดยศูนย์วิจัยเนียร์อินฟราเรดสเปกโทรสโกปีสำหรับผลิตผลเกษตรและอาหาร ได้แก่ การระบุความต้องการธาตุอาหาร (N P K) ของต้นทุเรียนโดยวัดใบทุเรียนโดยเทคนิคไม่ทำลายด้วยปัญญาประดิษฐ์ การระบุสมบัติการเผาไหม้ของชีวมวลจากไม้โตเร็วและของเหลือทางเกษตรโดยวัดโดยเทคนิคไม่ทำลายด้วยปัญญาประดิษฐ์ และ การประเมินการเกิดภาวะโลกร้อนเนื่องจากการเผาไหม้ชีวมวลโดยเทคนิคไม่ทำลายด้วยปัญญาประดิษฐ์ เทคโนโลยีพื้นฐานซึ่งนำมาใช้ คือ เทคโนโลยีเนียร์อินฟราเรดฟูเรียร์ทรานสฟอร์มสเปกโทรสโกปี ซึ่งการวัดและการแสดงผลทำได้อย่างรวดเร็ว ไม่ต้องใช้สารเคมี ไม่ต้องการผู้เชี่ยวชาญพิเศษ ราคาการวัดต่อตัวอย่างถูกมาก แต่เครื่องวัดยังไม่สามารถผลิตได้ในประเทศไทย