งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาการหมักร่วม (Co-fermentation) ระหว่างแบคทีเรียกรดแลคติก (Lactic Acid Bacteria, LAB) และยีสต์ Saccharomyces cerevisiae ในการผลิตเบียร์เปรี้ยว (Sour Beer) โดยมุ่งเน้นผลกระทบของการหมักร่วมต่อคุณภาพของผลิตภัณฑ์ ได้แก่ ค่า pH ปริมาณกรดอินทรีย์ ปริมาณน้ำตาล และคุณลักษณะทางประสาทสัมผัส ในการทดลอง ใช้แบคทีเรียกรดแลคติกสายพันธุ์ที่คัดเลือก และยีสต์ S. cerevisiae ในสภาวะการหมักที่ควบคุม อัตราส่วนของจุลินทรีย์ถูกปรับให้เหมาะสมเพื่อส่งเสริมการเจริญเติบโตและการสร้างสารสำคัญ ผลการทดลองพบว่า การหมักร่วมสามารถลดค่า pH ได้อย่างมีนัยสำคัญเมื่อเทียบกับการหมักด้วยยีสต์เพียงอย่างเดียว นอกจากนี้ ยังมีการเพิ่มขึ้นของกรดแลคติกเนื่องจากการใช้น้ำตาลของเชื้อLAB ซึ่งส่งผลต่อรสชาติที่เป็นเอกลักษณ์ของเบียร์เปรี้ยว
เบียร์เปรี้ยว (Sour Beer) เป็นเบียร์ประเภทหนึ่งที่มีรสเปรี้ยวเฉพาะตัว ซึ่งเกิดจากกระบวนการหมักที่ต่างจากเบียร์ทั่วไป ความเปรี้ยวของ เบียร์เปรี้ยวเกิดจากการใช้แบคทีเรียกรดแลกติก (Lactic acid bacteria) และยีสต์เช่น Lactobacillus และ Pediococcus,ในการหมักเพิ่มทางเลือกให้กับผู้บริโภค Sour Beer เป็นตัวเลือกที่น่าสนใจสำหรับคนที่ต้องการประสบการณ์รสชาติใหม่ๆ แตกต่างจากเบียร์รสขมทั่วไป โดยมีทั้งรสเปรี้ยวที่เบาและรสเข้มข้น การหมักและกระบวนการผลิตเฉพาะทาง การทำ Sour Beer ต้องใช้ความรู้และเทคนิคพิเศษทำให้ต้องมีการควบคุมกระบวนการหมักอย่างใกล้ชิดซึ่งส่งเสริมการพัฒนาทักษะและนวัตกรรมในอุตสาหกรรมการผลิตเบียร์ ผู้ผลิตต้องเข้าใจลักษณะของจุลินทรีย์ที่ใช้และรู้จักการควบคุมรสชาติ ทำให้ Sour Beerมีความสำคัญในการพัฒนาอุตสาหกรรมเบียร์ไปสู่ความสร้างสรรค์ใหม่ๆ
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
ในโลกของการบริจาคโลหิต มีผู้คนอยู่ 2 ประเภท คือ ผู้บริจาคโลหิตอยู่แล้วและผู้ไม่คิดบริจาค ผู้รณรงค์ส่วนใหญ่มักเน้นย้ำถึงวิธีการโน้มน้าวให้ผู้คนบริจาคโลหิตมากขึ้น และดึงดูดผู้บริจาคโลหิตรายใหม่เข้ามามากขึ้น เราเชื่อว่าแม้ว่าการให้ความสำคัญดังกล่าวจะเป็นสิ่งสำคัญ แต่ยังมีประเด็นสำคัญอื่นๆ อีกหลายประการที่อาจถูกละเลยไป นั่นคือ สำหรับผู้ที่ตัดสินใจบริจาคโลหิตแล้ว พวกเขาจะบริจาคโลหิตได้สำเร็จเมื่อถึงเวลาหรือไม่ จากการศึกษาของเรา พบว่าผู้บริจาคโลหิตที่บริจาคสำเร็จมีเพียงร้อยละ 63 เท่านั้น น่าเสียดายที่อีกร้อยละ 37 ต้องกลับบ้านด้วยความผิดหวังเนื่องจากร่างกายของพวกเขาไม่พร้อมสำหรับเงื่อนไขที่เจ้าหน้าที่ทางการแพทย์ของสภากาชาดกำหนดไว้ที่ศูนย์รับบริจาคโลหิต (ซึ่งรวมถึงการเตรียมตัวขั้นพื้นฐาน เช่น รับประทานอาหารไขมันต่ำและนอนหลับพักผ่อนให้เพียงพอ 8 ชั่วโมงในคืนก่อนหน้า) แคมเปญ "Blood in Need, Buddy Indeed" เน้น 2 ประเด็น ประเด็นแรก เพื่อโน้มน้าวให้ผู้คนบริจาคโลหิตมากขึ้น ประเด็นที่สอง เป็นบริการสำหรับผู้ที่ตัดสินใจมาบริจาคโลหิต เพื่อให้พวกเขามีความพร้อมและประสบความสำเร็จในการบริจาคโลหิตเมื่อถึงวันบริจาค เราจะให้การสนับสนุนที่จำเป็น (ทั้งร่างกายและจิตใจ) ผ่านเครือข่ายระบบ เจ้าหน้าที่ และต้นแบบของแอปพลิเคชันใหม่ ‘Blood D’ แคมเปญของเราครอบคลุมประสบการณ์ "ก่อน/ระหว่าง/หลัง" ของผู้บริจาคโลหิตการสนับสนุนจะรวมถึงการประเมินสภาพร่างกายปัจจุบันของพวกเขาว่าอยู่ในเกณฑ์ที่ธนาคารเลือดของสภากาชาดกำหนดหรือไม่ Blood D จะให้ข้อมูลที่เกี่ยวข้องเกี่ยวกับกิจกรรมการบริจาคโลหิต เช่น สถานที่ และการจองเวลา เมื่อสมัครแล้ว แอปพลิเคชัน Blood D จะส่งคำเตือนที่เป็นมิตรและอินโฟกราฟิกที่ชัดเจนเกี่ยวกับการเตรียมร่างกายของพวกเขาเป็นการแจ้งเตือนรายวันในช่วง 7 วันนับจากนี้ ทั้งนี้เพื่อให้แน่ใจว่าเลือดของผู้ใช้จะ "D" (คำพ้องเสียงกับคำภาษาไทยที่แปลว่า "ดี" และล้อกับคำว่า ‘Buddy’ ในคราวเดียวกัน) หรือเป็น "เลือดที่ดี" ที่สามารถช่วยชีวิตผู้ที่ต้องการได้ หลังจากจัดกิจกรรมบริจาคโลหิต 4 ครั้งทั้งภายในและภายนอก KMITL จำนวนผู้บริจาคโลหิตสำเร็จเพิ่มขึ้นจาก 63% เป็น 78% (ตัวเลขนี้เป็นค่าเฉลี่ยของ 4 กิจกรรม โดยกิจกรรมที่ประสบความสำเร็จสูงสุดคือ 89%) แคมเปญนี้ได้รับรางวัลรองชนะเลิศอันดับ 1 ระดับประเทศในการแข่งขันแคมเปญบริจาคโลหิตเพื่อสภากาชาด คาดว่าเมื่อเปิดตัวแอปพลิเคชัน “Blood D” เต็มรูปแบบ จะช่วยเพิ่มปริมาณเลือดที่รวบรวมได้มากถึง 15% จากจำนวนผู้บริจาคเดิม
คณะวิศวกรรมศาสตร์
ปัจจุบันแบตเตอรี่ลิเทียมถูกใช้งานอย่างแพร่หลายในอุปกรณ์อิเล็กทรอนิกส์และยานยนต์ไฟฟ้า ทำให้การประมาณสถานะสุขภาพ (State of Health: SOH) ของแบตเตอรี่มีความสำคัญอย่างมาก เนื่องจากสามารถช่วยยืดอายุการใช้งาน ลดค่าใช้จ่ายในการบำรุงรักษา และป้องกันปัญหาด้านความปลอดภัย เช่น ความร้อนสูงเกินหรือการระเบิด โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและวิเคราะห์แบบจำลองทางคณิตศาสตร์ของแบตเตอรี่ ตลอดจนพัฒนาเทคนิคการประมาณสถานะสุขภาพโดยใช้โครงข่ายประสาทเทียม (Neural Networks) เพื่อเพิ่มความแม่นยำและความรวดเร็วในการประเมิน การทดลองได้ทำการเก็บข้อมูลการประจุและคายประจุของแบตเตอรี่ลิเทียมจำนวน 3 เซลล์ ภายใต้อุณหภูมิที่ควบคุม และใช้กระแสคงที่ในการชาร์จและคายประจุไฟฟ้า พร้อมทั้งบันทึกค่ากระแส แรงดัน และเวลา จากนั้นนำข้อมูลที่ได้มาวิเคราะห์เพื่อหาค่าความจุของแบตเตอรี่ในแต่ละรอบการใช้งาน และใช้เป็นข้อมูลฝึกสอนโครงข่ายประสาทเทียม ผลลัพธ์ที่ได้ช่วยให้สามารถคาดการณ์สถานะสุขภาพของแบตเตอรี่ได้อย่างมีประสิทธิภาพ ผลจากโครงงานนี้สามารถนำไปพัฒนาระบบจัดการแบตเตอรี่ (Battery Management System) เพื่อช่วยปรับปรุงประสิทธิภาพและยืดอายุการใช้งานของแบตเตอรี่ ทั้งยังเป็นแนวทางในการนำเทคนิคปัญญาประดิษฐ์มาประยุกต์ใช้ในงานด้านพลังงานอย่างมีประสิทธิภาพ
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อเปรียบเทียบประสิทธิภาพของวิธีการเรียนรู้ด้วยเครื่อง ในการพยากรณ์ข้อมูลอนุกรมเวลา โดยใช้วิธีช่วงเวลาที่ล่าช้ากว่ากัน แบ่งออกเป็น 3 ช่วงเวลา คือ ช่วงเวลาที่ช้ากว่ากัน 10 หน่วย ช่วงเวลาที่ช้ากว่ากัน 15 หน่วย และช่วงเวลาที่ช้ากว่ากัน 20 หน่วย มาใช้เป็นตัวแปรอิสระ และใช้วิธีการเรียนรู้ด้วยเครื่องมีทั้งหมด 4 วิธี ได้แก่ วิธีต้นไม้ตัดสินใจ วิธีป่าสุ่ม วิธีเพื่อนบ้านใกล้เคียงสุด K อันดับ และวิธีซัพพอร์ตเวกเตอร์แมชชีน โดยการจำลองข้อมูลอนุกรมเวลาที่เป็นตัวแปรอิสระที่มีลักษณะหลากหลาย ได้แก่ ข้อมูลที่มีลักษณะการเดินแบบสุ่ม ข้อมูลที่มีลักษณะมีแนวโน้ม และข้อมูลที่มีลักษณะไม่เชิงเส้น ซึ่งมีขนาดตัวอย่าง 100, 300, 500 และ 700 วิธีดำเนินการวิจัยนี้ทำการแบ่งข้อมูลเป็นฝึกฝน 90% และข้อมูลทดสอบ 10% โดยใช้โปรแกรมอาร์ในการจำลองและวิเคราะห์ข้อมูล โดยทำซ้ำเป็นจำนวน 1000 รอบ และทำการหาค่าเฉลี่ยของค่าคลาดเคลื่อนกำลังสองเฉลี่ย และค่าเฉลี่ยของค่าเฉลี่ยเปอร์เซ็นต์ความคลาดเคลื่อนสัมบูรณ์ที่ต่ำที่สุดเพื่อแสดงว่าวิธีใดดีที่สุด ผลการวิจัยพบว่าข้อมูลมีลักษณะการเดินแบบสุ่มวิธีที่ดีสุด คือวิธีป่าสุ่มและวิธีซัพพอร์ตเวกเตอร์แมชชีน ข้อมูลมีลักษณะแนวโน้มวิธีที่ดีสุด คือวิธีป่าสุ่มและข้อมูลมีลักษณะไม่เชิงเส้นวิธีที่ดีสุด คือวิธีซัพพอร์ตเวกเตอร์แมชชีน และเมื่อนำมาทดสอบกับข้อมูลจริง พบว่าข้อมูลค่าเงิน 1 ยูโร ต่อบาทวิธีที่ดีสุด คือวิธีป่าสุ่มและวิธีซัพพอร์ตเวกเตอร์แมชชีน ข้อมูลดัชนี S&P 500 ในรูปของดอลลาร์สหรัฐวิธีที่ดีสุด คือวิธีป่าสุ่ม และข้อมูลดัชนี Bank of America Corp ในรูปของดอลลาร์สหรัฐวิธีที่ดีสุด คือวิธีซัพพอร์ตเวกเตอร์แมชชีน