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
คณะวิทยาศาสตร์
การผลิตน้ำตาลจากอ้อยเป็นกระบวนการที่มีความซับซ้อนและต้องการการควบคุมที่แม่นยำ หนึ่งในปัญหาสำคัญคือการสูญเสียน้ำตาล ซึ่งอาจเกิดจากหลายปัจจัย โดยเฉพาะ “การเผาอ้อย” ก่อนนำเข้าหีบ ที่ลดคุณภาพอ้อยและประสิทธิภาพการสกัดน้ำตาล รวมถึง ประสิทธิภาพเครื่องจักรและคุณสมบัติของอ้อย ที่ส่งผลต่อปริมาณน้ำตาลที่ได้ งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการสูญเสียน้ำตาลในกระบวนการผลิตน้ำตาลจากอ้อย โดยใช้ข้อมูลเชิงปริมาณจากโรงงานน้ำตาล ครอบคลุม 9 ตัวแปร ได้แก่ ประสิทธิภาพเครื่องจักร (Mechanical efficiency), จำนวนชั่วโมงหยุดเครื่องจักรในหนึ่งวัน (Stoppage), จำนวนชั่วโมงหยุดรออ้อยในหนึ่งวัน (Due to Cane), ปริมาณทรายในน้ำอ้อย (Sand), ประสิทธิภาพการหีบสกัดอ้อย (Pol Extraction), ประสิทธิภาพเวลาการทำงานโดยรวม (Overall Time), ค่าความบริสุทธิ์ของน้ำอ้อย (Purity), ค่าปริมาณน้ำตาลในอ้อย (C.C.S.), และปริมาณอ้อยไฟไหม้ (Burn Cane) โดยจะทำการวิเคราะห์ข้อมูลด้วยค่าสหสัมพันธ์ (Correlation) เพื่อตรวจสอบความสัมพันธ์ระหว่างตัวแปร และแบบจำลองการถดถอย (Regression Model) เพื่อพยากรณ์การสูญเสียน้ำตาล ผลการวิจัยพบว่า ประสิทธิภาพเครื่องจักร, ค่าปริมาณน้ำตาลในอ้อย และปริมาณทรายหรือสิ่งปนเปื้อนในน้ำอ้อย มีความสัมพันธ์อย่างมีนัยสำคัญกับการสูญเสียน้ำตาล โดยประสิทธิภาพเครื่องจักร มีความสัมพันธ์โดยตรงกับปริมาณอ้อยเข้าหีบ ซึ่งช่วยเพิ่มผลผลิตน้ำตาล ขณะที่ อ้อยไฟไหม้หรืออ้อยที่ถูกเผาก่อนการเก็บเกี่ยว ส่งผลให้การสกัดน้ำตาลลดลงและกระทบต่อคุณภาพน้ำตาล ดังนั้น การลดการสูญเสียน้ำตาลในกระบวนการผลิตสามารถทำได้โดย การเพิ่มประสิทธิภาพเครื่องจักร, ลดสิ่งปนเปื้อนในน้ำอ้อย และจัดการอ้อยไฟไหม้ ซึ่งจะช่วยปรับปรุงประสิทธิภาพการผลิตน้ำตาลให้สูงขึ้นได้ในอนาคต
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
คณะวิศวกรรมศาสตร์
โครงงานนี้มุ่งเน้นการพัฒนาระบบอ่านป้ายทะเบียนรถยนต์แบบอัตโนมัติ ซึ่งรองรับทั้งป้ายทะเบียนรูปแบบปกติและพิเศษของประเทศไทย โดยใช้เทคโนโลยี Machine Learning เพื่อเพิ่มประสิทธิภาพในการอ่านป้ายทะเบียน ระบบนี้สามารถรองรับข้อมูลได้ทั้งภาพนิ่งและวิดีโอ ผู้ใช้สามารถลงทะเบียนและชำระค่าบริการแบบ Subscription เพื่อนำส่งข้อมูลให้ระบบประมวลผลผ่าน RESTful API, WebSocket, และกล้อง IP ที่ลงทะเบียนกับระบบ