ปัญหามลพิษทางอากาศ โดยเฉพาะฝุ่นละอองขนาดเล็ก PM2.5 เป็นปัญหาสำคัญที่ส่งผลกระทบต่อสุขภาพและสิ่งแวดล้อมในกรุงเทพมหานคร โครงการนี้มีวัตถุประสงค์เพื่อวิเคราะห์และระบุปัจจัยที่มีอิทธิพลต่อระดับของ PM2.5 มากที่สุด โดยใช้ข้อมูลคุณภาพอากาศ สภาพอากาศ และปัจจัยแวดล้อมอื่น ๆ ที่เกี่ยวข้อง เพื่อตรวจสอบว่าปัจจัยใด เช่น อุณหภูมิ ความชื้น ความเร็วลม หรือมลพิษจากแหล่งอื่น มีผลต่อความผันผวนของ PM2.5 ผลการศึกษานี้จะช่วยให้สามารถระบุปัจจัยสำคัญที่ส่งผลต่อปริมาณฝุ่น PM2.5 ได้อย่างเป็นระบบ ซึ่งสามารถนำไปใช้เป็นข้อมูลพื้นฐานสำหรับหน่วยงานภาครัฐ นักวิจัย และประชาชนทั่วไปในการวางแผนรับมือและลดผลกระทบจากมลพิษทางอากาศ นอกจากนี้ ผลลัพธ์ที่ได้ยังสามารถนำไปใช้สนับสนุนการตัดสินใจในการกำหนดนโยบายและมาตรการต่าง ๆ เพื่อปรับปรุงคุณภาพอากาศและสุขภาพของประชาชนในระยะยาว
PM2.5 pollution is a serious issue in Bangkok, causing respiratory diseases, heart conditions, and reduced air quality. Identifying the most critical factors contributing to PM2.5 can help in creating solutions to improve public health.
คณะเทคโนโลยีการเกษตร
ข้าวเป็นพืชที่อ่อนแอต่อดินเค็ม วัตถุประสงค์ของการศึกษาในครั้งนี้คือ เพื่อศึกษาผลของความเค็มในระยะออกดอกที่มีต่อลักษณะทางสรีรวิทยา และการให้ผลผลิตของข้าวพื้นเมือง วางแผนการทดลองแบบ 4*10 Factorial in RCBD จำนวน 4 ซ้ำ ปัจจัย A คือ ระดับความเค็ม 4 ระดับได้แก่ control , 6, 12 และ 16 dS/m ปัจจัย B คือพันธุ์ข้าวจำนวน 10 สายพันธุ์ เก็บข้อมูลลักษณะทางสรีรวิทยาแลผลผลิต ผลการศึกษาพบว่า ระดับความเค็มที่เพิ่มขึ้นจะส่งผลให้ผลผลิตข้าวลดลง โดยผลผลิตจะลดลงมากที่สุดเมื่อข้าวได้รับเกลือที่ระดับ 16 dS/m นอกจากนี้พบว่า สายพันธุ์ข้าวมีการให้ผลผลิตที่แตกต่าง ในการศึกษาครั้งนี้พบว่า ข้าวพันธุ์หอมใหญ่มีอัตราการลดลงของผลผลิตต่ำที่สุดเมื่อปลูกในระดับความเค็ที่ 16 dS/m และไม่แตกต่างกับพันธุ์ทนเค็มมาตรฐาน
คณะวิศวกรรมศาสตร์
โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
คณะวิศวกรรมศาสตร์
บทคัดย่อ โครงงานวิจัยนี้มุ่งเน้นการออกแบบและพัฒนา Manual Control Robot โดยใช้ Load Cell เพื่อเพิ่มความแม่นยำและลดระยะเวลาในการควบคุมหุ่นยนต์ การใช้หุ่นยนต์อัตโนมัติในอุตสาหกรรมยังคงมีข้อจำกัดด้านความซับซ้อนของการตั้งโปรแกรมและการควบคุม ดังนั้น การพัฒนาระบบ Manual Control ที่สามารถตอบสนองต่อแรงกดและแรงดึงในทุกทิศทางจึงเป็นแนวทางที่ช่วยเพิ่มประสิทธิภาพของหุ่นยนต์ให้เหมาะสมกับงานที่ต้องการการควบคุมที่ละเอียดอ่อนและซับซ้อน งานวิจัยนี้ใช้ Load Cell ร่วมกับวงจรขยายสัญญาณ HX711 และ Arduino UNO R3 เพื่อพัฒนาโมดูลควบคุมที่สามารถรับค่าแรงจากผู้ใช้และแปลงเป็นคำสั่งสำหรับหุ่นยนต์ RV-7FRL-D ซึ่งเป็นหุ่นยนต์แขนกลในอุตสาหกรรม นอกจากนี้ยังมีการใช้ MATLAB ในการประมวลผลข้อมูลจาก Load Cell เพื่อวิเคราะห์และกำหนดการเคลื่อนที่ของหุ่นยนต์ให้แม่นยำยิ่งขึ้น ผลการศึกษาพบว่าระบบที่พัฒนาขึ้นสามารถช่วยลดเวลาการตั้งค่าหุ่นยนต์ และทำให้กระบวนการควบคุมมีความง่ายดายและยืดหยุ่นมากขึ้น โครงการนี้จึงเป็นก้าวสำคัญในการเพิ่มศักยภาพของหุ่นยนต์อุตสาหกรรมให้สามารถทำงานร่วมกับมนุษย์ได้อย่างมีประสิทธิภาพ โดยอาศัยการควบคุมแบบแมนนวลผ่าน Load Cell ที่ตอบสนองต่อแรงของผู้ใช้งานได้โดยตรง