โครงงานนี้มีวัตถุประสงค์เพื่อพัฒนาเว็ปแอปพลิเคชันสำหรับการเบิกจ่ายเครื่องมือ เพื่อลดปัญหาที่เกิดจากการใช้งานโปรแกรม Excel ซึ่งไฟล์ตัวแรกนั้นคัดลอกมาจาก SQL ที่มีอยู่แล้ว และคัดลอกต่อๆกันมา ส่งผลให้ต้องใช้พื้นจำนวนมากและไฟล์ Excel นั้นไม่สามารถเปิดใช้งานพร้อมกันได้ จึงต้องพัฒนาเว็ปแอปพลิเคชันเพื่อเชื่อม SQL โดยตรงเพื่อลดปัญหาที่เกิดจะการใช้ไฟล์ Excel
ปัจจุบัน การจัดการข้อมูลที่เกี่ยวข้องกับการเบิกจ่ายเครื่องมือภายในองค์กรยังคงพึ่งพาโปรแกรม Excel เป็นหลัก โดยมีการใช้ไฟล์ Excel อยู่ 3 ไฟล์หลัก ได้แก่ Master, Request, และ Issue ข้อมูลในไฟล์เหล่านี้ถูกคัดลอกและนำไปใช้ต่อๆ กันมาหลายครั้ง ทำให้ไฟล์มีขนาดใหญ่และซับซ้อนมากขึ้นเรื่อยๆ ปัญหาที่เกิดจากการใช้ไฟล์ Excel คือ ไฟล์ไม่สามารถรองรับการใช้งานพร้อมกันได้หลายคน ซึ่งเป็นข้อจำกัดที่ส่งผลกระทบต่อประสิทธิภาพในการทำงานขององค์กร นอกจากนี้ ไฟล์ Master ที่เป็น Excel ยังเป็นการคัดลอกมาจากข้อมูลในฐานข้อมูล SQL ที่มีอยู่แล้ว ทำให้เกิดความซ้ำซ้อนและเพิ่มความยุ่งยากในการจัดการข้อมูล ด้วยเหตุนี้ ส่วนกลางจึงมีความต้องการในการพัฒนาเว็ปแอปพลิเคชันที่สามารถเชื่อมต่อกับฐานข้อมูล SQL โดยตรง เพื่อให้ผู้ใช้งานสามารถเข้าถึงและจัดการกับข้อมูลการเบิกจ่ายเครื่องมือได้อย่างง่ายดายและสะดวกผ่านทางเว็บไซต์ ซึ่งจะช่วยลดปัญหาที่เกิดจากการใช้งานไฟล์ Excel ไม่ว่าจะเป็นขนาดไฟล์ที่ใหญ่เกินไป การเข้าถึงข้อมูลที่ไม่พร้อมกัน และความซ้ำซ้อนของข้อมูลในไฟล์ Excel การพัฒนาเว็ปแอปพลิเคชันนี้จะช่วยลดการใช้พื้นที่ในการจัดเก็บข้อมูล ลดความซับซ้อนในการใช้งาน และเพิ่มความสะดวกสบายในการเข้าถึงข้อมูลจากหลายผู้ใช้งานพร้อมกัน ซึ่งจะส่งผลให้กระบวนการทำงานภายในองค์กรมีประสิทธิภาพมากขึ้น และช่วยให้การจัดการข้อมูลการเบิกจ่ายเครื่องมือสามารถทำได้อย่างราบรื่นและรวดเร็วกว่าเดิม
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
หุ่นจำลองเด็กสำหรับใช้ฝึกการกู้ชีพ (CPR) ภายในตัวหุ่นมีกลไกหลอดลม กลไกคอ กลไกปอด กลไกการปั้มหัวใจ ผิวหนังเทียม และระบบเซนเซอร์ ทั้งหมดทำงานร่วมกันทำหน้าที่คล้ายเด็กจริง สามารถใช้ฝึกการปั้มหัวใจ และการผายปอดได้ โดยหุ่นได้รับการออกแบบและตรวจสอบจากผู้เชี่ยวชาญการกู้ชีพ มีระบบประเมินความถูกต้องของการฝึกพร้อมแสดงผลในคอมพิวเตอร์สำหรับการตรวจสอบแบบทันที
คณะบริหารธุรกิจ
ในโลกที่ให้ความสําคัญกับความยั่งยืนและลดผลกระทบต่อสิ่งแวดล้อมมากขึ้น DreamHigh เป็นผู้บุกเบิกแนวทางที่เป็นนวัตกรรมในการแก้ปัญหาบรรจุภัณฑ์โดยใช้ไมซีเลียม ซึ่งเป็นวัสดุธรรมชาติที่ย่อยสลายได้ทางชีวภาพ และทดแทนได้จากเชื้อรา ภารกิจของเราคือการปฏิวัติอุตสาหกรรมบรรจุภัณฑ์โดยนําเสนอทางเลือกที่เป็นมิตรกับสิ่งแวดล้อมที่ไม่เพียงแต่ลดขยะเท่านั้น แต่ยังสอดคล้องกับความพยายามระดับโลกในการต่อสู้กับการเปลี่ยนแปลงสภาพภูมิอากาศอีกด้วย บรรจุภัณฑ์ไมซีเลียมเสนอทางเลือกที่น่าสนใจสําหรับบรรจุภัณฑ์พลาสติกและสไตโรโฟมแบบดั้งเดิม ซึ่งมีส่วนสําคัญต่อมลภาวะต่อสิ่งแวดล้อม สามารถย่อยสลายได้ทางชีวภาพอย่างสมบูรณ์ ย่อยสลายได้ และสามารถย่อยสลายได้ในสภาพแวดล้อมทางธรรมชาติภายในไม่กี่สัปดาห์ โดยไม่ทิ้งสารพิษตกค้างไว้ข้างหลัง นอกจากนี้ ผลิตภัณฑ์ที่ใช้ไมซีเลียมมีน้ําหนักเบา ทนทาน และปรับแต่งได้ ทําให้เหมาะสําหรับการใช้งานที่หลากหลาย ตั้งแต่บรรจุภัณฑ์สินค้าอุปโภคบริโภคไปจนถึงวัสดุป้องกันการจัดส่ง แผนธุรกิจของ DreamHigh ได้สรุปกระบวนการผลิตที่ปรับขนาดได้โดยใช้เทคนิคการเพาะปลูกไมซีเลียมขั้นสูงและความร่วมมือกับภาคเกษตรกรรมในท้องถิ่นเพื่อใช้ของเสียทางการเกษตรเป็นวัตถุดิบหลัก สิ่งนี้ไม่เพียงแต่ช่วยให้มั่นใจถึงประสิทธิภาพด้านต้นทุนเท่านั้น แต่ยังสนับสนุนเศรษฐกิจหมุนเวียนด้วยการนําของเสียที่จะถูกทิ้งไปใช้ประโยชน์ใหม่
คณะเทคโนโลยีการเกษตร
ทุเรียนเป็นพืชเศรษฐกิจที่สำคัญของประเทศไทยและเป็นสินค้าส่งออกที่มีปริมาณสูงที่สุดในโลก อย่างไรก็ตาม การผลิตทุเรียนให้มีคุณภาพสูงจำเป็นต้องอาศัยการดูแลสุขภาพของต้นทุเรียนให้แข็งแรงและปราศจากโรค เพื่อให้สามารถให้ผลผลิตได้อย่างมีประสิทธิภาพ และลดความเสียหายที่อาจเกิดขึ้นกับทั้งต้นและผลทุเรียน โรคที่พบได้บ่อยและสามารถแพร่กระจายได้อย่างรวดเร็ว มักเป็นโรคที่เกิดขึ้นบริเวณใบ ซึ่งส่งผลกระทบโดยตรงต่อการเจริญเติบโตของต้นทุเรียนและคุณภาพของผลผลิต การตรวจสอบและควบคุมโรคทางใบจึงเป็นปัจจัยสำคัญในการรักษาคุณภาพของทุเรียน งานวิจัยนี้มีวัตถุประสงค์เพื่อนำเทคโนโลยีการวิเคราะห์ภาพถ่ายร่วมกับปัญญาประดิษฐ์ (Artificial Intelligence: AI) มาประยุกต์ใช้ในการจำแนกโรคที่เกิดขึ้นในใบทุเรียน เพื่อให้เกษตรกรสามารถตรวจสอบโรคได้ด้วยตนเองโดยไม่ต้องอาศัยผู้เชี่ยวชาญ โดยจำแนกใบออกเป็น 3 ประเภท ได้แก่ ใบสุขภาพดี (Healthy: H) ใบที่ติดเชื้อแอนแทรคโนส (Anthracnose: A) และใบที่ติดเชื้อจุดสาหร่าย (Algal Spot: S) ทั้งนี้ ได้นำอัลกอริทึม Convolutional Neural Networks (CNN) ได้แก่ ResNet-50, GoogleNet และ AlexNet มาใช้ในการพัฒนาแบบจำลองเพื่อจำแนกประเภทของโรค ผลการทดลองพบว่า แบบจำลองที่ใช้ ResNet-50, GoogleNet และ AlexNet ให้ค่าความแม่นยำในการจำแนกใบเท่ากับ 93.57%, 93.95% และ 68.69% ตามลำดับ