รายงานฉบับนี้เป็นส่วนหนึ่งของการนำความรู้ที่ได้จากการศึกษาโมเดล Machine Learning และแนวทางการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของธนาคารมาประยุกต์ใช้กับข้อมูลจริงในอุตสาหกรรมบัตรเครดิตของสถาบันทางการเงิน ผ่านการฝึกงานที่สถานประกอบการทางการเงินแห่งหนึ่ง ซึ่งผู้จัดทำได้ทำการพัฒนาโมเดลทำนายลูกค้าที่มีแนวโน้มที่จะยกเลิกการใช้บริการบัตรเครดิตของสถาบันทางการเงินจากข้อมูลลูกค้าจริงผ่านระบบที่สถานประกอบการใช้งาน ซึ่งมุ่งเน้นไปที่การสร้างโมเดลที่สามารถทำนายการเลิกใช้บริการของลูกค้าได้อย่างแม่นยำ โดยมีการเลือกฟีเจอร์ข้อมูลให้เหมาะสมกับโมเดลการทำนายและลักษณะเฉพาะของข้อมูลในอุตสาหกรรมบัตรเครดิต เพื่อโมเดลที่มีประสิทธิภาพและถูกต้องมากที่สุด โดยรายงานฉบับนี้ยังครอบคลุมถึงการนำโมเดลที่ได้เข้าไปเป็นส่วนหนึ่งของการการพัฒนาเว็บไซต์เพื่อช่วยให้แผนกอื่นๆที่เกี่ยวข้องสามารถใช้งานโมเดลทำนายได้อย่างสะดวก โดยผู้ใช้สามารถอัปโหลดข้อมูลสำหรับการทำนายและรับผลลัพธ์จากโมเดลได้ทันที นอกจากนี้ยังมีการสร้าง Dashboard เพื่อนำเสนอข้อมูลเชิงลึกที่เกิดจากการทำนายของโมเดล เช่น การระบุกลุ่มลูกค้าที่มีความเสี่ยงสูงในการเลิกใช้บริการ รวมถึงข้อมูลเชิงวิเคราะห์ที่มีความสำคัญต่อการตัดสินใจเชิงกลยุทธ์ ซึ่งจะช่วยสนับสนุนการวางแผนการตลาดและการรักษาลูกค้าในองค์กรได้อย่างมีประสิทธิภาพมากยิ่งขึ้น
บัตรเครดิตเป็นบริการอย่างหนึ่งทางการเงิน ช่วยอำนวยความสะดวกแก่ผู้ใช้สามารถชำระค่าสินค้าและบริการโดยไม่ต้องใช้เงินสด ธนาคารทำหน้าที่เป็นตัวกลางในการชำระเงินให้กับร้านค้า และเรียกเก็บเงินจากผู้ใช้บัตรในภายหลัง บัตรเครดิตของแต่ละธนาคารจึงได้รับความนิยมอย่างรวดเร็วในประเทศไทย ส่งผลให้มีการแข่งขันสูง ธนาคารต้องพัฒนากลยุทธ์เพื่อดึงดูด และรักษาลูกค้าไว้ ในการทำธุรกิจ การสูญเสียลูกค้าถือเป็นปัญหาสำคัญที่ส่งผลกระทบต่อธุรกิจทุกประเภท โดยบัตรเครดิตของธนาคารถือเป็นอีกหนึ่งธุรกิจที่ได้รับผลกระทบจากการสูญเสียลูกค้าค่อนข้างมาก เนื่องจากการเติบโตมาจากผู้ใช้บัตรเป็นหลัก ส่งผลให้ลูกค้าบัตรเครดิตมีมูลค่าสูงและสามารถสร้างรายได้ให้กับธนาคารอย่างต่อเนื่อง ธนาคารจึงจำเป็นต้องหาแนวทางและวิธีป้องกันเพื่อรักษาไม่ให้ลูกค้ายกเลิกการใช้บริการ โดยการทำนายลักษณะลูกค้าที่มีแนวโน้มจะยกเลิกการใช้บริการบัตรเครดิตเป็นแนวทางหนึ่งที่สามารถช่วยธนาคารในการแก้ไขปัญหานี้ได้ การทำนายลักษณะลูกค้าที่กำลังจะยกเลิกการใช้บริการบัตรเครดิตสามารถทำได้โดยใช้ Machine Learning Model ซึ่งสามารถวิเคราะห์ข้อมูลจำนวนมากและหาความสัมพันธ์ของข้อมูลที่ซับซ้อน ทำให้องค์กรได้รับข้อมูลเชิงลึกที่เป็นประโยชน์ในการใช้วิเคราะห์และประกอบการตัดสินใจเพื่อหาแนวทางและกลยุทธ์ที่เหมาะสมที่สุดในการรักษาและป้องกันการสูญเสียลูกค้าเพื่อรักษารายได้และเสถียรภาพขององค์กรไว้
คณะศิลปศาสตร์
นวัตรกรรมยาดมหอมเย็น มีแนวคิดมาจากที่ผู้คนในปัจจุบันมีการใช้ยาดมแพร่หลายอย่างมาก ดังนั้นในการทำนวัตรกรรมครั้งที่มีวัตถุประสงค์เพื่อยกระดับผลิตภัณฑ์ให้เข้ากับยุคสมัย ประยุกต์ความเป็นไทยให้เข้าถึงคนรุ่นใหม่ พัฒนากลิ่นจากวัตถุดิบท้องถิ่นไทย เพิ่มมูลค่าให้ดอกไม้และผลไม้ไทย โดยมีการสกัดดอกไม้และผลไม้โดยวิธีการต่างๆ เพื่อคงรักษากลิ่นให้คงอยู่นานมากขึ้น และนำพิมเสน การบูร เมนทอลเข้ามาผสมเพื่อให้ได้ความสดชื่นและมีความเย็น สำหรับบรรจุภัณฑ์ ผลิตขึ้นจากดินโพลิเมอร์ ปั้นขึ้นรูปและนำไปเข้าเตาอบเพื่อให้เกิดการแข็งตัว และมีผ้าปิดแทนการใช้ฝา เผื่อให้มีความแปลกใหม่แทนการใช้ผลิตภัณฑ์ยาดมแบบเดิมๆ
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
คณะวิทยาศาสตร์
วัสดุตัวเร่งปฏิกิริยาเชิงแสงที่ตกแต่งด้วยวัสดุนาโนโลหะ (Bi-Metallic NPs/ Photocatalyst) ได้ถูกสังเคราะห์ ในการสลายอะฟลาทอกซิน บี1 ตัวเร่งปฏิกิริยาเชิงแสงที่ตกแต่งด้วยวัสดุนาโนโลหะถูกสังเคราะห์ด้วยคลื่นอัลตราโซนิก (Ultrasonic waves) วัสดุถูกนำมาศึกษาคุณลักษณะทางเคมีโดยการใช้เทคนิค Transmission electron microscope (TEM), X-ray photoelectron spectroscopy (XPS), X-ray diffraction analysis (XRD), Fourier transform infrared spectrometer (FT-IR), Zeta potential analyzer และ UV-visible spectrophotometer อนุภาคนาโนโลหะบนตัวเร่งปฏิกิริยาเชิงแสงถูกนำมาทดสอบประสิทธิภาพในการย่อยสลาย AFB1 ในน้ำเสียจากน้ำทิ้งครัวเรือนภายใต้แสงวิสิเบิล โดยนำมาวิเคราะห์ด้วยโครมาโตกราฟีของเหลวสมรรถนะสูง ช่วงความยาวคลื่น 365 นาโนเมตร พบว่าสามารถกำจัด AFB1 ได้อย่างมีประสิทธิภาพถึง 100 % ภายในเวลา 2 นาที ประสิทธิภาพที่เหนือชั้นนี้เป็นผลมาจาก โครงสร้างที่มีรูพรุนสูง พื้นที่ผิวจำเพาะที่เพิ่มขึ้น และอัตราการรวมตัวใหม่ของอิเล็กตรอน-โฮลที่ลดลง แสดงให้เห็นว่าวัสดุนาโนที่ได้พัฒนาประสบความสำเร็จในการสลาย AFB1