โครงการนี้จัดทำขึ้นเพื่อตอบสนองความต้องการในการพัฒนาทักษะและองค์ความรู้ด้านระบบนิวเมติกส์และการควบคุมอัตโนมัติ ซึ่งเป็นหัวใจสำคัญในอุตสาหกรรมการผลิตในปัจจุบัน โดยระบบนิวเมติกส์มีบทบาทสำคัญในกระบวนการผลิตหลายประเภท เช่น การควบคุมเครื่องจักร อุปกรณ์อัตโนมัติ และระบบสายการผลิต อย่างไรก็ตาม ภาควิชาวิศวกรรมวัดคุมไม่มีห้องปฏิบัติการที่รองรับการศึกษาและทดลองเกี่ยวกับระบบนิวเมติกส์ เนื่องจากอุปกรณ์เดิมที่เคยใช้เกิดการชำรุดและไม่ได้รับการซ่อมแซม ทำให้นักศึกษาขาดโอกาสในการฝึกฝนทักษะที่สำคัญต่อการทำงานในภาคอุตสาหกรรม คณะผู้จัดทำเห็นถึงความจำเป็นในการฟื้นฟูและพัฒนาห้องปฏิบัติการนิวเมติกส์ให้สามารถตอบโจทย์การเรียนการสอนและการวิจัยได้อย่างมีประสิทธิภาพ โดยปริญญานิพนธ์นี้มุ่งเน้นการศึกษาและพัฒนาระบบควบคุมแขนกลอุตสาหกรรมและระบบนิวเมติกส์ ควบคู่ไปกับการบูรณาการเทคโนโลยีสมัยใหม่ เช่น PLC (Programmable Logic Controller) และ AI Vision ซึ่งสามารถนำไปประยุกต์ใช้งานจริงในบริบทอุตสาหกรรม ผลการดำเนินงานในโครงการนี้นอกจากจะช่วยเสริมสร้างความเข้าใจในเทคโนโลยีที่เกี่ยวข้องแล้ว ยังมุ่งหวังที่จะพัฒนาห้องปฏิบัติการให้กลายเป็นแหล่งเรียนรู้ที่สำคัญสำหรับนักศึกษารุ่นปัจจุบันและรุ่นถัดไป รวมถึงเพิ่มขีดความสามารถในการแข่งขันของนักศึกษาในตลาดแรงงาน พร้อมทั้งสนับสนุนการพัฒนานวัตกรรมในอุตสาหกรรมการผลิตต่อไปในอนาคต
จากการศึกษาและประสบการณ์ในการฝึกงานของคณะผู้จัดทำ พบว่าระบบนิวเมติกส์และ PLC เป็นองค์ประกอบสำคัญในระบบอุตสาหกรรมยุคใหม่ โดยช่วยควบคุมและเพิ่มประสิทธิภาพในสายการผลิต ในอนาคตเทคโนโลยี AI Vision จะเข้ามามีบทบาทสำคัญในการพัฒนาอุตสาหกรรมการผลิต ด้วยความสามารถในการตรวจจับ วิเคราะห์ และประมวลผลข้อมูลภาพอย่างแม่นยำ ช่วยเพิ่มความแม่นยำในการควบคุมคุณภาพผลิตภัณฑ์ ลดข้อผิดพลาดในการผลิต และเพิ่มความสามารถในการปรับตัวให้เข้ากับกระบวนการที่ซับซ้อนมากขึ้น AI Vision สามารถใช้ในอุตสาหกรรมเพื่อตรวจสอบข้อบกพร่องของผลิตภัณฑ์แบบเรียลไทม์ วิเคราะห์ข้อมูลเพื่อเพิ่มประสิทธิภาพการผลิต และช่วยให้ระบบอัตโนมัติสามารถเรียนรู้และพัฒนาได้อย่างต่อเนื่อง โดยผสานกับ PLC และระบบนิวเมติกส์เพื่อให้เกิดความแม่นยำและการตอบสนองที่รวดเร็ว นอกจากนี้ AI Vision ยังสามารถพัฒนาไปสู่การตรวจสอบกระบวนการผลิตแบบอัจฉริยะ ช่วยลดต้นทุนในการดำเนินงาน และเพิ่มขีดความสามารถในการแข่งขันของภาคอุตสาหกรรมในอนาคต
คณะวิทยาศาสตร์
งานวิจัยนี้มีจุดประสงค์เพื่อเลือกทำเลที่ตั้งศูนย์กระจายสินค้าประเภทเครื่องดื่มของบริษัท ไทย สพิริท อินดัสทรี จำกัด ที่มีต้นทุนรวมของการขนส่งสินค้าต่ำที่สุด โดยอาศัยตัวแบบจำลองทางคณิตศาสตร์ โดยพิจารณาอำเภอเมืองของทั้ง 76 จังหวัด ไม่รวมจังหวัดฉะเชิงเทราซึ่งที่เป็นที่ตั้งของโรงงาน ในการศึกษาครั้งนี้ได้ทำการแบ่งสถานการณ์ออกเป็น 4 สถานการณ์ ได้แก่ 1) เมื่อกำหนดให้มีศูนย์กระจายสินค้าได้เพียงหนึ่งแห่ง 2) เมื่อกำหนดให้มีศูนย์กระจายสินค้าได้มากกว่าหนึ่งแห่ง 3) เมื่อแบ่งเป็น 4 ภูมิภาค โดยกำหนดให้มีศูนย์กระจายสินค้าได้เพียงหนึ่งแห่งในหนึ่งภูมิภาค และ 4) เมื่อแบ่งเป็น 4 ภูมิภาค โดยกำหนดให้มีศูนย์กระจายสินค้าได้มากกว่าหนึ่งแห่งในหนึ่งภูมิภาค เมื่อประมวลผลด้วยโปรแกรม IBM ILOG CPLEX Optimization Studio ผลการวิจัยสรุปได้ดังนี้ สถานการณ์ที่ 1 เมื่อกำหนดให้มีศูนย์กระจายสินค้าได้เพียงหนึ่งแห่ง มีต้นทุนการขนส่งรวม 786,107.75 บาท/เดือน สถานการณ์ที่ 2 เมื่อกำหนดให้มีศูนย์กระจายสินค้าได้มากกว่าหนึ่งแห่ง มีต้นทุนการขนส่งรวม 252,338.98 บาท/เดือน สถานการณ์ที่ 3 เมื่อแบ่งเป็น 4 ภูมิภาค โดยกำหนดให้มีศูนย์กระจายสินค้าได้เพียงหนึ่งแห่งในหนึ่งภูมิภาค มีต้นทุนการขนส่งรวม 401,499.61 บาท/เดือน สถานการณ์ที่ 4 เมื่อแบ่งเป็น 4 ภูมิภาค โดยกำหนดให้มีศูนย์กระจายสินค้าได้มากกว่าหนึ่งแห่งในแต่ละภูมิภาค มีต้นทุนการขนส่งรวม 258,666.22 บาท/เดือน
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อศึกษาและเปรียบเทียบประสิทธิภาพการทำนายดัชนีคุณภาพอากาศ (AQI) ด้วยวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่ม 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม SVR และ MLP โดยใช้ชุดข้อมูลจากกรมควบคุมมลพิษกลางของประเทศอินเดีย (CPCB) ซึ่งชุดข้อมูลประกอบด้วยตัวแปรด้านมลพิษ 15 ตัวแปร และข้อมูลด้านสภาพอากาศ 9 ตัวแปร เก็บรวบรวมตั้งแต่มกราคม ค.ศ. 2021 ถึงธันวาคม ค.ศ. 2023 มีจำนวนข้อมูล 1,024,920 ค่า และวิธีการที่ใช้วัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error : RMSE) ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error : MAE) และสัมประสิทธิ์การกำหนด (Coefficient of Determination) ผลการศึกษาพบว่าวิธีรวมกลุ่มป่าสุ่มและ XGBoost มีค่าวัดประสิทธิภาพทั้ง 3 วิธีดีที่สุด โดยมีค่า RMSE น้อยที่สุดเท่ากับ 0.1040 ค่า MAE น้อยที่สุดเท่ากับ 0.0675 และค่า มากที่สุดเท่ากับ 0.8128 แล้วทำการอธิบายผลลัพธ์จากการเรียนรู้ของเครื่องสำหรับสร้างแผนภาพด้วย SHAP ของวิธีการเรียนรู้ของเครื่องทั้ง 5 วิธี ทุกวิธีได้ข้อสรุปในทำนองเดียวกันคือตัวแปรที่มีผลกระทบต่อ ค่าทำนายโดยรวมมากที่สุด 2 อันดับแรกคือตัวแปร PM2.5 และ PM10 ตามลำดับ
คณะวิทยาศาสตร์
งานวิจัยนี้ได้นำเสนอการวิเคราะห์เชิงสี (Colorimetric detection) สำหรับตรวจวัดกรดแทนนิก (tannic acid) ในตัวอย่างเครื่องดื่มจากพืช โดยอาศัยปรากฏการณ์การแทนที่ (displacement phenomenon) ของสารรักษาเสถียรภาพบนพื้นผิวของอนุภาคแพลทินัมนาโน (PtNPs) ที่ถูกรักษาเสถียรภาพด้วยกรดแกลลิก (gallic acid) ซึ่งกรดแกลลิกสามารถรักษาเสถียรภาพของ PtNPs ให้อยู่ในรูปของอนุภาคที่รวมตัวกันและให้สารคอลลอยด์ที่เป็นสีเขียว โดยกรดแทนนิกสามารถแทนที่กรดแกลลิกบนพื้นผิวของ PtNPs ได้ง่าย ส่งผลให้อนุภาคที่รวมตัวกันเกิดการกระจายตัวและเปลี่ยนสีจากเขียวเป็นส้ม−น้ำตาล และภายใต้สภาวะที่เหมาะสม ตัวตรวจวัดเชิงสีแสดงค่าการตอบสนองเชิงเส้นในช่วงความเข้มข้น 1−2,000 µmol L⁻¹ (R² = 0.9991) โดยมีขีดจำกัดในการตรวจวัด (LOD) และขีดจำกัดเชิงปริมาณ (LOQ) ที่ 0.02 และ 0.09 µmol L⁻¹ ตามลำดับ ตัวตรวจวัดเชิงสีที่พัฒนาขึ้นมีความจำเพาะสูงต่อกรดแทนนิกและไม่ถูกรบกวนจากสารอื่น อีกทั้งยังมีค่าความแม่นยำที่ดี (RSD = 1.00%−3.36%) ที่สำคัญคือ ให้ค่าการคืนกลับ (recovery) อยู่ในช่วง 95.0−104.7% แสดงให้เห็นถึงศักยภาพของเซนเซอร์คัลเลอริเมตริกที่สามารถตรวจวัดกรดแทนนิกได้อย่างรวดเร็วและแม่นยำในตัวอย่างเครื่องดื่มจริง แม้ว่าวิธีการตรวจวัดกรดแทนนิกที่ถูกพัฒนาขึ้นจะเป็นเทคนิคที่รวดเร็วในการตรวจวัดกรดแทนนิก แต่ยังคงมีปัญหาเกี่ยวกับความไว (sensitivity) และความแม่นยำ (accuracy) ของการวิเคราะห์ โดยเฉพาะเมื่อมีสารแอนโทไซยานิน (anthocyanin) รบกวน ดังนั้น จึงพัฒนาวิธีเตรียมตัวอย่างเพื่อย่อยสลายแอนโทไซยานินในเครื่องดื่มเพื่อลดการรบกวนของสารที่มีสีต่อการตรวจวัดเชิงสีสำหรับวิเคราะห์ปริมาณกรดแทนนิกในเครื่องดื่ม