นวัตกรรมนี้ช่วยลดต้นทุนและเพิ่มประสิทธิภาพการจัดการคิวในร้านอาหาร ทำให้ระบบเป็นระเบียบ ลดเวลารอคอย และรองรับลูกค้าได้ดียิ่งขึ้น
หลายร้านอาหารเผชิญปัญหาในการจัดการลำดับคิวลูกค้า โดยเฉพาะเมื่อจำนวนเครื่องเพจเจอร์หรือระบบเข้าคิวไม่เพียงพอรองรับลูกค้าทั้งหมด อีกทั้งอุปกรณ์เหล่านี้ยังมีต้นทุนสูงและต้องใช้ทรัพยากรในการผลิตและบำรุงรักษาอย่างต่อเนื่อง ด้วยเหตุนี้ ผู้พัฒนาจึงเล็งเห็นถึงโอกาสในการปรับปรุงระบบดังกล่าว และได้นำเสนอนวัตกรรมที่ช่วยให้ร้านอาหารลดต้นทุนที่ไม่จำเป็น พร้อมเพิ่มประสิทธิภาพในการจัดการคิวได้อย่างคุ้มค่าและมีประสิทธิผลยิ่งขึ้น
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาเทคนิคการห่อหุ้มร่วม (Co-encapsulation) ของวิตามินซีและโคเอนไซม์คิวเท็นภายในลิโปโซม เพื่อเพิ่มเสถียรภาพและประสิทธิภาพการกักเก็บของสารสำคัญ รวมถึงศึกษาฤทธิ์ต้านอนุมูลอิสระและการปลดปล่อยในสภาวะจำลองระบบทางเดินอาหาร โดยทำการเตรียมลิโปโซมด้วยวิธี High-Speed Homogenization Method และวิเคราะห์คุณสมบัติต่าง ๆ เช่น ขนาดอนุภาค ศักย์ไฟฟ้า การกักเก็บสารสำคัญ และฤทธิ์ต้านอนุมูลอิสระผ่าน DPPH, ABTS และ FRAP assay ผลการศึกษาพบว่าการห่อหุ้มร่วมสามารถเพิ่มความเสถียรของวิตามินซีและโคเอนไซม์คิวเท็นได้อย่างมีนัยสำคัญเมื่อเทียบกับการห่อหุ้มเดี่ยว โดยมีค่าประสิทธิภาพการกักเก็บสูง และสามารถรักษาฤทธิ์ต้านอนุมูลอิสระได้ดี นอกจากนี้ ลิโปโซมที่เตรียมขึ้นยังแสดงประสิทธิภาพการปลดปล่อยที่เหมาะสมในสภาวะจำลองระบบทางเดินอาหาร แสดงให้เห็นถึงศักยภาพของเทคนิค Co-encapsulation ในการเพิ่มประสิทธิภาพของสารอาหารเชิงหน้าที่ ซึ่งสามารถนำไปประยุกต์ใช้ในอุตสาหกรรมอาหารและผลิตภัณฑ์เสริมสุขภาพได้
คณะเทคโนโลยีสารสนเทศ
การตรวจจับอารมณ์ผ่านการแสดงออกทางใบหน้า (Facial Expression Recognition, FER) ได้รับความสนใจอย่างมากในหลายสาขา เช่น การดูแลสุขภาพ การให้บริการลูกค้า และการวิเคราะห์พฤติกรรม อย่างไรก็ตาม ความท้าทายยังคงอยู่ที่การพัฒนาระบบที่มีความทนทานและสามารถรับมือกับการเปลี่ยนแปลงของสภาพแวดล้อมรวมถึงสถานการณ์ที่หลากหลายได้ ผู้วิจัยได้นำเสนอการใช้เทคนิค Ensemble Learning เพื่อรวมผลลัพธ์จากโมเดลหลายตัวที่ถูกฝึกในเงื่อนไขเฉพาะ ทำให้ระบบไม่ลืมข้อมูลเก่า และยังสามารถเรียนรู้ข้อมูลใหม่ได้อย่างมีประสิทธิภาพ โดยเทคนิคนี้มีข้อได้เปรียบในด้านเวลาและทรัพยากรที่ใช้ในการเทรน เนื่องจากช่วยลดความจำเป็นในการสร้างโมเดลใหม่ทั้งหมดเมื่อมีสภาพแวดล้อมใหม่ เพียงเพิ่มโมเดลเฉพาะทางใหม่ในระบบ Ensemble ซึ่งใช้ทรัพยากรน้อยกว่าแทน ในงานวิจัยนี้ Ensemble Learning ถูกแบ่งออกเป็นสองแนวทางหลัก คือ การเฉลี่ยผลลัพธ์จากโมเดลเฉพาะทางที่ถูกฝึกภายใต้สถานการณ์เฉพาะ (Averaging Ensemble) และการใช้เทคนิค Mixture of Experts (MoE) ซึ่งเป็นการผสมผสานโมเดลหลายตัวที่เชี่ยวชาญในสถานการณ์ต่าง ๆ ไว้ด้วยกัน ผลการทดลองแสดงให้เห็นว่า การใช้ Mixture of Experts (MoE) มีประสิทธิภาพสูงกว่าวิธี Averaging Ensemble ในการจำแนกอารมณ์ในทุกสถานการณ์ โดยระบบ MoE สามารถเพิ่มความแม่นยำเฉลี่ยได้ถึง 84.41% บนชุดข้อมูล CK+, 54.20% บน Oulu-CASIA และ 61.66% บน RAVDESS ซึ่งสูงกว่าวิธี Averaging Ensemble ที่มีความแม่นยำเฉลี่ยที่ 71.64%, 44.99% และ 57.60% ตามลำดับ ผลลัพธ์เหล่านี้แสดงให้เห็นว่า MoE สามารถเลือกโมเดลที่เชี่ยวชาญในสถานการณ์เฉพาะได้อย่างแม่นยำ และยังช่วยเพิ่มความสามารถในการรับมือกับสภาพแวดล้อมที่ซับซ้อนกว่า
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
งานวิจัยเรื่องการพัฒนาวัสดุปูพื้นระบายน้ำได้จากตะกรันเหลือทิ้ง มีวัตถุประสงค์ในการนำตะกรันเหลือทิ้งมาใช้ให้เกิดประโยชน์ในทางอุตสาหกรรมและช่วยลดปัญหาน้ำท่วมน้ำขังหรือแอ่งน้ำได้ โดยปัจจุบันตะกรันที่เหลือจากการถลุงเหล็กหรือหลอมเหล็กมักถูกนำมาใช้เป็นส่วนผสมของวัสดุก่อสร้าง เช่น ผิวทางถนน อย่างไรก็ตาม ตะกรันเหล่านี้มีคุณสมบัติที่ทำให้น้ำซึมผ่านได้ยาก ส่งผลให้เกิดปัญหาน้ำท่วมและการระบายน้ำไม่ดี โครงการวิจัยนี้มุ่งเน้นศึกษาการปรับปรุงคุณสมบัติของวัสดุปูพื้นให้มีความแข็งแรงและสามารถระบายน้ำได้ดีขึ้น โดยการปรับโครงสร้างทางกายภาพหรือการเติมสารเคมี เช่น HPMC เพื่อช่วยเพิ่มช่องว่างในการซึมน้ำและระบายน้ำได้ตามมาตรฐานที่ต้องการ การใช้ตะกรันเหลือทิ้งไม่เพียงช่วยลดต้นทุนและเพิ่มประโยชน์ในการใช้งาน แต่ยังช่วยลดผลกระทบต่อสิ่งแวดล้อมและส่งเสริมการใช้ทรัพยากรให้เกิดประโยชน์สูงสุด