ปัจจุบันแบตเตอรี่ลิเทียมถูกใช้งานอย่างแพร่หลายในอุปกรณ์อิเล็กทรอนิกส์และยานยนต์ไฟฟ้า ทำให้การประมาณสถานะสุขภาพ (State of Health: SOH) ของแบตเตอรี่มีความสำคัญอย่างมาก เนื่องจากสามารถช่วยยืดอายุการใช้งาน ลดค่าใช้จ่ายในการบำรุงรักษา และป้องกันปัญหาด้านความปลอดภัย เช่น ความร้อนสูงเกินหรือการระเบิด โครงงานนี้มีวัตถุประสงค์เพื่อศึกษาและวิเคราะห์แบบจำลองทางคณิตศาสตร์ของแบตเตอรี่ ตลอดจนพัฒนาเทคนิคการประมาณสถานะสุขภาพโดยใช้โครงข่ายประสาทเทียม (Neural Networks) เพื่อเพิ่มความแม่นยำและความรวดเร็วในการประเมิน การทดลองได้ทำการเก็บข้อมูลการประจุและคายประจุของแบตเตอรี่ลิเทียมจำนวน 3 เซลล์ ภายใต้อุณหภูมิที่ควบคุม และใช้กระแสคงที่ในการชาร์จและคายประจุไฟฟ้า พร้อมทั้งบันทึกค่ากระแส แรงดัน และเวลา จากนั้นนำข้อมูลที่ได้มาวิเคราะห์เพื่อหาค่าความจุของแบตเตอรี่ในแต่ละรอบการใช้งาน และใช้เป็นข้อมูลฝึกสอนโครงข่ายประสาทเทียม ผลลัพธ์ที่ได้ช่วยให้สามารถคาดการณ์สถานะสุขภาพของแบตเตอรี่ได้อย่างมีประสิทธิภาพ ผลจากโครงงานนี้สามารถนำไปพัฒนาระบบจัดการแบตเตอรี่ (Battery Management System) เพื่อช่วยปรับปรุงประสิทธิภาพและยืดอายุการใช้งานของแบตเตอรี่ ทั้งยังเป็นแนวทางในการนำเทคนิคปัญญาประดิษฐ์มาประยุกต์ใช้ในงานด้านพลังงานอย่างมีประสิทธิภาพ
เนื่องจากปัจจุบันมีการใช้งานแบตเตอรี่ลิเทียมในอุปกรณ์อิเล็กทรอนิกส์ เช่น โทรศัพท์มือถือ และยานยนต์ไฟฟ้าอย่างแพร่หลาย การประเมินสถานะสุขภาพของแบตเตอรี่จึงเป็นสิ่งสำคัญที่ช่วยยืดอายุการใช้งาน ลดค่าใช้จ่ายในการบำรุงรักษา และป้องกันการเสื่อมสภาพที่อาจนำไปสู่ปัญหาด้านความปลอดภัย เช่น ความร้อนสูงเกินหรือการระเบิด ทำให้การประมาณสถานะสุขภาพมีส่วนช่วยลดความเสี่ยงในการใช้งานแบตเตอรี่และเพิ่มประสิทธิภาพในการใช้พลังงานให้เกิดประโยชน์สูงสุด อีกทั้งการประเมินสถานะสุขภาพนี้ยังช่วยลดต้นทุนการเปลี่ยนแบตเตอรี่บ่อยครั้งที่อาจเกิดขึ้นจากการใช้งานที่ไม่ถูกต้อง ปัญหาของการเสื่อมสภาพของแบตเตอรี่เกิดขึ้นจากการใช้งานที่ต่อเนื่อง ทั้งการประจุไฟฟ้าและการคายประจุไฟฟ้า ซึ่งจะมีผลให้ความเสถียรของแบตเตอรี่ลดลงไปเรื่อยๆ การตรวจสอบสถานะสุขภาพแบตเตอรี่เป็นการแก้ปัญหาหนึ่ง แต่เทคนิคที่มีอยู่เดิมอาจใช้เวลานานหรือมีความแม่นยำที่ไม่เพียงพอ การนำเทคโนโลยีปัญญาประดิษฐ์ โดยเฉพาะโครงข่ายประสาทเทียม (Neural Networks) เข้ามาประยุกต์ใช้จึงเป็นทางเลือกใหม่ที่ช่วยให้การประเมินสถานะสุขภาพแม่นยำขึ้นและรวดเร็วขึ้น การพัฒนาอัลกอริทึมสำหรับการคาดการณ์จากข้อมูลการประจุไฟฟ้าและการคายประจุไฟฟ้าของแบตเตอรี่ช่วยให้เกิดโมเดลที่สามารถเรียนรู้จากข้อมูลในอดีตและคาดการณ์สถานะสุขภาพของแบตเตอรี่ในอนาคตได้
คณะอุตสาหกรรมอาหาร
งานวิจัยนี้มุ่งเน้นการพัฒนามะม่วงผงโดยวิธีโฟม-แมท (Foam-mat drying) ซึ่งเป็นเทคนิคการอบแห้งที่เหมาะสำหรับการรักษาคุณภาพของผลิตภัณฑ์ผลไม้และผัก โดยใช้ไฮดรอกซีโพรพิลเมทิลเซลลูโลส (Hydroxypropyl Methylcellulose, HPMC) เป็นสารก่อโฟม การศึกษาประเมินผลกระทบของ HPMC ต่อสมบัติเคมีกายภาพ ฤทธิ์ต้านอนุมูลอิสระ และอายุการเก็บรักษาของมะม่วงผง ผลการวิจัยพบว่า HPMC มีบทบาทสำคัญในการเพิ่มคุณภาพของโฟมก่อนอบแห้งและความคงตัวของผลิตภัณฑ์ผง การศึกษานี้สามารถเป็นแนวทางในการเพิ่มมูลค่าให้แก่ผลผลิตมะม่วงที่ไม่ได้มาตรฐาน และลดปัญหาการสูญเสียผลผลิตทางการเกษตร อีกทั้งยังช่วยในการพัฒนาผลิตภัณฑ์อาหารแปรรูปที่มีคุณค่าทางโภชนาการสูงและเก็บรักษาได้ยาวนาน
คณะวิศวกรรมศาสตร์
หัวข้อโครงงานที่นำเสนอคือระบบคัดแยกขยะ (Garbage Sorting Systems) จุดประสงค์เพื่อศึกษาการทำงานและพัฒนาระบบคัดแยกขยะที่สามารถตรวจจับประเภทของขยะได้อย่างอัตโนมัติ โดยใช้เซ็นเซอร์ Proximity ในการแยกประเภทของขยะที่เป็นวัตถุโลหะและอโลหะ รวมถึงใช้เซ็นเซอร์ Ultrasonic ในการตรวจสอบปริมาณขยะภายในถัง หากปริมาณขยะเกินกำหนด ระบบจะส่งการแจ้งเตือนไปยังอุปกรณ์สื่อสารที่เชื่อมต่อกับระบบ เช่น สมาร์ทโฟนหรือคอมพิวเตอร์ การทำงานของระบบถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพในการจัดการขยะ ลดภาระการคัดแยกขยะด้วยมือ และส่งเสริมการรีไซเคิล โดยสามารถนำระบบนี้ไปประยุกต์ใช้ในสถานที่ต่างๆ เช่น สถานศึกษา หรือสถานที่สาธารณะ เพื่อช่วยลดปริมาณขยะที่ไม่ถูกแยกอย่างถูกต้อง และเพิ่มโอกาสในการนำขยะกลับมาใช้ประโยชน์ใหม่
วิทยาลัยนวัตกรรมการผลิตขั้นสูง
เนื่องจากไซโลเก็บข้าวอินทรีย์เผชิญกับปัญหาแมลง เจ้าของจึงแก้ไขปัญหานี้โดยใช้ระบบผู้เชี่ยวชาญ (ES) ในกระบวนการควบคุมบรรยากาศ (CAP) ภายใต้มาตรฐานที่กำหนด โดยทำการรมแมลงด้วยไนโตรเจน (N₂) และลดความเข้มข้นของออกซิเจน (O₂) ให้น้อยกว่า 2% เป็นเวลา 21 วัน บทความนี้นำเสนอการใช้พลศาสตร์ของไหลเชิงคำนวณ (CFD) ร่วมกับ ES ซึ่งสามารถแก้ไขปัญหานี้ได้อย่างมีประสิทธิภาพ ขั้นแรก CFD ถูกนำมาใช้เพื่อวิเคราะห์รูปแบบการไหลของก๊าซ ความเข้มข้นของ O₂ สภาวะการทำงานที่เหมาะสม และค่าสัมประสิทธิ์การแก้ไข (K) ของไซโล ซึ่งผลลัพธ์ของ CFD สอดคล้องกับผลการทดลองและทฤษฎี ยืนยันความน่าเชื่อถือของ CFD อย่างมีนัยสำคัญ นอกจากนี้ ผลการวิเคราะห์ของ CFD ยังแสดงให้เห็นว่า ES สามารถควบคุมการกระจายตัวของไนโตรเจนภายในไซโลได้อย่างทั่วถึงและลดความเข้มข้นของ O₂ ให้เป็นไปตามข้อกำหนด จากนั้น ระบบ ES ถูกพัฒนาขึ้นโดยอาศัยกลไกการวินิจฉัย (Inference Engine) ที่ได้รับการสนับสนุนจากผลลัพธ์ของ CFD และหลักการกวาดผ่านเพื่อล้าง (Sweep-Through Purging) ก่อนจะนำไปใช้ในกระบวนการ CAP สุดท้าย การทดลองถูกดำเนินการเพื่อประเมินประสิทธิภาพของ CAP ในการควบคุมความเข้มข้นของ O₂ และกำจัดแมลงภายในไซโลจริง ผลการทดลองและข้อเสนอแนะจากเจ้าของยืนยันว่า การนำ ES ไปใช้มีประสิทธิภาพสูง จึงทำให้ CAP เป็นกระบวนการที่มีประสิทธิผลและสามารถนำไปใช้ได้จริง ความแปลกใหม่ของงานวิจัยนี้อยู่ที่การใช้วิธีการ CFD ในการสร้างกลไกการวินิจฉัยและพัฒนาระบบผู้เชี่ยวชาญ (ES)