งานวิจัยเรื่องการพัฒนาวัสดุปูพื้นระบายน้ำได้จากตะกรันเหลือทิ้ง มีวัตถุประสงค์ในการนำตะกรันเหลือทิ้งมาใช้ให้เกิดประโยชน์ในทางอุตสาหกรรมและช่วยลดปัญหาน้ำท่วมน้ำขังหรือแอ่งน้ำได้ โดยปัจจุบันตะกรันที่เหลือจากการถลุงเหล็กหรือหลอมเหล็กมักถูกนำมาใช้เป็นส่วนผสมของวัสดุก่อสร้าง เช่น ผิวทางถนน อย่างไรก็ตาม ตะกรันเหล่านี้มีคุณสมบัติที่ทำให้น้ำซึมผ่านได้ยาก ส่งผลให้เกิดปัญหาน้ำท่วมและการระบายน้ำไม่ดี โครงการวิจัยนี้มุ่งเน้นศึกษาการปรับปรุงคุณสมบัติของวัสดุปูพื้นให้มีความแข็งแรงและสามารถระบายน้ำได้ดีขึ้น โดยการปรับโครงสร้างทางกายภาพหรือการเติมสารเคมี เช่น HPMC เพื่อช่วยเพิ่มช่องว่างในการซึมน้ำและระบายน้ำได้ตามมาตรฐานที่ต้องการ การใช้ตะกรันเหลือทิ้งไม่เพียงช่วยลดต้นทุนและเพิ่มประโยชน์ในการใช้งาน แต่ยังช่วยลดผลกระทบต่อสิ่งแวดล้อมและส่งเสริมการใช้ทรัพยากรให้เกิดประโยชน์สูงสุด
ในปัจจุบันตะกรันที่เหลือจากการถลุงเหล็กหรือหลอมเหล็กนั้นมีอยู่เป็นจำนวนมากส่วนใหญ่จะใช้ในการนำไปเป็นส่วนผสมของการทำถนนแต่ยังไม่สามารถทำให้น้ำซึมผ่านถนนไปได้ จึงเกิดเป็นแรง บันดาลใจที่จะนำตะกรันมาทำเป็นวัสดุปูพื้นระบายน้ำ เพื่อแก้ปัญหาน้ำท่วมหรือน้ำขังเป็นแอ่งมีความแข็งแรง ทนทาน สามารถรับน้ำหนักของสิ่งที่มีน้ำหนักมากๆและมีระยะเวลาในการใช้งานได้นานโดยโครงการนี้จะมุ่งเน้นในการศึกษาและปรับปรุงคุณสมบัติวัสดุปูพื้นให้มีความแข็งแรงและระบายน้ำได้ดี เช่น การปรับโครงสร้างด้านกายภาพ หรือทางเคมี เช่น การใส่ส่วนผสมของ เถ้าลอยแคลเซียมคาร์บอเนต เพื่อเพิ่มความแข็งแรงให้กับวัสดุปูพื้น จากนั้นนำ HPMC มาใส่เพื่อให้ซีเมนต์ไม่จับตัวเป็นก้อนจนไม่สามารถให้น้ำไหลผ่าน การที่ใส่ HPMC จะช่วยเพิ่มช่องว่างในการซึมผ่านหรือระบายน้ำได้ได้ดีขึ้นตามอัตราส่วนที่ต้องการหรือได้ตามมาตรฐาน การนำตะกรันเหลือทิ้งมาใช้จะไม่เพียงแค่ช่วยลดต้นทุนและเพิ่มประโยชน์การใช้งานเท่านั้น แต่ยังช่วยส่งเสริมการใช้ทรัพยากรให้มีค่าทุกๆสัดส่วน แม้กระทั่งตะกรันเหลือทิ้งจากการถลุงเหล็ก และลดผลกระทบต่อสิ่งแวดล้อมในกระบวนการผลิตและการใช้งาน
วิทยาเขตชุมพรเขตรอุดมศักดิ์
เสื้อระบายความร้อนที่มีระบบแลกเปลี่ยนความร้อนจากการไหลแบบสองเฟส เป็นนวัตกรรมใหม่ ถูกออกแบบ เพื่อระบายความร้อนให้กับนักดับเพลิง, นักแข่งรถ และ ผู้ที่ต้องสวมใส่ชุด PPE (Personal Protective Equipment) ในการทำงาน ระบบสามารถทำความเย็น ในระดับ 18-20 องศาเซลเซียส ได้อย่างต่อเนื่อง และมีกลไกการฉีดแก๊สเข้าไปในของเหลวเพื่อเพิ่มความสามารถในการถ่ายเทความร้อน
คณะเทคโนโลยีการเกษตร
การควบคุมโรคพืชโดยชีววิธี (Biological control หรือ biocontrol) เป็นวิธีการจัดการกับโรคพืชที่ได้รับความสนใจในปัจจุบัน เนื่องจากเป็นมิตรต่อสิ่งแวดล้อม ตลอดจนสุขภาพของเกษตรกรและผู้บริโภค หลักเกณฑ์ที่สำคัญของการควบคุมโรคพืชโดยชีววิธีคือการใช้จุลินทรีย์ที่มีคุณสมบัติเป็นปฏิปักษ์ (Antagonistic microorganisms) ต่อเชื้อสาเหตุโรค ซึ่งถูกนำมาใช้ในการควบคุมหรือกำจัดไม่ให้เชื้อสาเหตุโรคเข้าทำความเสียหายต่อพืชได้ ดังนั้นการได้มาซึ่งจุลินทรีย์ปฏิปักษ์ที่มีประสิทธิภาพคือหัวใจสำคัญของการควบคุมโรคพืชโดยชีววิธี โครงงานนี้จึงได้ทำการแยกเชื้อจุลินทรีย์จากหลายแหล่งในธรรมชาติ นำมาทำการคัดเลือกจุลินทรีย์ปฏิปักษ์ต่อเชื้อสาเหตุ Phytophthora palmivora เชื้อราสาเหตุโรครากเน่าโคนเน่าของทุเรียน Curvularia sp. เชื้อราสาเหตุสาเหตุโรคใบจุดสีน้ำตาลของข้าว และ Xanthomonas citri pv. citri เชื้อแบคทีเรียสาเหตุโรคแคงเกอร์ของพืชตระกูลส้ม
คณะวิทยาศาสตร์
ด้วยการพัฒนาของเทคโนโลยีทางด้านอวกาศทำให้การสำรวจท้องฟ้าโดยใช้กล้องโทรทรรศน์ที่มีมุมมองกว้างขยายขอบเขตของข้อมูลใหม่ๆ สำหรับการวิจัยดาราศาสตร์โดเมนเวลามากยิ่งขึ้น ทำให้การวิเคราะห์ข้อมูลแบบดั้งเดิมไม่สามารถตอบสนองต่อข้อมูลได้อย่างรวดเร็วและแม่นยำเพียงพอต่อปริมาณข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง ดังนั้น การจำแนกประเภทของข้อมูลซีรีส์เวลาอย่างกราฟแสงจึงเป็นความท้าทายอย่างมากในยุคที่ข้อมูลมีขนาดใหญ่ ในปัจจุบันการวิเคราะห์กราฟแสงจึงจำเป็นต้องใช้เทคนิคการเรียนรู้ของเครื่องเข้ามาช่วยในการวิเคราะห์ คัดกรองข้อมูลอันมหาศาลอย่างหลีกเลี่ยงไม่ได้ โดยอัลกอริทึมการเรียนรู้ของเครื่องแบ่งออกได้ 2 ประเภท คือ แบบตื้นและแบบลึก นักวิจัยหลายๆ ท่านได้นำเสนอวิธีการและการพัฒนาอัลกอริทึมหลากหลายรูปแบบสำหรับการจำแนกประเภทของกราฟแสง ซึ่งในงานนี้เราได้ทำการทดลองใช้ Support Vector Machine (SVM) และ XGBoost ซึ่งเป็นอัลกอริทึมการเรียนรู้ของเครื่องประเภทแบบตื้น และ 1D-CNN และ Long Short-Term Memory (LSTM) ซึ่งเป็นอัลกอริทึมการเรียนรู้เชิงลึกเป็นอีกหนึ่งสาขาของการเรียนรู้ของเครื่องที่เป็นประเภทแบบลึก เพื่อใช้ในการจำแนกประเภทของดาวแปรแสง โดยข้อมูลที่ใช้ในการอบรบและทดสอบ คือ ข้อมูล Optical Gravitational Lensing Experiment-III (OGLE-III) เป็นข้อมูลของดาวแปรแสง โดยอยู่ในพื้นที่ Large Magellanic Cloud (LMC) ที่มีการแบ่งได้ 5 คลาสหลักส่วนใหญ่ (Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars และ Long-period variables) ผลลัพธ์แสดงให้เห็นถึงการวิเคราะห์ประสิทธิภาพของการเรียนรู้ของเครื่องแต่ละประเภทที่ใช้กับข้อมูลกราฟแสง อีกทั้งยังชี้ให้เห็นถึงความแม่นยำและค่าสถิติต่างๆ ของการเรียนรู้ของเครื่องที่ใช้ในทดลอง