เครื่องทำความร้อนแบบเหนี่ยวนำ (Induction Heating Machine: IHM) เป็นอุปกรณ์สำคัญในอุตสาหกรรมเครื่องประดับ โดยใช้สนามแม่เหล็กไฟฟ้าเพื่อให้ความร้อนและเชื่อมโลหะมีค่า งานวิจัยนี้มุ่งพัฒนาเครื่องทำความร้อนแบบเหนี่ยวนำขดลวดคู่ (Dual Coil IHM) เพื่อเพิ่มประสิทธิภาพการผลิตและลดต้นทุนของโรงงานเครื่องประดับ โดยใช้ การวิเคราะห์แม่เหล็กไฟฟ้า (Electromagnetic Analysis: EMA) ผ่านซอฟต์แวร์ Ansys Maxwell กระบวนการวิจัยเริ่มจากการทดสอบเครื่อง IHM แบบขดลวดเดี่ยวในสภาวะการทำงานจริง และใช้ EMA เพื่อวิเคราะห์ความหนาแน่นฟลักซ์แม่เหล็ก (B) ที่เกิดขึ้น จากนั้นได้ออกแบบและเปรียบเทียบการทำงานของขดลวดคู่ในรูปแบบ ขนาน (Parallel) และ อนุกรม (Series) ผลการทดลองพบว่า ขดลวดอนุกรมให้ค่าฟลักซ์แม่เหล็กสูงกว่า และสามารถปรับค่ากระแส (I), ความถี่ (f), จำนวนรอบขดลวด (N) และระยะห่างขดลวด (d) เพื่อให้ได้ค่าที่เหมาะสมสำหรับการผลิต ผลการวิจัยแสดงให้เห็นว่า เครื่อง IHM ขดลวดคู่แบบอนุกรมสามารถเพิ่มกำลังการผลิตได้ 2 เท่า เมื่อเทียบกับเครื่องเดิม ทั้งนี้ เทคโนโลยี EMA ช่วยลดการทดลองเชิงกายภาพ ลดข้อผิดพลาด และเพิ่มความแม่นยำในการออกแบบเครื่องจักรอุตสาหกรรมเครื่องประดับ
1.ข้อจำกัดของเครื่องทำความร้อนแบบเหนี่ยวนำขดลวดเดี่ยว 2.ความต้องการเพิ่มประสิทธิภาพการผลิตและลดต้นทุน 3.การประยุกต์ใช้เทคโนโลยีการจำลองทางแม่เหล็กไฟฟ้า (EMA) 4.แนวโน้มการเติบโตของอุตสาหกรรมเครื่องประดับในประเทศไทย 5.การพัฒนาองค์ความรู้ด้านเทคโนโลยีการผลิต
คณะสถาปัตยกรรม ศิลปะและการออกแบบ
สถานการณ์ในปัจจุบันและความไม่แน่นอน นำมาสู่แนวคิดความมั่นคงทางอาหาร การนำเอานวัตกรรมและเทคโนโลยีเข้ามาปรับใช้เพื่อให้เกิดการให้ผลผลิตที่มากในพื้นที่จำกัด โดยปรับปรุงอาคารเก่าในพื้นที่เมืองที่ไม่ถูกใช้งานมาปรับปรุงให้เหมาะสมกับการปลูกพืช จัดทำเป็นพื้นที่เรียนรู้การปลูกพืชในเมือง นำเสนอวิธีการปลูกพืชแบบต่างๆ รวบรวมเป็นนวัตกรรมการปลูกพืชกว่า 35 รายการ สำหรับเผยแพร่ความรู้ เพื่อสร้างความมั่นคงทางอาหาร พึ่งพาตนเอง การอยู่อาศัยอย่างยั่งยืน
คณะวิทยาศาสตร์
การพัฒนาเม็ดบีทไฮโดรเจลแบบสองชั้นสำหรับใช้เป็นเซ็นเซอร์เชิงสีในการวิเคราะห์หาปริมาณวิตามินบี6 ในผลิตภัณฑ์เครื่องดื่มเสริมวิตามิน และทำการตรวจวัดโดยใช้โทรศัพท์มือถือ โดยในการสร้างเม็ดบีทจะอาศัยแรงประจุไฟฟ้าในการทำให้เกิดเม็ดบีทไฮโดรเจลแบบสองชั้น
คณะแพทยศาสตร์
งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน (Deep Convolutional Neural Networks - CNNs) สำหรับการระบุเม็ดยาอย่างแม่นยำ เพื่อแก้ไขข้อจำกัดของการพิสูจน์เอกลักษณ์เม็ดยาด้วยทรัพยากรมนุษย์ โดยใช้ข้อมูลรูปภาพจำนวน 1,250 ภาพ จากยาสามัญประจำบ้าน 10 ชนิด นำมาทดสอบกับโมเดล YOLO ที่แตกต่างกันภายใต้เงื่อนไขต่างๆ ผลการทดลองพบว่า การใช้แสงธรรมชาติให้ผลดีกว่าเมื่อทดสอบด้วยระบบโครงข่ายประสาทเทียมแบบคอนโวลูชัน เมื่อเปรียบเทียบกับแสงจากกล่องสตูดิโอ นอกจากนี้ โมเดล YOLOv5-tiny แสดงความแม่นยำสูงสุดในการตรวจจับเม็ดยา ขณะที่โมเดล EfficientNet_b0 ให้ผลลัพธ์ดีที่สุดในการจำแนกเม็ดยา แม้ว่าระบบโครงข่ายประสาทเทียมแบบคอนโวลูชันที่พัฒนาขึ้นนี้จะให้ผลลัพธ์ที่น่าพึงพอใจ แต่ยังมีข้อจำกัดในเรื่องชนิดของเม็ดยาและจำนวนภาพที่ใช้ในการศึกษา อย่างไรก็ตาม งานวิจัยนี้มีศักยภาพในการส่งเสริมความปลอดภัยในการใช้ยาทั้งในระบบสาธารณสุขและผู้ป่วยนอก รวมถึงลดปัญหาที่อาจเกิดขึ้นจากการใช้ยาผิดพลาด