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
ทั่วโลกกำลังเผชิญกับวิกฤตมลพิษทางอากาศที่รุนแรงที่สุดในประวัติศาสตร์ การเพิ่มขึ้นของสารมลพิษในอากาศ เช่น ฝุ่นละอองขนาดเล็ก PM2.5 PM10 ก๊าซโอโซน ก๊าซคาร์บอนมอนอกไซด์ ไนโตรเจนไดออกไซด์ และซัลเฟอร์ไดออกไซด์ ซึ่งส่งผลกระทบต่อระบบทางเดินหายใจและระบบไหลเวียนโลหิตของมนุษย์ นอกจากนี้ยังมีผลกระทบทางลบต่อพืชและสัตว์ในระบบนิเวศอีกด้วย หลายพื้นที่ทั่วโลกเผชิญกับค่า PM2.5 เกินมาตรฐานอย่างต่อเนื่อง องค์การอนามัยโลก (World Health Organization : WHO) ประกาศเตือนว่า PM2.5 เป็นสารก่อมะเร็ง ส่งผลให้เกิดโรคทางเดินหายใจ โรคหัวใจ และโรคหลอดเลือดสมอง PM2.5 เป็นมลพิษทางอากาศที่อันตรายที่สุด ส่งผลต่อระบบทางเดินหายใจและเพิ่มความเสี่ยงต่อมะเร็งปอด สถิติปี 2020 มีผู้เสียชีวิตจากมะเร็งปอด 1.79 ล้านคน และคาดว่าจำนวนผู้เสียชีวิตจะเพิ่มมากขึ้นทุกปีอย่างต่อเนื่อง ดัชนีคุณภาพอากาศ (Air Quality Index : AQI) เป็นตัวชี้วัดสำคัญในการประเมินคุณภาพอากาศและบ่งชี้ถึงระดับของมลพิษ โดยใช้ข้อมูลความเข้มข้นของมลพิษในอากาศคำนวณเป็นค่าดัชนีคุณภาพอากาศที่ช่วยให้ประชาชนทราบถึงระดับความปลอดภัยของอากาศ ดังนั้นหากในชีวิตประจำวันสามารถทำนายดัชนีคุณภาพอากาศได้ ประชาชนจะสามารถวางแผนการเดินทางหรือการทำกิจกรรมกลางแจ้ง โดยหลีกเลี่ยงบริเวณที่มีมลพิษสูงได้ โดยเฉพาะกลุ่มเสี่ยง เช่น ผู้สูงอายุ เด็กเล็ก และผู้ป่วยเรื้อรัง ในช่วงหลายปีที่ผ่านมา มีงานวิจัยที่ได้พัฒนาวิธีการทำนายดัชนีคุณภาพอากาศโดยนักวิจัยได้ประยุกต์ใช้วิธีการเรียนรู้ของเครื่อง (Machine Learning) เพื่อการทำนายคุณภาพอากาศให้ดียิ่งขึ้น ในงานวิจัยนี้ คณะผู้วิจัยจึงมีความสนใจนำวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่มมาใช้ในการทำนายดัชนีคุณภาพอากาศ จากการทบทวนวรรณกรรมเกี่ยวกับงานวิจัยที่เกี่ยวข้อง คณะผู้วิจัยพบว่าในงานวิจัยของ Zhang et al. (2023) ที่ศึกษาในกลุ่มเมืองของจีน 6 แห่ง ด้วยข้อมูลมลพิษและสภาพอากาศ พบได้ว่าวิธีป่าสุ่มมีประสิทธิภาพดีที่สุดเมื่อวัดด้วย MAE ต่อมาในงานวิจัยของ Dao et al. (2022) ที่ได้ใช้ข้อมูลมลพิษในอินเดีย พบว่าวิธี XGBoost มีประสิทธิภาพดีที่สุด เช่นเดียวกับงานวิจัยของ Kumar and Pande (2023) ในขณะที่ Ravindiran et al. (2023) ได้ศึกษาด้วยข้อมูลมลพิษและสภาพอากาศในรัฐอานธรประเทศ พบว่าวิธี CatBoost มีประสิทธิภาพดีที่สุด และอีก 2 งานวิจัยที่ได้อาศัยแนวทางการรวมกลุ่มแบบ Stacking ได้แก่ งานวิจัยของ Sharma et al. (2024) ที่ศึกษาในหลายเมืองของอินเดียโดยได้ใช้วิธีการรวมกลุ่มของต้นไม้ตัดสินใจหลายวิธี หนึ่งในนั้นคือวิธีการรวมกลุ่มป่าสุ่มและ XGBoost ซึ่งก็พบว่าวิธีดังกล่าวมีประสิทธิภาพดีที่สุด และ Emeç and Yurtsever (2024) ได้ศึกษาการทำนายความเข้มข้นของ PM2.5 ซึ่งเป็นหนึ่งในมลพิษสำคัญที่ส่งผลต่อดัชนีคุณภาพอากาศของเมืองอิสตันบลูและปักกิ่งโดยใช้วิธีการเรียนรู้ของเครื่อง 3 วิธีมารวมกันเป็นวิธีรวมกลุ่มป่าสุ่ม, SVR และ MLP พบว่าวิธีนี้มีประสิทธิภาพดีกว่าการใช้ทั้ง 3 วิธีแยกกัน ดังนั้นคณะผู้วิจัยจึงสนใจนำวิธีการเรียนรู้ของเครื่องแบบรวมกลุ่มทั้ง 5 วิธี ได้แก่ วิธีป่าสุ่ม วิธี XGBoost วิธี CatBoost วิธีรวมกลุ่มป่าสุ่มและ XGBoost และวิธีรวมกลุ่มป่าสุ่ม, SVR และ MLP โดยใช้ข้อมูลเกี่ยวกับค่ามลพิษและสภาพอากาศจากสถานีตรวจวัดในรัฐเดลี ประเทศอินเดีย ซึ่งเป็นพื้นที่ที่มีปัญหาด้านคุณภาพอากาศเป็นอันดับต้น ๆ ของโลก โดยใช้ข้อมูลตั้งแต่วันที่ 1 มกราคม 2021 ถึง 31 ธันวาคม 2023 และวิธีการวัดประสิทธิภาพ 3 วิธี ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย และสัมประสิทธิ์การกำหนด (Coefficient of Determination) เปรียบเทียบประสิทธิภาพของวิธีการต่าง ๆ และระบุแนวทางที่เหมาะสมที่สุดในการทำนายดัชนีคุณภาพอากาศ
คณะเทคโนโลยีสารสนเทศ
ปัจจุบันการประกอบคอมพิวเตอร์ถือได้ว่าเป็นสิ่งใกล้ตัวผู้คนมากมาย ทุกคนมีโอกาสจับต้องได้ ซึ่งความรู้ในองค์ประกอบต่างๆของคอมพิวเตอร์ และทักษะในการประกอบคอมพิวเตอร์ 2 สิ่งที่กล่าวไปเป็นสิ่งที่บุคคลทั่วไปควรมีความรู้และความเข้าใจพื้นฐาน สำหรับการประกอบคอมพิวเตอร์ด้วยตนเอง เราจึงอยากที่จะให้ความรู้แก่บุคคลทั่วไปที่ต้องการที่จะเรียนรู้วิธีการประกอบ คอมพิวเตอร์ รวมไปข้อมูลต่างๆเกี่ยวกับองค์ประกอบ ผ่านการนำเสนอให้ออกมาในรูปแบบของสื่อการเรียนรู้บนเทคโนโลยี VR ซึ่งจะช่วยลดปัญหาด้านความผิดพลาด และทรัพยากรที่จะใช้ในการประกอบลงไปได้ พร้อมสร้างความตื่นเต้นให้กับผู้ใช้งานด้วยการจำลองการประกอบคอมพิวเตอร์ให้ผู้ใช้ได้มีปฏิสัมพันธ์ภายในโลกเสมือน สร้างประสบการณ์ และให้ความรู้ก่อนที่จะนำไปปฏิบัติจริงกับอุปกรณ์จริง โครงงานนี้จึงถูกสร้างขึ้นเพื่อให้ผู้ที่สนใจในการประกอบคอมพิวเตอร์ โดยเฉพาะบุคคลที่ไม่มีประสบการณ์ในการประกอบคอมพิวเตอร์มาก่อน รวมไปถึงบุคคลที่อยากมีโอกาสได้ลองประกอบคอมพิวเตอร์ด้วยตนเอง
คณะวิศวกรรมศาสตร์
หนึ่งในปัจจัยที่สำคัญที่สุดในการตอบสนองต่อกรณีทางการแพทย์คือเวลาการตอบสนอง โดยทั่วไปแล้ว ความเสียชีวิตส่วนใหญ่เกิดจากผู้ป่วยไม่สามารถไปถึงมือแพทย์ได้ทันเวลา นอกจากนี้ยังรวมถึงการมาถึงของอุปกรณ์การแพทย์ในที่เกิดเหตุ สมองของมนุษย์จะเริ่มเสื่อมลงหลังจากขาดออกซิเจนเป็นเวลา 3 นาที ซึ่งวิธีการขนส่งทางถนนที่หน่วยปฐมพยาบาลใช้อยู่ในปัจจุบันไม่สามารถไปถึงที่เกิดเหตุได้ภายใน 3 นาที ส่งผลให้มีการเสียชีวิตระหว่างการขนส่งหรือก่อนหน่วยปฐมพยาบาลจะมาถึงที่เกิดเหตุ ดังนั้นจึงได้มีการสำรวจการขนส่งอุปกรณ์การแพทย์ด้วยอากาศยานที่ควบคุมด้วยตนเองโดยอัตโนมัติ ซึ่งสามารถทำได้ผ่านการจัดส่งด้วยโดรนที่รวดเร็วกว่าใช้วิธีการทางถนน เนื่องจากอุปกรณ์สามารถบินตรงไปยังที่เกิดเหตุได้ ในโครงการนี้ เราจะสำรวจระบบการส่งมอบทางอากาศสำหรับอุปกรณ์การแพทย์ เช่น เครื่องกระตุ้นหัวใจอัตโนมัติ (AEDs) อุปกรณ์ปฐมพยาบาล และอุปกรณ์การแพทย์ขนาดเล็กอื่น ๆ ที่ร้องขอ เราจะทำสิ่งนี้ผ่านแพลตฟอร์มโดรนของ DJI และแอปพลิเคชัน SDK ของพวกเขา เป้าหมายหลักของโครงการนี้คือการลดเวลาการตอบสนองโดยการใช้โดรนอัตโนมัติเพื่อส่งมอบอุปกรณ์การแพทย์ เราพบว่าโดรนเป็นแพลตฟอร์มที่สามารถส่งมอบเครื่องกระตุ้นหัวใจไปยังผู้ป่วยได้อย่างมีประสิทธิภาพผ่านข้อมูลการบินที่รวบรวมและการทดสอบเบื้องต้น ซึ่งให้แพลตฟอร์มที่ยอดเยี่ยมสำหรับการพัฒนาระบบในอนาคต
คณะวิทยาศาสตร์
ในงานวิจัยนี้ ทำการผลิตเมมเบรนกราฟีนออกไซด์โดยใช้กระบวนการ Phase-Inversion Method ซึ่งเป็นการเปลี่ยนสถานะของพอลิเมอร์จากของเหลวไปเป็นของแข็งผ่านการแยกเฟส ซึ่งจะทำให้เกิดโครงสร้างรูพรุนในเมมเบรน โครงสร้างของเมมเบรนที่ได้ขึ้นอยู่กับวิธีการทำให้เกิดการแยกเฟส โดยวิธี Phase-Inversion เป็นหนึ่งในกระบวนการผลิตเมมเบรนที่มีความยืดหยุ่นสูง ต้นทุนต่ำ และสามารถควบคุมโครงสร้างของเมมเบรนได้ดี เหมาะสำหรับงานด้านการบำบัดน้ำ การแยกสาร และการกรองของเหลวหรือก๊าซในระดับอุตสาหกรรม กราฟีนออกไซด์ (Graphene Oxide, GO) เป็นวัสดุที่ได้รับความสนใจอย่างมากในด้านการนำมาผลิตเมมเบรนเพื่อใช้สำหรับบำบัดน้ำและการกำจัดของเสีย เนื่องจากมีโครงสร้างเป็นชั้นบางระดับนาโนเมตร ทำให้สามารถควบคุมการซึมผ่านของโมเลกุลน้ำได้อย่างมีประสิทธิภาพ และยังมีคุณสมบัติพิเศษ เช่น - การคัดแยกโมเลกุลที่มีประสิทธิภาพสูง: สามารถกรองอนุภาคนาโน ไอออนโลหะหนัก สารอินทรีย์ และจุลินทรีย์ได้ - ความสามารถในการซึมผ่านน้ำสูง: เนื่องจากโครงสร้างของกราฟีนออกไซด์มีช่องว่างระหว่างชั้นที่เอื้อต่อการเคลื่อนที่ของโมเลกุลน้ำ - ความทนทานทางเคมีและเชิงกลสูง: ทำให้สามารถใช้งานในสภาพแวดล้อมที่รุนแรง เช่น น้ำเสียอุตสาหกรรม หรือของเสียที่มีค่า pH สูงหรือต่ำได้ - คุณสมบัติการป้องกันการเปรอะเปื้อน (Antifouling): ลดการสะสมของสารปนเปื้อนบนพื้นผิวเมมเบรน - กราฟีนออกไซด์มีความชอบน้ำสูงเนื่องจากมีปริมาณหมู่ฟังชันของออกซิเจนอย่าง (OH-) ที่พื้นผิวที่ค่อนข้างมาก ส่งผลให้เป็นเป็นสารเติ่มแต่งที่ดีสำหรับการผลิตเมมเบรนด้วยเทคนิค Phase-Inversion Method การประยุกต์ใช้เมมเบรนกราฟีนออกไซด์ในการกำจัดของเสีย - การบำบัดน้ำเสียอุตสาหกรรม เช่น การกรองโลหะหนัก (Pb2+, Cr6+, Hg2+) และสารอินทรีย์ที่เป็นพิษ - การกำจัดสารปนเปื้อนทางชีวภาพ เช่น แบคทีเรีย ไวรัส และสารพิษจากจุลินทรีย์ - การแยกเกลือออกจากน้ำทะเล (Desalination) โดยสามารถใช้แทนเมมเบรนแบบดั้งเดิมเพื่อเพิ่มอัตราการซึมผ่านของน้ำและลดพลังงานที่ใช้ - การกำจัดสารปนเปื้อนทางเภสัชกรรม เช่น ยาปฏิชีวนะและฮอร์โมนที่ตกค้างในน้ำ