ผลิตภัณฑ์ Banana Blossom Chips เป็นขนมขบเคี้ยวเพื่อสุขภาพที่อุดมไปด้วยใยอาหาร สารต้านอนุมูลอิสระ และโปรตีนจากพืช โดยเกิดจากการผสมผสานวัตถุดิบท้องถิ่นของไทย คือปลีกล้วยที่มีใยอาหารและสารต้านอนุมูลอิสระสูง แป้งถั่วลูกไก่ที่เป็นแหล่งโปรตีนจากพืช และข้าวกล้องหอมมะลิแดง ที่มีค่า GI ต่ำและสารต้านอนุมูลอิสระสูง ผ่านกระบวนการแปรรูปที่ให้ความกรอบและมีรูปร่างที่เป็นเอกลักษณ์ ลดปริมาณไขมัน ปราศจากกลูเตน รวมทั้งช่วยคงคุณค่าสารอาหาร จึงเป็นทางเลือกใหม่ให้กับผู้บริโภคที่รักสุขภาพ และเป็นการเพิ่มมูลค่าให้กับผลผลิตทางการเกษตรของไทย
เป็นผลงานการพัฒนาผลิตภัณฑ์ของนักศึกษาคณะอุตสาหกรรมอาหาร ที่ได้รับรางวัลรองชนะเลิศอันดับ 2 ในการประกวดนวัตกรรมผลิตภัณฑ์อาหารและเครื่องดื่ม Conovative Award 2024 ครั้งที่ 4 โดย บริษัท ไทยโคโคนัท จำกัด (มหาชน)
คณะวิทยาศาสตร์
ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อพัฒนาและเปรียบเทียบประสิทธิภาพของแบบจำลองการทำนายราคาทองคำโดยใช้ตัวแปรเชิงปริมาณและ ข้อมูลข้อความจากข่าว งานวิจัยนี้ใช้ตัวแปรต้น 9 ตัว ได้แก่ ราคาน้ำ มันดิบเบรนท์ ราคาน้ำมันดิบ WTI ราคาโลหะเงิน ราคาแพลทินัม อัตราดอกเบี้ยนโยบายของธนาคารกลางสหรัฐ (FED) ดัชนีตลาดหุ้น ญี่ปุ่น นิกเคอิ 225 ดัชนีค่าเฉลี่ยอุตสาหกรรมดาวโจนส์ ดัชนี S&P 500และข้อมูลข่าวจากสำนักข่าวกรุงเทพธุรกิจ ข้อมูลข่าวสารที่เกี่ยวข้องจะ ถูกนำมาวิเคราะห์ด้วยเทคนิคการประมวลผลภาษาธรรมชาติ (Natural Language Processing - NLP) และนำมาประยุกต์ใช้ร่วม กับแบบจำลองการเรียนรู้ของเครื่อง (Machine Learning) โดยเปรียบเทียบ 3 วิธี ได้แก่ Gradient Boosting, Machine Learning Models และ Regression Analysis จากนั้นทำการประเมินประสิทธิภาพของแบบจำลองโดยใช้ตัวชี้วัด 3 ตัว ได้แก่ รากของค่าคลาดเคลื่อนกำลังสองเฉลี่ย (Root Mean Square Error: RMSE), ค่าคลาดเคลื่อนสัมบูรณ์เฉลี่ย (Mean Absolute Error: MAE) และ สัมประสิทธิ์การกำหนด (Coefficient of Determination: R^2) งานวิจัยนี้คาดหวังว่าแบบจำลองที่พัฒนาขึ้นจะสามารถช่วยให้นักลงทุนและนักวิเคราะห์สามารถใช้ข้อมูลเชิงปริมาณและข่าวสารในการทำนายราคาทองคำได้อย่างมีประสิทธิภาพมากขึ้น
คณะวิทยาศาสตร์
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
คณะวิศวกรรมศาสตร์
โครงการนี้จัดทำขึ้นเพื่อตอบสนองความต้องการในการพัฒนาทักษะและองค์ความรู้ด้านระบบนิวเมติกส์และการควบคุมอัตโนมัติ ซึ่งเป็นหัวใจสำคัญในอุตสาหกรรมการผลิตในปัจจุบัน โดยระบบนิวเมติกส์มีบทบาทสำคัญในกระบวนการผลิตหลายประเภท เช่น การควบคุมเครื่องจักร อุปกรณ์อัตโนมัติ และระบบสายการผลิต อย่างไรก็ตาม ภาควิชาวิศวกรรมวัดคุมไม่มีห้องปฏิบัติการที่รองรับการศึกษาและทดลองเกี่ยวกับระบบนิวเมติกส์ เนื่องจากอุปกรณ์เดิมที่เคยใช้เกิดการชำรุดและไม่ได้รับการซ่อมแซม ทำให้นักศึกษาขาดโอกาสในการฝึกฝนทักษะที่สำคัญต่อการทำงานในภาคอุตสาหกรรม คณะผู้จัดทำเห็นถึงความจำเป็นในการฟื้นฟูและพัฒนาห้องปฏิบัติการนิวเมติกส์ให้สามารถตอบโจทย์การเรียนการสอนและการวิจัยได้อย่างมีประสิทธิภาพ โดยปริญญานิพนธ์นี้มุ่งเน้นการศึกษาและพัฒนาระบบควบคุมแขนกลอุตสาหกรรมและระบบนิวเมติกส์ ควบคู่ไปกับการบูรณาการเทคโนโลยีสมัยใหม่ เช่น PLC (Programmable Logic Controller) และ AI Vision ซึ่งสามารถนำไปประยุกต์ใช้งานจริงในบริบทอุตสาหกรรม ผลการดำเนินงานในโครงการนี้นอกจากจะช่วยเสริมสร้างความเข้าใจในเทคโนโลยีที่เกี่ยวข้องแล้ว ยังมุ่งหวังที่จะพัฒนาห้องปฏิบัติการให้กลายเป็นแหล่งเรียนรู้ที่สำคัญสำหรับนักศึกษารุ่นปัจจุบันและรุ่นถัดไป รวมถึงเพิ่มขีดความสามารถในการแข่งขันของนักศึกษาในตลาดแรงงาน พร้อมทั้งสนับสนุนการพัฒนานวัตกรรมในอุตสาหกรรมการผลิตต่อไปในอนาคต