ถังบรรจุก๊าซความดันสูงที่ผลิตจากวัสดุประกอบ ได้แก่ คาร์บอนไฟเบอร์ เรซิน และพลาสติก ถูกออกแบบสำหรับบรรจุก๊าซธรรมชาติอัด (CNG) หรือไฮโดรเจน ซึ่งถูกเรียกว่าถังความดันสูง แบบที่4 โดยในงานวิจัยนี้ได้ออกแบบให้รองรับการใช้งานที่ความดัน 250 บาร์ สำหรับการขนส่งก๊าซธรรมชาติอัด
การบรรจุก๊าซที่ความดันสูงต้องใช้บรรจุภัณฑ์ที่มีความแข็งแรง การใช้ถังที่ผลิตจากโลหะถูกนำมาใช้ในช่วงแรกๆ แต่ปัญหาที่ตามมาคือน้ำหนักมากทำให้สิ้นเปลืองเชื้อเพลิงในกรณีที่นำไปติดตั้งบนยานพาหนะ จึงเกิดการพัฒนาถังความดันที่พัฒนาจากวัสดุประกอบขึ้นซึ่งจะช่วยลดน้ำหนักของบรรจุภัณฑ์และการกัดกร่อนเกิดขึ้นน้อย
คณะวิศวกรรมศาสตร์
โครงการสหกิจนี้มีวัตถุประสงค์เพื่อปรับปรุงประสิทธิภาพกระบวนการผลิต Hydrogen Manufacturing Unit 2 (HMU-2) และ Pressure Swing Adsorption 3 (PSA-3) โดยการใช้แบบจำลองกระบวนการ AVEVA Pro/II และ แบบจำลอง Machine Learning เพื่อจำลองกระบวนการ ผลการศึกษาพบว่า แบบจำลอง AVEVA Pro/II สามารถทำนายผลลัพธ์ โดยมีความคลาดเคลื่อนอยู่ในช่วง 0–35% มีความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA สูงถึง 12% เกินเกณฑ์ 10% ที่บริษัทยอมรับได้ จึงได้พัฒนาแบบจำลอง Machine Learning โดยการปรับไฮเปอร์พารามิเตอร์ของอัลกอริทึมแบบ Random Forest ผลการศึกษาพบว่าแบบจำลองมีความแม่นยำสูง มีค่า Mean Squared Error (MSE) มีค่า 8.48 และ 0.18 สำหรับข้อมูลกระบวนการ และ ข้อมูลห้องปฏิบัติการ และ R-squared มีค่า 0.98 และ 0.88 สำหรับข้อมูลชุดเดียวกัน และพบว่าสามารถทำนายผลลัพธ์ได้แม่นยำกว่าแบบจำลอง AVEVA Pro/II ในทุกๆ ตัวแปร สามารถลดความคลาดเคลื่อนของอัตราการไหลของไฮโดรเจนจากหน่วย PSA เหลือเพียง 4.75 และ 1.35% สำหรับอัตราการผลิต 180 และ 220 ตันต่อวันตามลำดับ จึงได้นำแบบจำลองมาทำการ Optimization ตัวแปรกระบวนการ พบว่าสามารถให้ข้อแนะนำในการปรับค่าตัวแปรต่างๆ ได้ โดยสามารถเพิ่มผลผลิตไฮโดรเจนได้ 7.8 ตันต่อวัน และสร้างผลกำไรเพิ่มขึ้น 850,966.23 บาทต่อปี
คณะวิทยาศาสตร์
การสรรหาบุคลากรเป็นกระบวนการสำคัญที่ช่วยให้องค์กรสามารถคัดเลือกบุคลากรที่มีคุณสมบัติตรงตามความต้องการของตำแหน่งงาน อย่างไรก็ตาม กระบวนการนี้มักเผชิญกับปัญหาด้านการจัดการข้อมูล ความล่าช้า และอคติของมนุษย์ งานวิจัยนี้มีวัตถุประสงค์เพื่อออกแบบและพัฒนาเว็บแอปพลิเคชันอัจฉริยะสำหรับการสรรหาพนักงานโดยใช้เทคโนโลยีปัญญาประดิษฐ์ (AI) เพื่อช่วยประเมินและให้คะแนนความเหมาะสมของผู้สมัครกับตำแหน่งงาน โดยใช้เทคนิคการวิเคราะห์ข้อมูลจากประวัติย่อ (Resume) และกระบวนการจับคู่คุณสมบัติตามเกณฑ์ที่กำหนด ระบบที่พัฒนาขึ้นตามหลักการอาไจล์ (Agile ) ใช้เทคโนโลยีการประมวลผลภาษาธรรมชาติ (Natural Language Processing: NLP) ในการวิเคราะห์ประวัติย่อ พิจารณาคุณสมบัติ ทักษะ และประสบการณ์ของผู้สมัคร พร้อมทั้งใช้การเรียนรู้ของเครื่อง (Machine Learning) ในการคาดการณ์และจัดลำดับความเหมาะสม ระบบสามารถรวบรวมข้อมูลจากหลายแหล่งให้อยู่ในฐานข้อมูลเดียวกัน เพื่อลดความซ้ำซ้อนและข้อผิดพลาดจากการป้อนข้อมูล และนำเสนอข้อมูลผ่านแดชบอร์ดเพื่อให้ฝ่ายทรัพยากรบุคคลสามารถตัดสินใจได้อย่างมีประสิทธิภาพ
คณะวิทยาศาสตร์
โครงงานนี้พัฒนาตู้รับซื้ออัตโนมัติสำหรับขวดพลาสติกและกระป๋อง โดยใช้ Machine Learning ในการจำแนกประเภทบรรจุภัณฑ์ผ่านการประมวลผลภาพ ร่วมกับระบบเซนเซอร์อัจฉริยะในการตรวจสอบคุณภาพของบรรจุภัณฑ์และควบคุมการทำงาน ระบบเชื่อมต่อกับ Web Application เพื่อแสดงผลและควบคุมการทำงานแบบเรียลไทม์ เมื่อยืนยันประเภทบรรจุภัณฑ์แล้ว จะคำนวณราคาและจ่ายเงินผ่าน e-wallet หรือออกคูปองแลกเงินสดโดยอัตโนมัติ ระบบนี้สามารถติดตั้งในพื้นที่สาธารณะเพื่อส่งเสริมการคัดแยกขยะตั้งแต่ต้นทาง ช่วยลดการปนเปื้อนและเพิ่มประสิทธิภาพการรีไซเคิล อีกทั้งยังสร้างแรงจูงใจทางการเงินให้ประชาชนมีส่วนร่วมในการจัดการขยะมากขึ้น โครงงานนี้แสดงให้เห็นถึงศักยภาพของการผสมผสาน Machine Learning และระบบเซนเซอร์อัจฉริยะในการพัฒนาโซลูชันการจัดการขยะที่แม่นยำ สะดวก และยั่งยืน **