รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมคอมพิวเตอร์ ปี พ.ศ. 2563
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2562
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
การทำนายองค์ประกอบมอนอเมอร์จากโครงสร้างพอลิเมอร์
ชื่อโครงงานภาษาอังกฤษ
Prediction of Monomer Components from Polymer Structure
ผู้พัฒนา
5910503693 ชลทัศน์ ทัศนปรีชาชัย
อาจารย์ที่ปรึกษาหลัก
สุภาพร เอื้อจงมานี
อาจารย์ที่ปรึกษาร่วม
นนทวัฒน์ จันทร์เจริญ
บทคัดย่อ
พอลิเมอร์สามารถสร้างได้จากสารประกอบมอนอเมอร์หลายตัวและใช้อัตราส่วนของมอนอเมอร์ที่แตกต่างกัน ส่งผลให้พอลิเมอร์ที่ได้มีคุณสมบัติที่ต้องการแตกต่างกันออกไป หากมีผลิตภัณฑ์พอลิเมอร์ที่ต้องการผลิตแต่ไม่ทราบสารประกอบมอนอเมอร์หรืออัตราส่วนที่ใช้ โดยปกติการหาส่วนประกอบของพอลิเมอร์นั้น จะต้องทำการทดลองที่มีอุปกรณ์และขั้นตอนที่ยุ่งยาก ใช้เวลานาน โครงงานนี้นำเสนอวิธีการนำการเรียนรู้ด้วยเครื่องมาพัฒนาตัวแบบเพื่อช่วยจำแนกสารประกอบมอนอเมอร์ และทำนายอัตราส่วนที่ใช้ โครงงานนี้ทดลองข้อมูลนำเข้าแบบต่างๆเพื่อใช้กับการเรียนรู้ด้วยเครื่องหลากหลายวิธี โดยพบว่าวิธีที่ใช้ในการจำแนกสารประกอบมอนอเมอร์ ที่ให้ความถูกต้องมากที่สุด คือ วิธีเปรียบเทียบพื้นที่ทับซ้อน และ วิธี Residual Network ส่วนวิธีทำนายอัตราส่วนของมอนอเมอร์ พบว่า วิธีที่ให้ดีที่สุด คือ วิธี Random Forest ผลลัพธ์ของโครงงานนี้ ช่วยให้สามารถทำนายสารประกอบมอนอเมอร์และอัตราส่วนที่ใช้ได้ โดยไม่จำเป็นต้องดำเนินการทดลองจริง ช่วยลดเวลา ต้นทุน และแรงงาน เพิ่มประสิทธิภาพในกระบวนการผลิต
Abstract
Polymer is a compound of monomers with different ratios. This leads to polymers with different desired properties. The desired polymer can be unknown of its monomer components and the monomer ratios. Generally, to find out the monomer components or ratios requires laboratory equipment, complicated process, and lengthy experiment duration. This project proposes to use machine learning to develop a model to help classify monomer components and to estimate monomer ratios. This project experiments on several input data sets and many machine learning algorithms. The results find that to classify monomer components, overlapping-area comparison and residual network provide the best algorithm. For monomer ratio estimation, the most accurate learning algorithm is random forest. The results from this project help indicate monomer components and their ratios without actual laboratory experiments. Thus, this decreases production time, cost, and labor, and enhances production efficiency.
คำสำคัญ (Keywords)
การเรียนรู้ด้วยเครื่อง, การจำแนกองค์ประกอบของพอลิเมอร์, การทำนายอัตราส่วนมอนอเมอร์, machine learning, polymer-component classification, monomer-ratio estimation
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
-
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
ชลทัศน์
ทัศนปรีชาชัย
(b5910503693)
แก้ไขครั้งสุดท้าย
เมื่อ April 17, 2020, 10:50 p.m. โดย
ชลทัศน์
ทัศนปรีชาชัย
(b5910503693)
สถานะการอนุมัติ
รออนุมัติ