(แบบจำลองคณิตศาสตร์ด้วยวิธีพื้นผิวตอบสนองและวิธีโครงข่ายประสาทเทียมสำหรับทำนายผลแรงดึงเฉือนและขนาดนักเกตสำหรับเหล็กเคลือบสังกะสี JIS G3313 ที่ผ่านการเชื่อมความต้านทานชนิดจุด)
คำสำคัญ:
แบบจำลองคณิตศาสตร์, วิธีพื้นผิวตอบสนอง, วิธีโครงข่ายประสาทเทียม, การเชื่อมความต้านทานชนิดจุด, เหล็กเคลือบสังกะสีบทคัดย่อ
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างและวิเคราะห์รูปแบบจำลองทางคณิตศาสตร์ที่เหมาะสมด้วยวิธีการพื้นผิวตอบสนอง โดยออกแบบการทดลองแบบส่วนประสมกลาง และแบบจำลองด้วยวิธีโครงข่ายประสาทเทียม ในการทำนายค่าแรงดึงเฉือนและขนาดนักเกตสำหรับการเชื่อมความต้านทานชนิดจุดในเหล็กเคลือบสังกะสี JIS G3313 ปัจจัยที่ใช้ในการศึกษา 3 ปัจจัยได้แก่ กระแสไฟฟ้า เวลา และแรงกดอิเล็กโทรดในการเชื่อม หลังจากทำการเชื่อมได้มีการทดสอบแรงดึงเฉือน การวัดขนาดนักเกต และการวิเคราะห์โครงสร้างจุลภาคด้วยกล้องจุลทรรศน์อิเล็กตรอนแบบส่องกราด ผลการวิจัยพบว่าสภาวะการเชื่อมที่เหมาะสม คือ กระแสไฟฟ้าในการเชื่อม 12 กิโลแอมแปร์ เวลาในการเชื่อม 9 ไซเคิล และแรงกดอิเล็กโทรด 1.5 กิโลนิวตัน ส่งผลให้มีค่าแรงดึงเฉือน มีขนาดนักเกตตามเกณฑ์การยอมรับตามมาตรฐาน JIS Z3140:2017 โครงสร้างจุลภาคบริเวณเขตอิทธิพลความร้อนมีเกรนของเฟอร์ไรท์ เพิร์ลไรท์ละเอียดและหนาแน่น บริเวณนักเกตเกิดโครงสร้างเฟอร์ไรท์รูปเข็มที่มีความละเอียด จึงส่งผลให้ชิ้นงานเชื่อมมีความแข็งแรงสูง แบบจำลองทางคณิตศาสตร์ที่เหมาะสม คือ แบบจำลองทางคณิตศาสตร์จากวิธีโครงข่ายประสาทเทียม โดยโครงสร้างโครงข่ายประสาทเทียมสำหรับการทำนายค่าแรงดึงเฉือน คือ ชั้นอินพุทจำนวน 3 นิวรอน ชั้นซ่อนจำนวน 10 นิวรอน และชั้นแสดงผลจำนวน 1 นิวรอน (3-10-1) ค่าเฉลี่ยความคลาดเคลื่อนกำลังสองที่ 0.0026 ค่าสัมประสิทธิ์การตัดสินใจที่ 0.956 สำหรับทำนายขนาดนักเกต ชั้นอินพุทจำนวน 3 นิวรอน ชั้นซ่อนจำนวน 5 นิวรอน และชั้นแสดงผลจำนวน 1 นิวรอน (3-5-1) ค่าเฉลี่ยความคลาดเคลื่อนกำลังสองที่ 0.0004 ค่าสัมประสิทธิ์การตัดสินใจที่ 0.958 โดยงานวิจัยนี้ภาคอุตสาหกรรมการผลิตสามารถนำข้อมูลวิจัย และแบบจำลองทางคณิตศาสตร์ดังกล่าวไปใช้เพื่อพยากรณ์ ควบคุมคุณภาพของรอยเชื่อมให้ได้ค่าแรงดึงเฉือน และขนาดนักเกตตามเกณฑ์การยอมรับต่อไป
References
[1] R.L. O’Brien. “Welding Handbook” (8th ed.), American Welding Society, 1992.
[2] Toyota Motor Corporation, “Toyota New Global Architecture”, Available: http://www.toyota.co.th/ TNGA, 5 August 2018.
[3] W.H. Kearns, “Welding Handbook” (7th ed), American Welding Society,1982.
[4] L.F. Jeffus, “Welding Principles and Applications” Cengage Learning, 2014.
[5] R.L. O’Brien, “Welding Hand Book Test Methods for Evaluating Welded Joints”, (9th ed), American Welding Society, 2001.
[6] Japanese Industrial Standard, “JIS Z 3140-2017 Method of Inspection for Spot Welding”, Japanese Standard Association, 2017.
[7] C. Summerville, P. Compston and M. Doolan, “A Comparison of Resistance Spot Weld Quality Assessment Techniques”, Procedia Manufacturing 29, 2019, pp. 305-312.
[8] Aravinthan A. and Mohd A.N., “Spot Welding Parameter Optimization to Improve Weld Characteristics for Dissimilar Metals”, International Journal of Scientific & Technology Research 4, 2015, pp. 75-80.
[9] H. Long, Y. Hu, X. Jin, H. Yu and H. Zhu, “An Optimization Procedure for Spot-Welded Structures Based on SIMP Method”, Computational Materials Science 117, 2016, pp. 602-607.
[10] K. Zhou and P. Yao, “Overview of Recent Advances of Process Analysis and Quality Control in Resistance Spot Welding” Mechanical Systems and Signal Processing 124, 2019, pp.170-198.
[11] T. Arunchai, K. Sonthipermpoon, P. Apichayakul and K. Tamee, “Resistance Spot Welding Optimization Based on Artificial Neural Network”, International Journal of Manufacturing Engineering 54784, 2014, pp.1-6.
[12] D. Shah and D.P. Patel, “Prediction of Weld Strength of Resistance Spot Welding Using Artificial Neural Network” Journal of Engineering Research and Applications3, 2013, pp.1486-1491.
[13] H. Pashazadeh, Y. Gheisari, and M. Hamedi. "Statistical Modeling and Optimization of Resistance Spot Welding Process Parameters using Neural Networks and Multi-Objective Genetic Algorithm." Journal of Intelligent Manufacturing 27, 2016, pp. 549-559.
[14] F. Ahmed and K.Y. Kim, “Data-driven Weld Nugget Width Prediction with Decision Tree Algorithm” Procedia Manufacturing 10, 2017, pp. 1009-1019.
[15] K. He and X. Li. "A Quantitative Estimation Technique for Welding Quality using Local Mean Decomposition and Support Vector Machine." Journal of Intelligent Manufacturing 27, 2016, pp.525-533.
[16] B.S. Gawai, R.L. Karwande, M.D. Irfan and P.S. Thakare, “Mathematical Modeling and Optimization of Process Parameters for Tensile Strength and Nugget Diameter in Resistance Spot Welding of HR E-34 Steel Sheet Joint”, Proceedings of International Conference on Intelligent Manufacturing and Automation, Mumbai, India, 2018, pp. 3-13.
[17] F. A. Ghazali, Z. S. Yupiter, H. P. Manurung, Y. M. Taib, K. M. Hyie, M. A. Ahamat and S. H. A. Hamidi, Three Response Optimization of Spot-Welded Joint using Taguchi Design and Response Surface Methodology Techniques, The Advances in Joining Technology, 2018, pp. 85-95.
[18] F. Mirzaei, H. Ghorbani and F. Kolahan, Numerical Modeling and Optimization of Joint Strength in Resistance Spot Welding of Galvanized Steel Sheets, The International Journal of Advanced Manufacturing Technology, 92, 2017, pp. 3489–3501.
[19] Japanese Industrial Standard, “JIS Z 3136-1999 Specimen Dimensions and Procedure for Shear Testing Resistance Spot and Embossed Projection Welded Joints”, Japanese Standard Association, Japan, 1999.
[20] Mohammad D., Ahmed H. E., Othman J., Othman A. K. and Sharifah M., Comparison of Artificial Neural Network Transfer Functions Abilities to Simulate Extreme Runoff Data, 2012 International Conference on Environment, Energy and Biotechnology, Singapore, 2012, pp.39-44.
[21] Yixi Z., Yansong Z. and Xinmin L., Analysis of Fracture Modes of Resistance Spot Welded Hot-Stamped Boron Steel Metals, 764, 2018 pp.1-15.
[22] Chapple S.C., Temple P.I., Senatore D.A., Barras K. and Mccoy, R., “Welding Hand Book Weld Quality (9th ed., Vol.1)” American Welding Society, Miami, 2001.
[23] L. Kaščák, J. Viňáš and R. Mišičko, Influence of Welding Current in Resistance Spot Welding on the Properties of Zn Coated Steel DX51D, Songklanakarin Journal of Science and Technology 38, 2016, pp. 237-242.
[24] Lin H.C., Hsu C.A., Lee C.S., Kuo T.Y. and Jeng S.L., Effects of Zinc Layer Thickness on Resistance Spot Welding of Galvanized Mild Steel, Journal of Materials Processing Technology., 251, 2018, pp. 205-213
[25] Myers R.H., “Montgomery DC., Response Surface Methodology Process and Product Optimization using Designed Experiments”, 2 ed., John Wiley and Sons, New York, 2002.
[26] W.B. Oha, T.J. Yun, B.R. Lee, C.G. Kim, Z.L. Liang and I.S. Kim, A Study on Intelligent Algorithm to Control Welding Parameters for Lap-joint, Procedia Manufacturing,30, 2019, pp. 48-55.
