การปรับปรุงความเรียบผิวกระเบื้องแผ่นเรียบโดยใช้การทดลองสปลิตพล็อตแบบมีปัจจัยที่ควบคุมไม่ได้

Article Sidebar

PDF
เผยแพร่แล้ว: มิ.ย. 11, 2019
คำสำคัญ:
กระเบื้องซีเมนต์แผ่นเรียบ การทดลองแบบสปลิตพล็อต ปัจจัยที่ควบคุมไม่ได้ การวิเคราะห์เชิงสถิติ

Main Article Content

Kritsakorn Duangklang
Department of Industrial Engineering, Faculty of Engineering, King Mongkut’s University of Technology North Bangkok, Bangkok
Teeradej Wuttipornpun
Department of Industrial Engineering, Faculty of Engineering, King Mongkut’s University of Technology North Bangkok, Bangkok
Watcharapan Sukkerd
Department of Industrial Engineering, Faculty of Engineering, Rajamangala University of Technology Phra Nakhon, Bangkok

บทคัดย่อ

ปัจจุบันพบว่ากระเบื้องแผ่นเรียบที่ผลิตได้จากโรงงานกรณีศึกษามีค่าความเรียบผิวไม่อยู่ในช่วงที่ลูกค้าต้องการ (8 ถึง 10.55 ไมโครเมตร) ซึ่งทำให้โรงงานกรณีศึกษา มีค่าใช้จ่ายในการเปลี่ยนสินค้าเฉลี่ยประมาณ 100,000 บาทต่อเดือน งานวิจัยนี้มีวัตถุประสงค์เพื่อหาปัจจัยที่เหมาะสมในกระบวนผลิตกระเบื้อง เพื่อให้ได้ค่าความเรียบผิวอยู่ในช่วงที่ลูกค้ากำหนด จากการศึกษาพบว่ามีปัจจัยที่เกี่ยวข้อง ได้แก่ ความเร็วในการป้อนกระเบื้อง ระยะห่างของลูกรีด แรงกดของลูกรีด และค่าความชื้นสัมพัทธ์ ผู้วิจัยได้ใช้การทดลองแบบสปลิตพล็อตเนื่องจากความเร็วในการป้อนกระเบื้องเปียกนั้นปรับตั้งได้ยากส่วนปัจจัยทางด้านความชื้นสัมพัทธ์จะถูกกำหนดให้เป็นปัจจัยที่ทราบค่าแต่ไม่สามารถควบคุมได้ จากการทดลองพบว่าควรกำหนดความเร็วในการป้อนกระเบื้องที่ 60 เมตรต่อนาที ระยะห่างระหว่างลูกรีด 7.0 มิลลิเมตร แรงกดของลูกรีด 90 บาร์และความชื้นสัมพัทธ์ของกระบวนการที่ 27.98 เปอร์เซ็นต์ โดยจะทำให้ได้ค่าความเรียบผิวของกระเบื้องอยู่ที่ 8.73 ไมโครเมตรผลจากงานวิจัยนี้ทำให้โรงงานสามารถลดต้นทุนในการเปลี่ยนสินค้าที่เกิดจากปัญหาความเรียบผิวลงได้ทั้งหมด

Article Details

ฉบับ
ปีที่ 28 ฉบับที่ 4 (2018): October-December, 2018
บท
บทความวิจัย ด้านวิศวกรรมศาสตร์

บทความที่ลงตีพิมพ์เป็นข้อคิดเห็นของผู้เขียนเท่านั้น
ผู้เขียนจะต้องเป็นผู้รับผิดชอบต่อผลทางกฎหมายใดๆ ที่อาจเกิดขึ้นจากบทความนั้น

References

[1] G. E. P. Box and S. Jones, “Split-plot designs for robust product experimentation,” Journal of Applied Statistics, vol. 19, no.1, pp. 3–26, 1992.

[2] S. M. Kowalsaki and K. J. Potcner, “How to recognize a split-plot experiment” Quality Progress, vol. 36, no. 11, pp. 60–66, 2003.

[3] J. E. King, “Sample size determination for the split-plot factorial design,” in Annual meeting of the Southwest Educational Research Association, Austin, Texas, 2006, pp. 1–6.

[4] B. Jones and C. J. Nachtsheim, “Split-plot designs: What, Why, and How,” Journal of Quality Technology, vol. 41, no. 4, pp. 340–361, 2009.

[5] E. Schoen, B. Jones, and P. Goos, “A split-plot experiment with factor-dependent whole-plot sizes,” Journal of Quality Technology, vol. 43, no. 1, pp. 66–79, 2017.

[6] S. Dumyos, A. Kamnunrat, and V. Jarupoj, “Application of canavalia ensiformis as a green manure in sangyodphatthalung rice variety production,” in Proceedings of the 48th Kasetsart University Annual Conference, 2010, pp. 227–235 (in Thai).

[7] D. C. Montgomery, Design and Analysis of Experiments, 8th ed. Hoboken, NJ: John Wiley & Sons, 2017.