การแก้ปัญหาผลตอบสนองหลายอย่างของการตัดเลเซอร์สำหรับเหล็ก SM490 โดยใช้การวิเคราะห์ความสัมพันธ์แบบเกรย์
Article Sidebar
Main Article Content
บทคัดย่อ
วัตถุประสงค์ของงานวิจัยกำหนดสภาวะการตัดที่เหมาะสมของการตัดเลเซอร์ ตัวแปรการตัดในการศึกษา คือ พลังงาน ความเร็วและแรงดันแก๊สในการตัด ออกแบบการทดลองใช้แฟคทอเรียลแบบเต็มรูป ใช้การออกแบบและวิเคราะห์การทดลอง (DOE) และการวิเคราะห์ความสัมพันธ์แบบเกรย์กำหนดตัวแปรที่เหมาะสม ผลแสดงให้เห็นการใช้การวิเคราะห์ความสัมพันธ์แบบเกรย์มีความน่าเชื่อถือมากกว่า DOE นอกจากนั้นวิธีการวิเคราะห์ความสัมพันธ์แบบเกรย์สามารถนำมาแก้ปัญหาสถานการณ์ที่เหมาะสมในกรณีหลายผลตอบสนองได้ สภาวะการตัดที่เหมาะสมที่ได้มาจากการวิเคราะห์ความสัมพันธ์แบบเกรย์ปรับปรุงคุณลักษณะการตัดให้ดีขึ้นเมื่อเปรียบเทียบกับผลเดิมที่ใช้ก่อนปรับปรุง
Article Details
กองบรรณาธิการวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ มีความยินดีที่จะรับบทความจากอาจารย์ นักวิจัย นักวิชาการทั้งภายในและภายนอกมหาวิทยาลัย ในสาขาวิชาวิทยาศาสตร์และเทคโนโลยี ได้แก่ สาขาวิชาวิทยาศาสตร์ วิศวกรรมศาสตร์ และสาขาอื่นๆ ที่เกี่ยวข้อง รวมถึงสาขาต่างๆ ที่มีการบูรณาการข้ามศาสตร์ที่เกี่ยวข้องวิทยาศาสตร์และเทคโนโลยี ที่เขียนเป็นภาษาไทยหรือภาษาอังกฤษ ซึ่งผลงานวิชาการที่ส่งมาขอตีพิมพ์ต้องไม่เคยเผยแพร่ในสิ่งพิมพ์อื่นใดมาก่อน และต้องไม่อยู่ในระหว่างการพิจารณาของวารสารอื่น
การละเมิดลิขสิทธิ์ถือเป็นความรับผิดชอบของผู้ส่งบทความโดยตรง บทความที่ได้รับการตีพิมพ์ต้องผ่านการพิจารณากลั่นกรองคุณภาพจากผู้ทรงคุณวุฒิและได้รับความเห็นชอบจากกองบรรณาธิการ
ข้อความที่ปรากฏอยู่ในแต่ละบทความที่ตีพิมพ์ในวารสารวิชาการเล่มนี้ เป็นความคิดเห็นส่วนตัวของผู้เขียนแต่ละท่าน ไม่เกี่ยวข้องกับมหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพแต่อย่างใด ความรับผิดชอบด้านเนื้อหาและการตรวจร่างบทความแต่ละบทความเป็นของผู้เขียนแต่ละท่าน หากมีความผิดพลาดใดๆ ผู้เขียนแต่ละท่านจะต้องรับผิดชอบบทความของตนเองแต่ผู้เดียว
กองบรรณาธิการขอสงวนสิทธิ์มิให้นำเนื้อหา หรือข้อคิดเห็นใดๆ ของบทความในวารสารวิชาการ มหาวิทยาลัยเทคโนโลยีราชมงคลกรุงเทพ ไปเผยแพร่ก่อนได้รับอนุญาตจากกองบรรณาธิการ อย่างเป็นลายลักษณ์อักษร ผลงานที่ได้รับการตีพิมพ์ถือเป็นลิขสิทธิ์ของวารสาร
References
[2] A.K. Tingaev, R.G. Gubaydulin, and I.A. Ilin. Study of the Effect of Thermal Cutting on the Microstructure and Chemical Composition of the Edges of Workpieces Made of Steel Brands S345, S390. Procedia Engineeing, 150, 2016, p.1783-1790.
[3] J. Wei, Y. Y, Z. Sun, L. Liu, G. Zou. Control of the kerf size and microstructure in Inconel 738 superalloy by femtosecond laser beam cutting. Applied Surface Science. 370, 2016: 364–372.
[4] A. Riveiro, et al. CO2 laser cutting of natural granite. Optics & Laser. 76, 2016: 19-28.
[5] R. Adalarasan, M. Santhanakumar, M. Rajmohan. Optimization of laser cutting parameters for Al6061/SiCp/Al2O3 composite using grey based response surface methodology (GRSM). Measurement. 73, 2015: 596–606.
[6] P. Jiang, C. Wang, Q. Zhou, X. Shao, L. Shu, X. Li. Optimization of laser welding process parameters of stainless steel 316L using FEM, Kriging and NSGA-II. Advances in Engineering Software. 99, 2016: 147-160.
[7] A. K., Dubey, Vinod Yadava. Multi-objective optimization of Nd:YAG laser cutting of nickel-based superalloy sheet using orthogonal array with principal component analysis. Optics and Lasers in Engineering. 46, 2008: 124-132.
[8] A. Choubey. Studies on pulsed Nd:YAG laser cutting of thick stainless steel in dry air and underwater environment for dismantling applications. Optical & Laser Technology. 71, 2015: 6-15.
[9] B. D. Prajapati , R. J. Patel and B. C. Khatri. Parametric Investigation of CO2 Laser Cutting of Mild Steel and Hardox-400 Material. International Journal of Emerging Technology and Advanced Engineering. 3, 2013: 204-208.
[10] D.C. Montgomery. Design and Analysis of Experiments 6th Edition, John. Wiley & Sons, Inc.
[11] S. Mullick, Y.K. Madhukar, S. Roy, A.K. Nath. Performance optimization of water-jet assisted underwater laser cutting of AISI 304 stainless steel sheet. Optics and Laser in Engineering. 83, 2016: 32-47.
[12] O. Anicic , S. Jović, H. Skrijelj, Bogdan Nedić. Prediction of laser cutting heat affected zone by extreme learning machine. Optics and Laser in Engineering. 88, 2017: 1-4.
[13] D. Petković, V. Nikolić, M. Milovančević, L. Lazov. Estimation of the most influential factors on the laser cutting process heat affected zone (HAZ) by adaptive neuro-fuzzy technique. Infrared Physics & Technology. 77, 2016: 12-15.
[14] B. Rajeswari, K.S. Amirthagadeswaran. Experimental investigation of machinability characteristics and multiresponse optimization of end milling in aluminium composites using RSM based grey relational analysis. Measurement 105, 2017: 78-86.