แบบจำลองคณิตศาสตร์ด้วยวิธีพื้นผิวตอบสนองและวิธีโครงข่ายประสาทเทียมสำหรับทำนายผลแรงดึงเฉือนและขนาดนักเกตสำหรับเหล็กเคลือบสังกะสี JIS G3313 ที่ผ่านการเชื่อมความต้านทานชนิดจุด Mathematic Model by Response Surface Methodology and Artificial Neural Netw

Abstract

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

Abstract

This research described to the determine an optimization mathematic model using response surface methodology in central composite design method and artificial neural network (ANN) for predicting the of tensile shear and nugget size in the zinc coated steel JIS G3313. The following resistance spot welding (RSW) parameters were studied: the welding current, welding time, and electrode force. The resulting materials were examined using tensile shear tests which were observed nugget size and microstructure with scanning electron microscopy (SEM). The microstructure phenomenon could be explained by the welding optimum condition that fine pearlite and intensity in heat affected zone. The research results reveal that an optimum RSW parameters were welding current of 12 kilo amperes, welding time of 9 cycle and 1.5 kilo newton electrode force. The fine acicular ferrite occurred in the nugget size, which results in increased welding material high mechanical property. The ANN model with the proposed mathematical model, which tensile shear represents 3 neurons for the input 10 neurons for 1 hidden layer and 1 output neurons (3-10-1). The ANN model was developed to establish of the nugget predict represents 3 neurons for the input 5 neurons for 1 hidden layer and 1 output neurons (3-5-1). The mean square error (MSE) and coefficient of determination (R²) for tensile shear predict was showed that of 0.0026 and 0.956 respectively, which nugget size predicted MSE of 0.0004 and R² of 0.958. This research, the related manufacturing sector can use research data and mathematical models was used to predict and quality control of the RSW processes to obtain tensile shear and the nugget size according to the acceptance criteria