การพยากรณ์ค่าความขรุขระผิวชิ้นงานขณะตัดสำหรับกระบวนการกลึงซีเอ็นซีด้วยอัตราส่วนแรงตัด (IN-PROCESS PREDICTION OF SURFACE ROUGHNESS FOR CNC TURNING PROCESS BY USING THE CUTTING FORCE RATIO)

Abstract

งานวิจัยนี้มีจุดประสงค์เพื่อเสนอสมการการพยากรณ์ความขรุขระผิวชิ้นงานขณะตัดในกระบวนการกลึงโดยการประยุกต์ใช้อัตราส่วนแรงตัดเพื่อใช้ถึงเครื่องจักรกลอัจฉริยะให้เป็นประโยชน์มากยิ่งขึ้น สมการจากงานวิจัยนี้ได้พัฒนามาจากการทดลองโดยอยู่ในรูปแบบของฟังก์ชันเอ็กโปเนนเชียลที่ประกอบด้วยตัวแปรห้าตัวแปร ได้แก่ ความเร็วตัด อัตราการป้อน รัศมีจมูกมีดตัด ความลึกในการตัด และอัตราส่วนแรงตัด ค่าสัมประสิทธิ์ในฟังก์ชันเอ็กโปเนนเชียลสามารถคำนวณได้โดยใช้สมการถดถอยพหุคูณด้วยวิธีกำลังสองน้อยที่สุด ทั้งนี้งานวิจัยยังสร้างขอบเขตการพยากรณ์ที่ระดับความเชื่อมั่น 95% ในการพยากรณ์ความขรุขระผิวของชิ้นงาน จากผลการนำไปประยุกต์ใช้พบว่าสมการที่สร้างขึ้นสามารถพยากรณ์ความขรุขระผิวชิ้นงานขณะตัดได้ออกมาอย่างแม่นยำและเป็นที่ยอมรับได้คำสำคัญ: อัตราส่วนแรงตัด การกลึง ความขรุขระผิวชิ้นงาน การพยากรณ์ การตรวจติดตามIn order to realize the intelligent machine tools, the objective of this research is to propose a practical model to predict the in-process surface roughness during the turning process by using the cutting force ratio. The proposed in-process surface roughness model is developed based on the experimentally obtained results by employing the exponential function with five factors of the cutting speed, the feed rate, the tool nose radius, the depth of cut, and the cutting force ratio. The multiple regression analysis is utilized to calculate the regression coefficients with the use of the least square method. The prediction interval of the in-process surface roughness model has been also presented to monitor and control the in-process predicted surface roughness at 95% confident level. It is proved by the cutting tests that the proposed and developed in-process surface roughness model can be used to predict the in-process surface roughness by utilizing the cutting force ratio with the highly acceptable prediction accuracy.Keywords: Cutting force ratio, Turning, Surface roughness, Prediction, Monitoring