fieldjournalid
![]() | วิทยานิพนธ์ (MET) 2024 |
| 1. | การพัฒนาระบบติดตามและแสดงผลกระบวนการผลิตโดยใช้ IIoT กรณีศึกษา ชุดจำลองระบบการผลิตอัตโนมัติ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : สิรวิชญ์ สวิง | ||
| การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อประเมินประสิทธิภาพของการนำเทคโนโลยีอุตสาหกรรม 4.0 มาประยุกต์ใช้ในการผลิตอัจฉริยะ โดยมุ่งเน้นที่การแก้ไขปัญหาความท้าทายด้านการแข่งขันในภาคอุตสาหกรรม ระบบตรวจสอบและควบคุมแบบเรียลไทม์ที่พัฒนาขึ้นโดยใช้โปรแกรม Node-Red และแสดงผลข้อมูลผ่านโปรแกรม Grafana สามารถติดตามข้อมูลสำคัญในการผลิตได้ ประกอบด้วย จำนวนชิ้นงานการผลิต สถานะของเครื่องจักร ปริมาณการใช้พลังงาน ระดับความสั่นสะเทือน และระดับอุณหภูมิของเครื่องจักร นอกจากนี้ระบบยังสามารถวิเคราะห์ข้อมูลเพื่อระบุปัญหาที่อาจเกิดขึ้น และดำเนินการแก้ไขได้โดยอัตโนมัติ ส่งผลให้กระบวนการทำงานของเครื่องจักรมีความต่อเนื่อง เพิ่มค่าความแม่นยำในการผลิต สามารถทราบผลการดำเนินงานได้อย่างทันท่วงที และช่วยในการวางแผนการผลิตรวมถึงการจัดการการใช้พลังงานอย่างเหมาะสม ผลการศึกษาพบว่าระบบประกอบด้วย สถานะทำงาน สถานะหยุดทำงาน สถานะกำลังดำเนินการ และสถานะเสร็จสิ้นการทำงาน ซึ่งสอดคล้องกับแผนการผลิตที่กำหนดไว้ 4 ชิ้นงาน โดยแบ่งประเภทวัสดุออกเป็น 3 ชนิด ได้แก่ อะลูมิเนียม พลาสติกสีเหลือง และพลาสติกสีดำ ระบบสามารถแสดงผลความสำเร็จของการผลิตได้ 100% สามารถตรวจสอบการใช้พลังงานทุกสถานีต่อการผลิต 1 ชิ้นคือ 0.0375 kWh และควบคุมอุณหภูมิการทำงานของเครื่องจักรให้อยู่ที่ระดับเหมาะสม 27.5 องศาเซลเซียสได้อย่างมีประสิทธิภาพ นอกจากนี้ ระบบยังสามารถตรวจสอบระดับการสั่นสะเทือนของมอเตอร์สายพานลำเลียงหลัก ซึ่งมีค่าปกติที่ 0.7 มิลลิเมตรต่อวินาที และสามารถปรับความเร็วของเครื่องจักรได้โดยอัตโนมัติเมื่อตรวจพบความผิดปกติ เพื่อป้องกันความเสียหายที่อาจเกิดขึ้นได้ รวมถึงการควบคุมระยะไกลช่วยให้สามารถดำเนินการปิดเครื่องฉุกเฉินและปรับปรุงพารามิเตอร์ต่างๆ ได้ตา
Full Text : Download! |
||
| 2. | การออกแบบเทคนิคการเรียนรู้เชิงลึกสำหรับระบบตรวจจับข้อบกพร่องของ PCB โดยใช้ YOLOv10 [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : สุมารินทร์ เรืองโรจน์ | ||
| งานวิจัยนี้มุ่งเน้นการพัฒนาระบบตรวจจับข้อบกพร่องบนแผงวงจรพิมพ์ (PCB) โดยใช้เทคนิคการเรียนรู้เชิงลึกผ่านโมเดล YOLOv10 เพื่อเพิ่มความแม่นยำและประสิทธิภาพในการตรวจจับข้อบกพร่อง การศึกษาได้ทำการติดป้ายกำกับภาพที่มีข้อบกพร่องทั้งหมด 980 ภาพ โดยใช้แพลตฟอร์ม Roboflow ซึ่งช่วยในการจัดการชุดข้อมูลต่าง ๆ เช่น การทำ Labeling, Preprocessing, Augmentation, และการแปลงข้อมูลเพื่อนำไปฝึกโมเดล AI
ชุดข้อมูลถูกแบ่งออกเป็น 80% สำหรับการฝึกโมเดลและ 20% สำหรับการทดสอบ โดยในชุดข้อมูลการฝึกโมเดลจะถูกแบ่งย่อยเป็น 64% สำหรับการฝึกและ 16% สำหรับการตรวจสอบความถูกต้อง การตรวจจับข้อบกพร่องสามารถระบุได้ถึง 5 ประเภทหลัก รวมถึงการเชื่อมต่อที่ไม่สมบูรณ์ รอยแตก และการวางชิ้นส่วนผิดตำแหน่ง การศึกษาได้ใช้เทคนิค CSPNet และ PANet ที่ถูกผสมผสานเข้าไปใน YOLOv10 เพื่อเพิ่มประสิทธิภาพในการรวมฟีเจอร์จากหลายเลเยอร์ ซึ่งทำให้ระบบสามารถตรวจจับวัตถุได้อย่างรวดเร็วและมีประสิทธิภาพสูง
ผลการทดลองพบว่า YOLOv10 สามารถตรวจจับข้อบกพร่องได้อย่างแม่นยำ โดยมีค่า F1-Score และ mAP50 มากกว่า 95% ระบบนี้ไม่เพียงแต่ลดความผิดพลาดในการผลิต แต่ยังเพิ่มประสิทธิภาพในกระบวนการตรวจสอบคุณภาพของผลิตภัณฑ์ในอุตสาหกรรมอิเล็กทรอนิกส์ การวิจัยนี้ชี้ให้เห็นถึงศักยภาพของการนำเทคโนโลยีแมชชีนวิชั่นมาประยุกต์ใช้ในกระบวนการผลิต PCB
Full Text : Download! |
||
| 3. | : การหาอิทธิพลของแรงเสียดทานและความเร็วของหัวกดต่อความแข็งของชิ้นงานทุบขึ้นรูปเย็นวัสดุ S20C ด้วยกรรมวิธีไฟไนต์เอลิเมนต์ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : ยอดรัก รีสิงห์ | ||
| การศึกษานี้มุ่งตรวจสอบผลกระทบของค่าสัมประสิทธิ์แรงเสียดทานและความเร็วของหัวกดต่อความแข็งของเหล็ก S20C หลังการทุบขึ้นรูปเย็น โดยใช้วิธีไฟไนต์เอลิเมนต์ผ่านโปรแกรมวิศวกรรมสำเร็จรูป Simufact Forming พิจารณาระดับค่าสัมประสิทธิ์แรงเสียดทาน 5 ระดับประกอบด้วย 0.02, 0.04, 0.06, 0.08, และ 0.10 ใช้ความเร็วการเคลื่อนที่ของหัวกด 3 ระดับประกอบด้วย 200, 220 และ 240 มิลลิเมตร ต่อ วินาที บนแม่พิมพ์ทุบขึ้นรูปเย็นแบบ 3 ขั้นตอน ประกอบด้วยแม่พิมพ์เตรียมรูปทรงเริ่มต้น แม่พิมพ์ทุบขึ้นรูปชิ้นงานตามแบบ และแม่พิมพ์ตัดขอบ ผลการจำลองด้วยโปแกรมพบว่า ความเร็วการเคลื่อนที่ของหัวกดสูงทำให้วัสดุไหลได้เร็วขึ้นมีโอกาสเกิดการกระจายความเครียดที่ไม่สม่ำเสมอในชิ้นงานและเพิ่มอุณหภูมิในพื้นที่ที่มีแรงเสียดทานสูงจากความร้อนที่เกิดขึ้น ทำให้ความแข็งลดลงในบางจุด ความเร็วต่ำส่งผลให้การกระจายความเครียดดีขึ้นและเกิดความเครียดแข็งมากขึ้น ส่งผลต่อความแข็งที่สม่ำเสมอ แรงเสียดทานสูงทำให้การไหลของวัสดุถูกจำกัด โดยเฉพาะบริเวณผิวสัมผัสของแม่พิมพ์และชิ้นงาน แรงเสียดทานต่ำช่วยให้วัสดุไหลได้ดีขึ้น ลดการสะสมของแรงกดในพื้นที่เฉพาะ ทำให้ความแข็งกระจายสม่ำเสมอมากขึ้น การควบคุมความเร็วหัวกดและแรงเสียดทานให้อยู่ในระดับสมดุลจะช่วยให้ชิ้นงานมีความแข็งที่เหมาะสมและกระจายตัวสม่ำเสมอ พร้อมทั้งลดปัญหาอุณหภูมิสูงและความเสียหายของแม่พิมพ์ในกระบวนการผลิต ที่ระดับสัมประสิทธิ์แรงเสียดทาน 0.04 ระดับความเร็วของหัวกดที่เหมาะสมที่ 220 มิลลิเมตรต่อวินาที ให้ค่าอุณหภูมิ การกระจายความเครียด การไหลของเนื้อวัสดุและแรงกดที่ส่งผลให้ได้ค่าความแข็งของชิ้นงานเพิ่มขึ้นสอดคล้องกับผลการทดลอง ผลการศึกษานี้นำเสนอข้อเสนอแนะที่สำคัญสำหรับการเพิ่มประสิทธิภาพสภาพการทุบขึ
Full Text : Download! |
||
| 4. | ระบบการตรวจจับคนสูบบุรี่ในสถานที่ห้ามสูบด้วยทฤษฎีโครงข่ายประสาทเทียมเชิงลึกแบบผสม [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : จิรายุส บุญสุข | ||
| ในปัจจุบันการสูบบุหรี่ในที่สาธารณะยังคงเป็นปัญหาที่ยังแก้ไขไม่ได้และถูกละเลยและมองว่ายังเป็นปัญหาที่เล็กน้อยแต่ส่งผลกระทบต่อมนุษย์ในทางอ้อม ผู้วิจัยจึงมุ่งเน้นงานวิจัยเครื่องมือที่ช่วยให้การตรวจจับคนสูบบุหรี่ในที่ห้ามสูบและแจ้งเตือนแก่ผู้ดูแลแบบเรียลไทม์ เพื่อให้ผู้ดูแลได้รับรู้และมีหลักฐานของผู้สูบบุหรี่ แต่แน่นอนว่ามีหลายงานวิจัยที่ค้นคว้าและออกแบบระบบที่คล้ายกัน แต่ก็ยังคงติดปัญหาในเรื่องของความแม่นยำและความสามารถของโมเดลที่ใช้งาน ผู้วิจัยจึงมองเห็นปัญหาที่เกิดขึ้นและต้องการที่จะพัฒนาเครื่องมือ รวมไปถึงการออกแบบระบบใหม่เพื่อให้ได้ระบบที่มีและประสิทธิภาพมากขึ้น โดยใช้ทฤษฎี Hybrid Deep Learning เข้ามาเป็นส่วนหนึ่งในการวิจัยในครั้งนี้ รวมไปถึงการวิจัยเชิงทดลองที่นำข้อมูลตัวอย่างภาพมาฝึกสอนกับโมเดลควบคู่กับโมเดล YOLOv5, YOLOv8 และ YOLO11 เพื่อหาโมเดลที่ดีที่สุดในจำนวนชุดข้อมูลที่แตกต่างกัน ว่าจะมีผลกระทบต่อการฝึกสอนหรือไม่และทำการเปรียบเทียบประสิทธิภาพการฝึกสอนและทำการเลือกโมเดลที่ดีที่สุด ไปใส่ในระบบที่ออกแบบมาเพื่อตรวจจับคนสูบบุหรี่ในที่ห้ามสูบและแจ้งเตือนแก่ผู้ดูแลให้ได้รับรู้อย่างรวดเร็ว
Full Text : Download! |
||
| 5. | การคัดแยกโรคปอดบวมโดยใช้ Deep Learning [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : ภาสวิชญ์ มูลกัน | ||
| งานวิจัยนี้นำเสนอโมเดลลูกผสมระหว่าง Convolutional Neural Network (CNN) และ
Generative Adversarial Network (GAN) เพื่อวินิจฉัยโรคปอดบวมจากภาพเอกซเรย์ทรวงอก โดยใช้
ภาพขนาด 80,000 ภาพ พร้อมเพิ่มข้อมูลด้วยภาพสังเคราะห์จาก GAN เพื่อแก้ปัญหาข้อมูลไม่สมดุล ผล
การทดลองแสดงว่าโมเดลที่พัฒนามีความแม่นยำสูงถึง 95% และมีค่าพื้นที่ใต้โค้ง ROC (AUC) เท่ากับ
0.93 แสดงถึงความสามารถในการจำแนกโรคได้อย่างมีประสิทธิภาพ
Full Text : Download! |
||
| 6. | การประยุกต์ใช้โปรแกรมสำเร็จรูปทางวิศวกรรมเพื่อปรับพารามิเตอร์ ในกระบวนฉีดขึ้นรูปชิ้นงานพลาสติกเพื่อลดการบิดตัวโก่งงอ ด้วยเทคนิคการออกแบบทดลองร่วมกับกรรมวิธีไฟไนต์เอลิเมนต์ [แสดงบทคัดย่อ] [ซ่อนบทคัดย่อ] | |
| ผู้แต่ง : พันธุ์ธัช พานิชยพันธุ์ | ||
| งานวิจัยนี้มุ่งเน้นการประยุกต์ใช้โปรแกรมคอมพิวเตอร์สำเร็จรูปทางวิศวกรรมเพื่อปรับ
ค่าพารามิเตอร์ในกระบวนการฉีดพลาสติก โดยใช้หลักการออกแบบการทดลอง (Design of Experiment:
DOE) ในรูปแบบ Full Factorial Design สำหรับกรณีศึกษาในครั้งนี้ กำหนดให้มีตัวแปรต้นจำนวน 3 ปัจจัย
ได้แก่ อุณหภูมิ (Temperature), ความดันอัดสูงสุด (Maximum Packing Pressure) และระยะเวลา
หล่อเย็น (Cooling Time) ซึ่งแต่ละปัจจัยมี 3 ระดับ รวมเป็นเงื่อนไขการทดลอง 27 ชุด ดำเนินการจำลอง
กระบวนการฉีดพลาสติกด้วยโปรแกรมสำเร็จรูปทางวิศวกรรม จากนั้นทำการทดลองฉีดจริงโดยใช้เครื่อง
ฉีดพลาสติก TOSHIBA EC100S และใช้เม็ดพลาสติกชนิด PP-TD20 (Polypropylene Reinforced
with 20% Talc) ในการผลิตชิ้นงาน จากนั้นทำการวัดค่าการบิดตัวโก่งงอ (Warpage) ของชิ้นงานหลัง
เก็บไว้ที่อุณหภูมิห้องเป็นเวลา 24 ชั่วโมง ด้วยกล้องไมโครสโคป รวมจำนวนตัวอย่างทั้งหมด 81 ชิ้นงาน
ผลการวิจัยแสดงให้เห็นว่าค่าการบิดตัวที่ได้จากการจำลองมีแนวโน้มสอดคล้องกับผลจากการ
ทดลองฉีดขึ้นรูปจริง โดยเงื่อนไขที่ 9 ให้ค่าการบิดตัวต่ำที่สุด โดยได้จากการจำลองเท่ากับ 0.435 มม.
และจากการทดลองจริงเท่ากับ 0.335 มม. คิดเป็นค่าความคลาดเคลื่อนร้อยละ 23 ขณะที่เงื่อนไขที่ 19
ให้ค่าการบิดตัวสูงสุด โดยค่าที่ได้จากทั้งการจำลองและการทดลองจริงเท่ากับ 0.574 มม. และ 0.573 มม.
ตามลำดับ ไม่มีความคลาดเคลื่อนระหว่างกัน จากผลการศึกษาดังกล่าวสะท้อนให้เห็นถึงความสามารถ
ของการจำลองกระบวนการฉีดขึ้นรูปในการคาดการณ์พฤติกรรมการบิดตัวของชิ้นงานได้อย่างแม่นยำอยู่
ในเกณฑ์ที่ยอมรับได้ ข้อมูลที่ได้สามารถนำไปใช้เป็นแนวทางในการวางแผนและควบคุมคุณภาพสำหรับ
การผลิตชิ้นงานในอุตสาหกรรมฉีดพลาสติกได้อย่างมีป
Full Text : Download! |
||




Center of Academic Resource
Institute of Technology 1771/1, E Building, Fl. 2,
Pattanakarn Rd, Suan Luang, Bangkok, 10250
