การเปรียบเทียบลายเซ็นการสั่นสะเทือนแบบโดเมนเวลาของสปินเดิลเครื่องซีเอ็นซีขนาดเล็กตามรูปแบบเส้นทางการแกะสลักไม้
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อเปรียบเทียบลายเซ็นการสั่นสะเทือนแบบโดเมนเวลาของสปินเดิลเครื่องซีเอ็นซีขนาดเล็กภายใต้รูปแบบเส้นทางการแกะสลักไม้ที่แตกต่างกัน และศึกษาผลของการปรับเรียบสัญญาณต่อการรักษาลักษณะของสัญญาณดิบ การทดลองใช้ไม้ตะเคียนรากเป็นชิ้นงาน ดอกกัด HSS แบบ 2 ฟัน ขนาด 3 มิลลิเมตร โดยกำหนดความเร็วรอบสปินเดิล 10,000 รอบต่อนาที อัตราป้อน 150 มิลลิเมตรต่อนาที และความลึกในการตัด 5 มิลลิเมตร เส้นทางการแกะสลักประกอบด้วยเส้นตรง วงกลม และสามเหลี่ยม สัญญาณความเร่งการสั่นสะเทือนถูกตรวจวัดบริเวณสปินเดิลแยกตามทิศทางแนวแกน แนวนอน และแนวดิ่ง ข้อมูลแต่ละเงื่อนไขมีจำนวน 2,048 จุด ในช่วงเวลา 0.080 วินาที วิเคราะห์ด้วยค่า RMS, Peak, Peak-to-Peak และสัมประสิทธิ์ความแปรปรวน (CV) รวมทั้งปรับเรียบสัญญาณด้วยวิธีค่าเฉลี่ยเคลื่อนที่ (MA) และการปรับเรียบเอกซ์โพเนนเชียลอย่างง่าย (SES) และประเมินความแตกต่างระหว่างสัญญาณดิบกับสัญญาณที่ผ่านการปรับเรียบด้วยค่า MAE, RMSE และ NRMSE ผลการศึกษาพบว่าเส้นทางแบบเส้นตรงให้ค่า RMS สูงที่สุดในทั้งสามทิศทาง โดยมีค่า 7.875, 8.120 และ 8.644 g ในแนวแกน แนวนอน และแนวดิ่งตามลำดับ และมีค่า CV ค่อนข้างต่ำอยู่ในช่วง 3.701–11.532% แสดงถึงระดับการสั่นสะเทือนที่สูงแต่ค่อนข้างสม่ำเสมอ ขณะที่เส้นทางแบบวงกลมมีความแปรปรวนของสัญญาณสูง โดยมีค่า CV อยู่ในช่วง 46.778–72.974% ส่วนเส้นทางแบบสามเหลี่ยมมีความสม่ำเสมอในแนวแกนและแนวนอน แต่มีความแปรปรวนสูงในแนวดิ่ง โดยมีค่า CV 58.617% สำหรับค่า MAE, RMSE และ NRMSE แสดงระดับการเบี่ยงเบนของสัญญาณที่เกิดขึ้นหลังการปรับเรียบ และใช้เพื่ออธิบายผลของระดับการปรับเรียบ ไม่ได้ใช้เป็นเกณฑ์เพียงอย่างเดียวในการตัดสินวิธีปรับเรียบที่เหมาะสมที่สุด ผลการศึกษาชี้ให้เห็นว่ารูปแบบเส้นทางการแกะสลักและทิศทางการวัดให้ลักษณะลายเซ็นการสั่นสะเทือนในโดเมนเวลาที่แตกต่างกัน
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ได้รับตีพิมพ์ในวารสารนี้เป็นลิขสิทธิ์ของคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏนครศรีธรรมราช
อนึ่งผลงานวิจัยและผลงานทางวิชาการที่ปรากฏเผยแพร่ในวารสารฯ เป็นความคิดเห็นอิสระของผู้แต่ง โดยผู้แต่งเป็นผู้รับผิดชอบต่อผลทางกฎหมายใด ๆ ที่อาจจะเกิดขึ้นจากบทความเผยแพร่นั้น ซึ่งกองบรรณาธิการและคณะผู้จัดทำวารสารฯ ไม่จำเป็นต้องเห็นด้วยเสมอไป
เอกสารอ้างอิง
Phetsuwan, W., Thongkaew, K. and Srivabut, C. 2025. "Evaluation of the milling performance on wood-plastic composite," ASEAN Journal of Scientific and Technological Reports, 28(5): p. e259643. [Online]. Available: https://doi.org/10.55164/ajstr.v28i5.259643
Hortobágyi, Á. and et al. 2023. "Effect of milling parameters on amplitude spectrum of vibrations during milling materials based on wood," Applied Sciences, 13(8): p. 5061. [Online]. Available: https://doi.org/10.3390/app13085061
Kovatchev, G. and Atanasov, V. 2021. "Determination of vibration during longitudinal milling of wood-based materials," Acta Facultatis Xylologiae Zvolen res Publica Slovaca, 63(1): pp. 85–92. [Online]. Available: https://doi.org/10.17423/afx.2021.63.1.08
Szwajka, K. and Górski, J. 2006. "Evaluation tool condition of milling wood on the basis of vibration signal," in Journal of Physics: Conference Series, 48(1): pp. 1205–1210. [Online]. Available: https://doi.org/10.1088/1742-6596/48/1/224
Supriadi, A. 2024. "Machining properties of nyerakat and resak woods originated from West Kalimantan," in AIP Conference Proceedings, 3042(1): p. 070004. [Online]. Available: https://doi.org/10.1063/5.0200880
Murugesan, S. and et al. 2026. "Analysis and optimization of the delamination factor in the drilling of wood-thermo plastic composites: An approach based on artificial intelligence," Journal of Thermoplastic Composite Materials, 39(5): pp. 2512–2549. [Online]. Available: https://doi.org/10.1177/ 08927057231208940
Tosun, M., Sofuoglu, S. D. and Keser, K. 2026. "Prediction of surface roughness at the machining of densified wood surfaces," Wood Material Science & Engineering, 21(1): pp. 82–90. [Online]. Available: https://doi.org/10.1080/ 17480272.2024.2372579
Çakiroğlu, E. O. 2025. "Prediction of dust emissions during CNC milling of spruce and pine with machine learning," European Journal of Wood and Wood Products, 83(5): p. 173. [Online]. Available: https://doi.org/10.1007/s00107-024-02145-2
Demir, A., Cakiroglu, E. O. and Aydin, I. 2022. "Determination of CNC processing parameters for the best wood surface quality via artificial neural network," Wood Material Science & Engineering, 17(6): pp. 685–692. [Online]. Available: https://doi.org/10.1080/ 17480272.2021.1964030
Ibrisevic, A. and et al. 2023. "Effects of cutting parameters and grain direction on surface quality of three wood species obtained by CNC milling," Bulletin of the Transilvania University of Brasov. Series II: Forestry Wood Industry Agricultural Food Engineering, 16(65): pp. 127–140. [Online]. Available: https://doi.org/10.31926/but.fwiafe.2023.16.65.2.10
Erameh, A. A. and Olodu, D. D. 2025. "Modelling and optimization of the effects of milling parameters on quality and productivity, in a CNC face milling operation," Global Journal of Multidisciplinary Studies and Technological Innovation, 2(1): p. 22. [Online]. Available: https://doi.org/10.5281/zenodo.10892341
Huang, Y.-C. and Hou, C.-C. 2023. "Using feature engineering and principal component analysis for monitoring spindle speed change based on Kullback–Leibler divergence with a Gaussian mixture model," Sensors, 23(13): p. 6174. [Online]. Available: https://doi.org/10.3390/s23136174
Nie, L., Xu, S. and Zhang, L. 2023. "Multi-head attention network with adaptive feature selection for RUL predictions of gradually degrading equipment," Actuators, 12(4): p. 158. [Online]. Available: https://doi.org/10.3390/act12040158
Harth, N., Anagnostopoulos, C. and Pezaros, D. 2018. "Predictive intelligence to the edge: impact on edge analytics," Evolving Systems, 9(2): pp. 95–118. [Online]. Available: https://doi.org/10.1007/s12530-017-9190-z
Mumuangsong, P. and Hansasuk, S. 2013. Vibration Analysis. Bangkok, Thailand: SE-ED Publisher. (in Thai)
Wongsuwarn, H. 2009. Machine Vibration Inspection. Bangkok, Thailand: SE-ED Publisher. (in Thai)
Brüel & Kjær. 2012. Vibration Transducers and Signal Conditioning (BA7675-12). Nærum, Denmark: Brüel & Kjær. [Online]. Available: https://www.bksv.com/
Hyndman, R. J. and Athanasopoulos, G. 2018. Forecasting: Principles and Practice, 2nd ed. Melbourne, Australia: OTexts. [Online]. Available: https://otexts.com/fpp2/
Lila, B. 2010. Production Planning and Control. Bangkok, Thailand: TOP Publishing. (in Thai)
Ye, J. and et al. 2018. "A novel approach for chatter online monitoring using coefficient of variation in machining process," The International Journal of Advanced Manufacturing Technology, 96(1): pp. 287–297. [Online]. Available: https://doi.org/ 10.1007/s00170-018-1582-7
Fang, Z., Zhang, Q. and Shi, X. 2025. "Amplitude normalization for speed-induced modulation in rotating machinery measurements," Sensors, 25(20): p. 6374. [Online]. Available: https://doi.org/10.3390/s25206374
Kumar, S. and et al. 2024. "Gear degradation study using statistical time features and shallow neural networks," IEEE Access, 12: pp. 111411–111421. [Online]. Available: https://doi.org/10.1109/ACCESS.2024.3438317
Ma, L. and et al. 2020. "Experimental investigation of cutting vibration during micro-end-milling of the straight groove," Micromachines, 11(5): p. 494. [Online]. Available: https://doi.org/10.3390/mi11050494
Yao, Z. and et al. 2021. "Position dependent vibration evaluation in milling of thin-walled part based on single-point monitoring," Measurement, 171: p. 108810. [Online]. Available: https://doi.org/10.1016/j.measurement.2020.108810
Petrovic, A. and et al. 2017. "Optimisation of tool path for wood machining on CNC machines," Proceedings of the Institution of Mechanical Engineers, Part C: Journal of Mechanical Engineering Science, 231(1): pp. 72–87. [Online]. Available: https://doi.org/ 10.1177/0954406216631378
García Plaza, E., Núñez López, P. J. and Beamud González, E. M. 2019. "Efficiency of vibration signal feature extraction for surface finish monitoring in CNC machining," Journal of Manufacturing Processes, 44: pp. 145–157. [Online]. Available: https://doi.org/10.1016/j.jmapro.2019.05.044
