Application of Taguchi Method with Fuzzy Logic to Determine the Optimal Parameters of Spray-Painting Process

วิโรจน์ ตันติภัทโร

ผู้แต่ง

วิโรจน์ ตันติภัทโร คณะวิศวกรรมศาสตร์และเทคโนโลยี สถาบันการจัดการปัญญาภิวัฒน์ จังหวัดนนทบุรี ประเทศไทย

คำสำคัญ:

การพ่นสี, คุณลักษณะเชิงคุณภาพหลายตัวแปร, วิธีการของทากูชิ, ฟัซซีลอจิก, ดัชนีบ่งชี้คุณลักษณะเชิงคุณภาพหลายตัวแปร

บทคัดย่อ

กระบวนการพ่นสีมีระดับความแตกต่างในการปรับตั้งค่ากระบวนการสูง ซึ่งเป็นปัญหาที่สำคัญมากในการควบคุมคุณภาพของงานพ่นสี ทั้งนี้ พารามิเตอร์ที่เกี่ยวข้องในกระบวนการพ่นสี ได้แก่ ความหนืดของสี อัตราการไหลของสี แรงดันลมปืนพ่นสี ระยะห่างระหว่างปืนพ่นสีกับพื้นผิวชิ้นงาน และจำนวนรอบการพ่นสี และพิจารณาได้จากคุณลักษณะเชิงคุณภาพหลายตัวแปร ในแง่ของค่าผลต่างความหนาของสีจากค่าเป้าหมายและความหยาบของสีบนพื้นผิว ซึ่งต้องประเมินไปพร้อมกัน งานวิจัยนี้มีวัตถุประสงค์เพื่อกำหนดค่าพารามิเตอร์ของกระบวนการพ่นสีที่เหมาะสมที่สุดเพื่อปรับปรุงคุณภาพของงานที่ได้โดยใช้วิธีการของ ทากูชิและฟัซซีลอจิก วิธีที่ใช้ในการประเมินคุณลักษณะทางคุณภาพในกระบวนการพ่นสีประกอบด้วยแผนผังการทดลองแบบแถวตั้งฉากขนาด L₈ อัตราส่วนสัญญาณต่อสิ่งรบกวน ดัชนีบ่งชี้คุณลักษณะเชิงคุณภาพหลายตัวแปร และการวิเคราะห์ความแปรปรวน ส่วนตัวชี้วัดของปัญหา คือ ค่าดัชนีบ่งชี้คุณลักษณะเชิงคุณภาพหลายตัวแปร ซึ่งหากค่าดัชนีนี้มีค่ายิ่งสูง จะบ่งชี้ว่าลักษณะทางคุณภาพของกระบวนการพ่นสีดี ผลการทดลองเผยให้เห็นว่าอัตราการไหลของสีและระยะห่างระหว่างปืนพ่นสีกับพื้นผิวเป็นพารามิเตอร์สำคัญที่ส่งผลต่อคุณลักษณะทางคุณภาพ โดยอัตราการไหลของสีมีระดับนัยสำคัญสูงสุด จากนั้น จึงทดสอบเพื่อยืนยันผล ซึ่งพบว่า ค่าผลต่างของความหนาของสีจากค่าเป้าหมายและความหยาบของสีบนพื้นผิวสามารถพิจารณาได้พร้อมกันและปรับปรุงให้ดีขึ้นได้ด้วยแนวทางที่นำเสนอในบทความนี้

References

Ross, P.J., 1995, Taguchi Techniques for Quality Engineering, 2nd ed., McGraw-Hill Professional, New York, 329 p.

Hsiang, S.H., Lin, Y.W. and Lai, J.W., 2012, “Application of Fuzzy-Based Taguchi Method to the Optimization of Extrusion of Magnesium Alloy Bicycle Carriers,” Journal of Intelligent Manufacturing, 23 (3), pp. 629–638.

Pandey, A.K. and Dubey, A.K., 2012, “Taguchi Based Fuzzy Logic Optimization of Multiple Quality Characteristics in Laser Cutting of Duralumin Sheet,” Optics and Lasers in Engineering, 50 (3), pp. 328–335.

Kuram, E. and Ozcelik, B., 2016, “Micro-Milling Performance of AISI 304 Stainless Steel Using Taguchi Method and Fuzzy Logic Modelling,” Journal of Intelligent Manufacturing, 27 (4), pp. 817-830.

Phadke. M.S., 1989, Quality Engineering Using Robust Design, Prentice Hall, Englewood Cliffs, 334 p.

Peace, G.S., 1992, Taguchi Methods: A Hands-On Approach, Addison-Wesley, Massachusetts, 522 p.

Karidkar, S. and Mali, R., 2017, “Optimization of Powder Spray Process Parameters Using Taguchi Methodology,” Proceedings of the International Conference on Communication and Signal Processing 2016 (ICCASP 2016), Vol. 137, pp. 71-76.

Almansoori, N., Aldulaijan, S., Althani, S., Hassan, N. M., Ndiaye, M. and Awad, M., 2020, “Manual Spray Painting Process Optimization Using Taguchi Robust Design,” International Journal of Quality and Reliability Management, 38 (1), pp. 46-67.

Tanaka, K., 1996, An Introduction to Fuzzy Logic for Practical Applications, Springer, Ann Arbor, 138 p.

Mamdani, E.H., 1974, “Application of Fuzzy Algorithms for Control of Simple Dynamic Plant,” Proceedings IEE, 121 (12), pp. 1585-1588.

Ross, T.J., 2017, Fuzzy Logic with Engineering Applications, 4th ed., John Wiley & Sons, Chichester, 562 p.

Montgomery, D.C., 2020, Design and Analysis of Experiments, 10th ed., John Wiley & Sons, Hoboken, 550 p.

Chidhambara, K.V., Shankar, B.L. and Vijaykumar, 2018, “Optimization of Robotic Spray Painting Process Parameters Using Taguchi Method,” IOP Conference Series Materials Science and Engineering, Vol. 310.