โดยวิธีการออกแบบการทดลอง - AS Nida
โดยวิธีการออกแบบการทดลอง - AS Nida
โดยวิธีการออกแบบการทดลอง - AS Nida
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
การกําหนดพารามิเตอรที่เหมาะสมของการปรับปรุงขนาดของรูรีมเมอร<br />
<strong>โดยวิธีการออกแบบการทดลอง</strong><br />
พงศชนัน เหลืองไพบูลย<br />
นพดล ฉิ่งทอง<br />
ภาควิชาวิศวกรรมอุตสาหการ คณะวิศวกรรมศาสตร<br />
มหาวิทยาลัยธรรมศาสตร ศูนยรังสิต ปทุมธานี 12120<br />
โทร. 02-5643002-9 ตอ 3081<br />
E-mail: lpongch@engr.tu.ac.th<br />
บทคัดยอ<br />
การปรับปรุงขนาดของรูรีมเมอร (Reamer Hole) ขนาดเสนผานศูนยกลาง 6 มิลลิเมตร โดย<br />
ใชวิธีการวิเคราะหทางสถิติเชิงประยุกตที่เรียกวา<br />
การออกแบบการทดลองเชิงวิศวกรรม ซึ่งวัตถุดิบที่<br />
ใชคือ เหล็ก S50C ของบริษัท Daido และบริษัท Futaba ดวยสารหลอเย็นสองชนิดคือ Ecocool<br />
700NBF และ Ecocool Bio914 โดยพิจารณาปจจัยที่นาสนใจจํานวน<br />
3 ปจจัย คือ อัตราปอนของ<br />
ดอกรีมเมอร (Feed; m/min), ความเร็วรอบ (Speed; rpm) และขนาดเสนผานศูนยกลางกอนการ<br />
ควานรูเรียบ (Diameter before Reaming; mm) การกําหนดระดับเบื้องตนของปจจัยใชวิธี<br />
OVAT<br />
(One Variable At the Time) และวิธีเชิงแฟคทอเรียล k ปจจัยชนิดสองระดับ (2 k Factorial<br />
Design) นอกจากนี้ยังทําปรับปรุงกระบวนการผลิตทั้งวิธีเชิงแฟคทอเรียลชนิดสองระดับ<br />
และวิธี<br />
สตีพเดสเซนท (Steepest Descent) โดยผลการทดลองพบวาในครั้งแรกของการพัฒนาให<br />
ผลตอบสนองที่ดีขึ้นกับทุกชนิดของเหล็กและสารหลอเย็น<br />
อยางไรก็ตามผลการปรับปรุงดวย<br />
กระบวนการในครั้งที่สองไมมีการพัฒนาที่ดีขึ้น<br />
ปจจัยซึ่งมากเกินไป<br />
ทั้งนี้อาจสืบเนื่องจากขั้นตอนในการปรับระดับของ<br />
คําหลัก (Keyword): การออกแบบการทดลอง, การควานรู, วิธีสตีพเดสเซนท, วิธีเชิงแฟคทอเรียล<br />
ชนิดสองระดับ<br />
1. บทนํา<br />
บริษัทที่ประกอบธุรกิจทางดานผลิตแมพิมพ<br />
ไดประสบปญหาดานแมพิมพในดานคุณภาพ<br />
ของแมพิมพ คือ ขนาดเสนผานศูนยกลางของรูรีมเมอร (Reamer Hole) ไมไดขนาดตามความ<br />
ตองการ ซึ่งสงผลใหการรวมศูนยกลางดวยกันของเพลท<br />
(Plate) เกิดความคลาดเคลื่อน<br />
และเมื่อนําไป<br />
ตัดดวยเครื่องวายคัท<br />
(Wire Cut) จะสงผลใหรูปรางของแมพิมพคลาดเคลื่อนจากความเปนจริง<br />
231
232<br />
Applied Statistics<br />
Reaming และ Reamer คือ การเจาะรูโดยทําใหขนาดเสนผานศูนยของรูที่เจาะมีขนาดที่แมนยําและ<br />
ถูกตอง และยังเปนการเจาะรูที่รักษาพื้นผิวของรูใหพื้นผิวของรูเรียบและมีความเปนมันวาว<br />
รูปที่<br />
1 แผนภาพแสดง Reamer<br />
รูปที<br />
่ 1 รีมเมอร (Reamer)<br />
โดยทั่วไป<br />
Reamer ที่ใชในการเจาะรูนั้นเปนแบบ<br />
Machine Reamers หรือที่เรียกวา<br />
Chucking Reamers ซึ่งแบงออกเปน<br />
2 ชนิด<br />
1. ชนิดที่ใชกับการเจาะรูขนาดเสนผานศูนยกลางขนาดเล็ก<br />
- Rose Reamers เปน Reamer ที่มีระยะหางของมีดตัดที่กวาง<br />
และจะไมมีสวนที่<br />
relief<br />
- Fluted Reamers เปน Reamer ที่มีระยะหางของมีดตัดที่แคบ<br />
และจะมีสวนที่<br />
relief และมีมุม<br />
คายเทากับ 5 ํ<br />
2. ชนิดที่ใชกับการเจาะรูขนาดเสนผานศูนยกลางขนาดใหญ<br />
- Shell Reamers เปน Reamerที่ใชเจาะรูที่มีเสนผานศูนยกลางขนาด<br />
20 mm ขึ้นไป<br />
ซึ่ง<br />
Reamer<br />
จะทํามาจาก High – Speed Steels (M1, M2, M7) หรือ Carbides (C-2) ที่เปนของแข็ง<br />
- Reamer ที่ใชในการเจาะโลหะออนนั้นกอนลง<br />
Reamer ควรจะเหลือเนื้อโลหะไวประมาณ<br />
0.2<br />
mm<br />
- Reamer ที<br />
mm<br />
่ใชในการเจาะโลหะแข็งนั้นกอนลง<br />
Reamer ควรจะเหลือเนื้อโลหะไวประมาณ<br />
0.13<br />
วิธีการออกแบบการทดลอง เปนวิธีหนึ่งที่ชวยในการวิเคราะหความสําคัญและความสัมพันธ<br />
ของปจจัยตางๆที่เกิดขึ้นในปญหา<br />
เพื่อใหไดคาคําตอบที่เหมาะสมที่สุดเพื่อใชในการแกปญหา<br />
ดังนั้น<br />
การใชการออกแบบการทดลองชวยในการปรับปรุงขนาดเสนผานศูนยกลางของรูรีมเมอร (Reamer
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
Hole) จึงเปนวิธีการอีกวิธีการหนึ่งที่จะชวยใหขนาดเสนผานศูนยกลางของรูรีมเมอร<br />
(Reamer<br />
Hole) ดีขึ้น<br />
ทําใหบริษัทสามารถที่จะผลิตแมพิมพที่มีคุณภาพที่ดีตอลูกคา<br />
และเพิ่มศักยภาพที่จะ<br />
แขงขันในตลาดยุคปจจุบันได<br />
การออกแบบการทดลองเชิงสถิติ (Statistical Design of Experiment) หมายถึง<br />
กระบวนการในการวางแผนการทดลอง เพื่อใหไดมาซึ่งขอมูลที่เหมาะสมที่สามารถนําไปใชในการ<br />
วิเคราะหโดยวิธีการทางสถิติ ซึ่งจะทําใหเราสามารถหาขอสรุปที่สมเหตุสมผลได<br />
วิธีการออกแบบ<br />
การทดลองในเชิงสถิติเปนสิ่งที่จําเปน<br />
ถาเราสามารถหาขอสรุปที่มีความหมายจากขอมูลที่มีอยู<br />
และ<br />
ถายิ่งปญหาที่สนใจนั้นเกี่ยวของกับความตองการหาขอสรุปที่มีความหมายจากขอมูลที่มีอยู<br />
และถายิ่ง<br />
ปญหาที่สนใจนั้นเกี่ยวของกับความผิดพลาดในการทดลอง<br />
(Experimental Error) วิธีการทางสถิติ<br />
เปนวิธีการเพียงอยางเดียวเทานั้นที่จะสามารถนํามาใชในการวิเคราะหผลการทดลองนั้นได<br />
ดังนั้นสิ่ง<br />
สําคัญ 2 ประการสําหรับปญหาที่เกี่ยวกับการทดลองก็คือ<br />
การออกแบบการทดลอง และการวิเคราะห<br />
ขอมูลเชิงสถิติ ซึ่งศาสตรทั้งสองนี้มีความเกี่ยวของกันอยางมาก<br />
ทั้งนี้เพราะวาวิธีการวิเคราะหเชิง<br />
สถิติ ติที่เหมาะสมนั้นจะขึ้นกับการออกแบบการทดลองที่จะนํามาใช<br />
โดยจะพบวาในงานวิจัยตาง ๆ<br />
การออกแบบการทดลอง (Design of Experiment) นั้นจะชวยใหผูวิจัยสามารถหาคาพารามิเตอรที่<br />
เหมาะสมกับปญหา ซึ่งจะนําไปสูการหาคําตอบที่ดีที่สุดของปญหาตอไป<br />
ซึ่งจะพบวามีนักวิจัยหลาย<br />
คนไดใชการออกแบบการทดลองไปใชในงานศึกษา<br />
การออกแบบการทดลองเชิงแฟคทอเรียล (Factorial Design) นี้จะสนใจปจจัย<br />
(Factor)<br />
ตั้งแต<br />
2 ปจจัยขึ้นไป<br />
การออกแบบเชิงแฟคทอเรียล (Factorial Design) จะเปนวิธีการทดลองที่มี<br />
ประสิทธิภาพสูง การออกแบบเชิงแฟคทอเรียล (Factorial Design) เปนการทดลองที่มุงศึกษา<br />
อิทธิพลของปจจัยมากกวาหนึ่งปจจัยพรอม<br />
ๆ กัน โดยใหความสนใจที่อิทธิพลรวมของปจจัยซึ่งเปน<br />
อิทธิพลที่สงผลใหกับตัวแปรตอบสนองโดยทั่วไปแลวอาจกลาวไดวา<br />
การออกแบบเชิงแฟคทอเรียล<br />
(Factorial Design) เปนแผนการทดลองที่มีประสิทธิภาพมากที่สุดในการตรวจสอบอิทธิพลของ<br />
หลาย ๆ ปจจัยพรอมกับคําวาแฟคทอเรียล หมายถึง การทดลองที่สมบูรณในแตละครั้งหรือแตละซ้ํา<br />
ของการทดลองนั้น<br />
กลาวคือ มีการใชระดับของปจจัยตาง ๆ รวมกันจึงสามารถตรวจสอบอิทธิพล<br />
ตาง ๆในการทดลองครั้งหนึ่ง<br />
ๆ ไดพรอมกัน เชน ถาปจจัย A มี 2 ระดับ ปจจัย B มี 3 ระดับ แต<br />
ละซ้ําจะมี<br />
2x3 รูปแบบการทดลอง (Treatment Combination) แบงได 2 ประเภท คือ<br />
1. อิทธิพลหลัก (Main Effect) คือ อิทธิพลของปจจัยที่แสดงตอตัวแปรตอบสนองดวยตัว<br />
ของมันเองเมื่อมีการเปลี่ยนแปลงของปจจัยเกิดขึ้น<br />
2. อิทธิพลรวม (Interaction Effect) คือ อิทธิพลของปจจัยหนึ่งที่จะเปลี่ยนไปเมื่อมีการ<br />
เปลี่ยนแปลงของปจจัยรวมกัน<br />
ในการประยุกตใชการวิเคราะหระหวางความสัมพันธระหวางปจจัยและผลตอบสนอง หรือ<br />
การวิเคราะหการถดถอยเชิงเสน บางครั้งอาจพบวาปญหาที่สนใจประกอบไปดวยปจจัยที่เขามามีสวน<br />
233
234<br />
Applied Statistics<br />
เกี่ยวของจํานวนมากกวาหนึ่งปจจัยขึ้นไป<br />
ตัวแบบความสัมพันธ หรือตัวแบบถดถอยสําหรับกรณี<br />
ปญหาดังกลาวจึงถูกเรียกวา “ตัวแบบความสัมพันธพหุคูณ หรือการออกแบบการถดถอยพหุคูณ<br />
(Multiple Regression Model) “<br />
ตัวแบบสมการดังกลาวอาจนําเสนอในรูป<br />
y = β 0 + β1x1<br />
+ β 2 x2<br />
+ ... + β k xk<br />
+ e<br />
โดย β j เรียกวา สัมประสิทธิ์ความสัมพันธหรือความถดถอยซึ่งแสดงถึงสัมประสิทธิ์ความ<br />
ชันหรือคาของการเปลี่ยนแปลงผลตอบสนองเฉลี่ยของ(Y)<br />
ตอหนวยของการเปลี่ยนแปลงที่เกิดขึ้น<br />
สําหรับปจจัย xj (โดยปจจัยอื่นๆ<br />
หรือ xi ถูกกําหนดใหมีคาคงที่)<br />
ความสัมพันธที่ไดรับจากตัวแบบ<br />
สามารถใชในประมาณคาของตัวแปรตามหรือผลตอบสนองได ภายใตชวงของตัวแปรอิสระที่ถูกใช<br />
ในการวิเคราะหหาความสัมพันธ<br />
2. วิธีการสตีพเพสเดสเซนท (Method of Steepest Descent)<br />
สตีพเพสแอสเซนทเปนวิธีการที่นําเสนอโดย<br />
Box และ Wilson มีจุดประสงคที<br />
่<br />
้<br />
่จะทําการ<br />
ทดลองไปตามเสนทาง เพื่อที่จะให<br />
ผลตอบสนอง (Response) เคลื่อนสูจุดที่เหมาะสม<br />
(Optimum)<br />
หรือมีการเพิ่มของผลตอบสนองเร็วที่สุด<br />
ในทางตรงกันขามกรณีสมการเปาหมายต่ําสุดจะเรียกวาวิธี<br />
สตีพเพสดีเซนท โดยวิธีการของสตีพเพสแอสเซนทจะตั้งอยูบนสมมติฐานของรูปแบบสมการกําลัง<br />
หนึ่ง<br />
(First Order Model)<br />
ในการวิเคราะหหาตัวแบบความสัมพันธของปจจัย และผลตอบสนองชนิดพหุคูณ<br />
คาประมาณสัมประสิทธิ์ควรไดรับการทดสอบสมมติฐาน<br />
เพื่อวัดความเหมาะสมของตัวแบบโดย<br />
หลักการในการทดสอบสามารถปรับปรุงไดจากกรณีความสัมพันธเชิงเสนเชิงเดียว โดยมีขอ<br />
สมมติฐานคือ คาความผิดพลาดที่เกิดขึ้นจากการสังเกตและตัวแบบความสัมพันธมีการแจกแจงแบบ<br />
ปกติ คาความผิดพลาดมีความเปนอิสระตอกันดวยคาเฉลี่ยเทากับศูนย<br />
และมีความแปรปรวนคงที<br />
การทดสอบความสัมพันธหรือความถดถอย เพื่อพิจารณาความมีนัยสําคัญทางสถิติของ<br />
ความสัมพันธที่ไดรับจากตัวแบบ<br />
เมื่อทําการเปรียบเทียบกับลักษณะของความสัมพันธที่เกิดขึ้นจริง<br />
ระหวางผลตอบสนอง (y) และปจจัยความสัมพันธ (x1, x2, ..., xk ) ซึ่งสมมติฐานที่เกี่ยวของดังนี<br />
H 0 : β 1 = β 2 = ..... = β k = 0<br />
H : β ≠ 0 อยางนอยหนึ่งคา<br />
1<br />
j<br />
หากสมมติฐานหลักไมสามารถปฏิเสธได หรือเปนจริงสามารถบงชี้ไดวา<br />
สัมประสิทธิ์ของตัว<br />
แปรนั้นๆ<br />
สามารถตัดทิ้งออกจากตัวแบบความสัมพันธที่ไดรับกอนหนานี้<br />
โดยมีขอสมมติของความ<br />
แตกตางระหวางคาสังเกตและคาพยากรณจากตัวแบบ หรือคาความผิดพลาดซึ่งเกิดขึ้นระหวางการ<br />
ทดลองเหมือนเชนเดิมหรือกลาวคือ ขอมูลความผิดพลาดมีการแจกแจงแบบปกติ และเปนอิสระตอกัน
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
ดวยคาเฉลี่ยเทากับศูนย<br />
และความแปรปรวนคงที่<br />
โดยที่ตัวแปรสุมซึ่งใชในการวิเคราะหสมมตินี้คือ<br />
T0 ซึ่งมีการแจกแจงความนาจะเปนแบบที<br />
t<br />
0<br />
ˆ βj<br />
ˆ<br />
= =<br />
βj<br />
2 ˆ σ C<br />
se(<br />
ˆ βj)<br />
ij<br />
่ ์<br />
−1<br />
โดยที Cij<br />
คือ ขอมูลในแนวเสนทะแยงมุม ( X X ) ในแตละคาประมาณของสัมประสิทธิ<br />
เงื่อนไขการปฏิเสธสมมติฐานหลัก<br />
(Reject H<br />
T<br />
t0<br />
> tα<br />
หรือ t0<br />
< tα<br />
สําหรับการ<br />
( ˆ β j )<br />
0)<br />
235<br />
, n−<br />
p<br />
2<br />
, n−<br />
p<br />
2<br />
ทดสอบสมมติฐานดังกลาวในบางครั้งอาจเรียกวา<br />
การทดสอบบางสวนหรือการทดสอบมารจินัล<br />
(Partial or Margin Test) เนื่องจากคาสัมประสิทธิ์ที่กําลังใชในการวิเคราะหความสําคัญในขณะนั้น<br />
ขึ้นอยูกับคาสัมประสิทธิ์อื่นๆ<br />
ที่เหลืออยูในตัวแบบความสัมพันธ<br />
โดยทั่วไปสภาวะการทํางานที่เหมาะสมที่สุด<br />
ของระบบในชวงเริ่มตนจะอยูหางจากสภาวะ<br />
การทํางานที่เหมาะสมที่สุดที่แทจริงของระบบ<br />
ดังนั้นเปาหมายของผูทําการทดลอง<br />
คือ การเคลื่อนที่<br />
เขาไปใกลบริเวณของสภาวะการทํางานที่เหมาะสมที่สุดที่แทจริงของระบบ<br />
อยางรวดเร็วและถูกตอง<br />
โดยใชวิธีการทดลองที่ไมยุงยาก<br />
ประหยัด และมีประสิทธิภาพ ซึ่งในขณะที่สภาวะการทํางานในชวง<br />
เริ่มตนอยูหางจากสภาวะการทํางานที่เหมาะสมที่สุดที่แทจริงของระบบ<br />
จะสามารถใชรูปแบบของ<br />
สมการลําดับที่<br />
1 ในการประมาณพื้นผิวที่แทจริง<br />
(True Surface) ในชวงของ x ที่ไมกวางนัก<br />
วิธีการสตีพเพสเดสเซนทเปนวิธีการเคลื่อนที่อยางเปนลําดับไปในทิศทางที่มีการลดลงมาก<br />
ที่สุดของผลตอบสนอง<br />
(Maximal Increase in the Response)<br />
y = β + β x + ε<br />
0<br />
k<br />
∑<br />
i=<br />
1<br />
i i<br />
โดยทิศทางที่มีการลดลงมากที่สุดของผลตอบสนอง<br />
(Direction of Steepest Descent) คือ<br />
ทิศทางที่คา<br />
y ลดลงมากที่สุดโดยทิศทางนี้จะขนานกับเสนตั้งฉากของพื้นผิวตอบสนอง<br />
โดยทั่วไป<br />
เสนทางของสตีพเพสเดสเซนท คือเสนทางซึ่งผานจุดศูนยกลางของบริเวณที่สนใจและตั้งฉากกับ<br />
พื้นผิวตอบสนอง<br />
โดยขนาดของชวงในการเคลื่อนที่<br />
(Step Size) ในเสนทางของสตีพเพสเดสเซนท<br />
จะเปนสัดสวนกับสัมประสิทธิ์ของการวิเคราะหการถดถอย<br />
(Regression Coefficient หรือ β i )<br />
โดยขนาดของชวงในการเคลื่อนที่จะถูกกําหนดโดยผูทําการทดลอง<br />
ซึ่งขึ้นอยูกับความรูใน<br />
กระบวนการผลิตและความสะดวก<br />
การทดลองจะดําเนินตอไปในเสนทางของสตีพเพสเดสเซนท จนกระทั่งไมมีการลดลงของ<br />
ผลตอบสนอง จากนั้นจะใชรูปแบบของสมการลําดับที่<br />
1 ในการประมาณพื้นผิวตอบสนองใหมและ<br />
ทําการหาเสนทางของสตีพเพสเดสเซนทใหม ทําเชนนี้ไปเรื่อยๆจนกระทั่งสามารถเคลื่อนที่เขาใกล<br />
บริเวณของสภาวะการทํางานที่เหมาะสมที่สุดของระบบซึ่งใชการวิเคราะหความแปรปรวน<br />
(ANOVA) ของรูปแบบสมการลําดับที่<br />
1
236<br />
Applied Statistics<br />
ขั้นตอนของวิธีการสตีพเพสเดสเซนท<br />
1. การกําหนดพารามิเตอรที่สําคัญของวิธีการสตีพเพสเดสเซนท<br />
- พื้นที่ผิวของผิวตอบสนอง<br />
(Response Surface)หรือระยะหางของจุดรอบจุด<br />
กึ่งกลางจากจุดกึ่งกลางของแฟคทอเรียล<br />
เพื่อจะหาจุดพิกัดของแตละระดับปจจัยของ<br />
วิธีการแฟคทอเรียล ซึ่งมีจํานวนเทากับ<br />
2 k ่<br />
่<br />
่<br />
-<br />
โดยที k คือจํานวนปจจัยในสมการ<br />
ขนาดในการเคลื่อนที<br />
(Step) ไปตามเสนทางสตีพเพสเดสเซนทจากจุดกึ่งกลางใหม<br />
โดยขนาดในการเคลื่อนที<br />
(Step) คือสัดสวนจากสัมประสิทธิ์ของสมการเชิงถดถอย<br />
เชิงเสน (β) ในสมการ ซึ่งวิธีการ<br />
2 k แฟคทอเรียล จะถูกนํามาใชในการหา<br />
สัมประสิทธิ์ดังกลาว<br />
2. กําหนดจุดเริ่มตนหรือคาที่ดีที่สุดในปจจุบัน<br />
ซึ่งใชเปนจุดกึ่งกลางสําหรับวิธีแฟคทอเรียล<br />
3. ทําการหาคาผลตอบสนอง (y) ในแตละพิกัดของแฟคทอเรียลรอบจุดกึ่งกลาง<br />
และจุด<br />
โดยรอบ จากสมการจุดมุงหมายที่ไดกําหนดไวขางตน<br />
4. พื้นผิว<br />
(Hyper - Plane) จะถูกสรางขึ้นจากผลของ<br />
2 k แฟคทอเรียลรอบจุดกึ่งกลาง<br />
ซึ่งเปน<br />
ผลลัพธที่เหมาะสมที่สุดในปจจุบัน<br />
ผานวิธีการกําลังสองนอยที่สุด<br />
(Least Squares) โดย<br />
พื้นผิวจะถูกกําหนดโดยรูปแบบระนาบ<br />
หรือสมการกําลังนึ่ง<br />
(First order Model)<br />
5. กรณีสมการที่หาไดในขางตนไมมีความเหมาะสม<br />
เนื่องจากมีสิ่งรบกวนระบบ<br />
ใหทําการ<br />
ทดลองใหม โดยสุมคาที่รบกวนใหม<br />
จากนั้นทําการสรางสมการกําลังหนึ่งและพิจารณาคา<br />
สัมประสิทธิ์ของสมการถดถอย<br />
6. กรณีกําลังหนึ่งที่สรางขึ้นมีความเหมาะสม<br />
ใหทําการเคลื่อนจุดกึ่งกลาง(<br />
1 , , ่<br />
X K X k )ไปยัง<br />
T T T<br />
จุดกึ่งกลางใหม<br />
( x1 , x2,..., x k ) ตามเสนทางของสตีพเพสเดสเซนท โดยมีขนาดในการ<br />
เคลื่อนที<br />
(Step Length) เปนระยะที่กําหนดขึ้นดวยพารามิเตอร<br />
T T T<br />
ซึ่งจุดกึ่งกลางใหม<br />
( x1 , x2,..., x k ) จะหาไดจาก<br />
⎡ ⎡ ˆ<br />
T β<br />
⎤⎤<br />
i<br />
xi = ⎢xi −a⎢<br />
⎥⎥<br />
⎢ ⎢ ˆ2 ˆ2<br />
β1... β ⎥⎥<br />
⎣ ⎣ + + k ⎦⎦<br />
7. ทําการหาผลตอบสนองจากวิธีการแฟคทอเรียลรอบจุดกึ่งกลางไมซ้ําเหมือนขอ<br />
5<br />
8. ทําการหยุดเมื่อผลตอบสนองของจุดกึ่งกลางใหมที่ไดมีคาลดลงจากจุดกึ่งกลางเดิม<br />
3. ผลการทดลอง<br />
ผลของการทดลองประกอบดวย 3 สวนดวยกัน คือ สวนแรกการวิเคราะหโดยใช OVAT<br />
(One Variable at a Time) OVAT ซึ่งเปนการทดสอบปจจัยเพียงหนึ่งปจจัย<br />
และมีระดับ (Level)<br />
ของปจจัย a ระดับ เพื่อทําการเปรียบเทียบความแตกตางของปจจัยที่กําลังสนใจ<br />
โดยกําหนดใหปจจัย<br />
อื่นๆ<br />
คงที่<br />
สวนที่สองคือ<br />
การวิเคราะหโดยใชการออกแบบการทดลองทางสถิติโดยวิธีการออกแบบ
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
เชิงแฟคทอเรียล 2 k (2 k Factorial Design) และสวนสุดทายคือ การเปรียบเทียบผลที<br />
ออกแบบเชิงแฟคทอเรียล 2 k ครั้งที่สอง<br />
และวิธีสตีพเพสเดสเซนท (Steepest Descent)<br />
237<br />
่ไดจากวิธีการ<br />
3.1 ผลที่ไดจากการวิเคราะหโดยใช<br />
OVAT (One Variable at a Time)<br />
วิธีการวิเคราะหนี้จะสนใจแตเพียงปจจัยเดียวโดยการคงที่<br />
2 ปจจัยและปรับคา 1 ปจจัย โดย<br />
วิเคราะหผานการใชแผนภูมิกลองและเสน (Box-Whisker Plot) ซึ่งประกอบดวยการพิจารณาปรับ<br />
คา Feed จาก 129 m/min เปน 70 m/min การปรับคา Speed จาก 743 rpm เปน 900 rpm และการ<br />
ปรับคา Diameter before Reaming (DBR) จาก 5.7 mm เปน 5.8 mm เนื่องจากจะลดโอกาสที่จะ<br />
ทําใหดอกรีมเมอรหักในขั้นตอนของการเจาะรูรีมเมอร<br />
โดยจําแนกตามประเภทของเหล็กและสาร<br />
หลอเย็น โดยผลการทดลองการปรับคาของเหล็กชนิด Daido และสารหลอเย็น Ecocool 700NBF<br />
่<br />
่<br />
สามารถแสดงผลไดดังรูปที 2 โดยผลการทดลองจําแนกตามประเภทของเหล็กและสารหลอเย็น<br />
สามารถกําหนดระดับของปจจัยที่เหมาะสมไดดังแสดงในตารางที<br />
1<br />
Dia meter (mm)<br />
6.014<br />
6.012<br />
6.010<br />
6.008<br />
6. 006<br />
6. 004<br />
6.002<br />
6.000<br />
Boxplot of VaryFeed (Daido 700NBF)<br />
Feed 70 m/min<br />
Feed 129m/min<br />
Diameter (mm)<br />
6.014<br />
6.012<br />
6.010<br />
6.008<br />
6.006<br />
6.004<br />
6.002<br />
6.000<br />
Boxplot of VarySpeed (Daido 700NBF)<br />
Speed 743rpm<br />
Speed 900rpm<br />
รูปที่<br />
2 ผลตอบสนองที่ไดรับจากการปรับคาปจจัยทั้งสาม<br />
สําหรับ เหล็ก Daido และ สารหลอเย็น Ecocool 700NBF<br />
Data<br />
6.014<br />
6.012<br />
6.010<br />
6.008<br />
6.006<br />
6.004<br />
6.002<br />
6.000<br />
Boxplot of VaryDBR (Daido 700NBF)<br />
ตารางที่<br />
1 การกําหนดระดับของปจจัยเพื่อใชในการออกแบบการทดลองแบบ<br />
2 3 แฟคทอเรียล<br />
ชนิดเหล็ก<br />
สารหลอเย็น<br />
ปจจัย<br />
A = Feed (m/min) B = Speed (rpm) C= DBR (mm)<br />
Low High Low High Low High<br />
Daido 700NBF 100 160 643 843 5.8 5.9<br />
Daido Bio 914 40 100 800 1000 5.8 5.9<br />
Futaba 700NBF 40 100 800 1000 5.8 5.9<br />
Futaba Bio 914 40 100 800 1000 5.8 5.9<br />
3.2 การวิเคราะหผลจากการทดลองโดยใชออกแบบการทดลองแบบ 2 3 แฟคทอเรียล<br />
การทดลอง OVAT ขางตน สามารถทําการศึกษาเพื่อทําการสรุปปจจัยและความสัมพันธ<br />
ระหวางปจจัยที่มีความสําคัญตอปญหา<br />
พรอมทั้งกําหนดระดับที่เหมาะสมเพื่อเปนแนวทางในการ<br />
ออกแบบการทดลองแบบ 2 3 แฟคทอเรียลในขั้นตอนตอไป<br />
โดยจําแนกตามประเภทของเหล็กและ<br />
DBR 5.7mm<br />
DBR 5.8mm
Percent<br />
99<br />
95<br />
90<br />
80<br />
70<br />
60<br />
50<br />
40<br />
30<br />
20<br />
10<br />
5<br />
238<br />
Applied Statistics<br />
สารหลอเย็น โดยผลการทดลองของเหล็กชนิด Daido และสารหลอเย็น Ecocool 700NBF สามารถ<br />
แสดงผลไดดังตารางการวิเคราะหความแปรปรวน (ตารางที่<br />
2) นอกจากนี้การวิเคราะหเพื่อตรวจสอบ<br />
ขอมูลความผิดพลาดทั้งสวนของการแจกแจงแบบปกติ,<br />
การตรวจสอบการแจกแจงที่เปนอิสระตอกัน<br />
และการตรวจสอบความแปรปรวนที่คงที่<br />
พรอมทั้งการวิเคราะหระดับของปจจัยที่เหมาะสมสามารถ<br />
นําเสนอไดในรูปที่<br />
3 และ 4 โดยผลการทดลองจําแนกตามประเภทของเหล็ก และสารหลอเย็น<br />
สามารถกําหนดระดับของปจจัยที่เหมาะสมไดดังแสดงในตารางที่<br />
3<br />
ตารางที่<br />
2 การวิเคราะหความแปรปรวนสําหรับ เหล็ก Daido ดวย สารหลอเย็น Ecocool 700NBF<br />
Source DF Seq SS Adj SS Adj MS F P<br />
Feed 1 0.0000017 0.0000017 0.0000017 1.5 0.228<br />
Speed 1 0.0000189 0.0000189 0.0000189 17.1 0.00*<br />
DBR 1 0.0000113 0.0000113 0.0000113 10.25 0.003*<br />
Feed*Speed 1 0.0000129 0.0000129 0.0000129 11.71 0.001*<br />
Feed*DBR 1 0.0000001 0.0000001 0.0000001 0.07 0.795<br />
Speed*DBR 1 0.0000001 0.0000001 0.0000001 0.1 0.754<br />
Feed*Speed*DBR 1 0.0000048 0.0000048 0.0000048 4.31 0.044*<br />
Error 40 0.0000441 0.0000441 0.0000011<br />
Total 47 0.0000938<br />
1<br />
-0.003<br />
Mean of Response<br />
Normal Probability Plot of the Residuals<br />
(response is Response)<br />
-0.002<br />
-0.001 0.000<br />
Residual<br />
0.001<br />
0.002<br />
0.003<br />
Residual<br />
0.002<br />
0.001<br />
0.000<br />
-0.001<br />
-0.002<br />
-0.003<br />
1<br />
5<br />
Residuals Versus the Order of the Data<br />
(response is Response)<br />
10<br />
15 20 25 30<br />
Observation Order<br />
35<br />
40<br />
45<br />
Residual<br />
0.002<br />
0.001<br />
0.000<br />
-0.001<br />
-0.002<br />
-0.003<br />
Residuals Versus the Fitted Values<br />
(response is Response)<br />
6.0070 6.0075 6.0080 6.0085 6.0090 6.0095 6.0100 6.0105<br />
Fitted Value<br />
รูปที่<br />
3 การตรวจสอบการแจกแจงแบบปกติ, การตรวจสอบการแจกแจงที่เปนอิสระตอกัน<br />
และการ<br />
6.0092<br />
6.0090<br />
6.0088<br />
6.0086<br />
6.0084<br />
6.0082<br />
6.0080<br />
ตรวจสอบความแปรปรวนที่คงที่สําหรับ<br />
เหล็กDaido ดวย สารหลอเย็น Ecocool 700NBF<br />
Main Effects Plot (data means) for Response<br />
-1<br />
Speed DBR<br />
1<br />
-1<br />
1<br />
Feed<br />
Interaction Plot (data means) for Response<br />
-1 1<br />
-1<br />
1<br />
รูปที<br />
่ 4 ความสัมพันธของระดับที<br />
่เหมาะสมในแตละปจจัยและความสัมพันธรวม<br />
ของ เหล็กDaido ดวย สารหลอเย็น Ecocool 700NBF<br />
Speed<br />
DBR<br />
6.009<br />
6.008<br />
6.007<br />
6.009<br />
6.008<br />
6.007<br />
Feed<br />
-1<br />
1<br />
Speed<br />
-1<br />
1
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
ตารางที่<br />
3 ระดับของปจจัยทั้งหมดที่ใชในการออกแบบการทดลองแบบ<br />
2 3 แฟคทอเรียล ครั้งที่<br />
2<br />
ชนิดเหล็ก<br />
สารหลอเย็น<br />
239<br />
ปจจัย<br />
A = Feed (m/min) B = Speed (rpm) C= DBR (mm)<br />
Low High Low High Low High<br />
Daido 700NBF 85 115 590 696 5.8 5.9<br />
Daido Bio 914 80 120 850 1150 5.8 5.9<br />
Futaba 700NBF 85 115 850 1150 5.8 5.9<br />
Futaba Bio 914 80 120 900 1100 5.8 5.9<br />
3.3 การใชความสัมพันธเชิงเสนพหุคูณ (Multiple Linear Regressions)<br />
การทดลองทั้งสองขั้นตอนตามที่ไดกลาวมาขางตน<br />
สามารถสรุปความสัมพันธระหวางปจจัย<br />
ที่มีความสําคัญตอปญหาและผลตอบสนอง<br />
โดยใชการวิเคราะหความสัมพันธ หรือความถดถอยเชิง<br />
เสนพหุคูณ ซึ่งผลการทดลองของเหล็กชนิด<br />
Daido และสารหลอเย็น Ecocool 700NBF สามารถ<br />
แสดงผลไดดังตารางการวิเคราะหความแปรปรวน (ตารางที่<br />
4) โดยผลการทดลองจําแนกตามประเภท<br />
ของเหล็ก และสารหลอเย็นสามารถกําหนดระดับของปจจัยที่เหมาะสมไดดังแสดงในตารางที่<br />
5<br />
ตารางที่<br />
4 การวิเคราะหความสัมพันธและการวิเคราะหความแปรปรวนของตัวแบบความสัมพันธ<br />
สําหรับ เหล็ก Daido ดวยสารหลอเย็น Ecocool 700NBF<br />
Predictor Coef SE Coef T P<br />
constant 6.05991 0.02010 301.53 0<br />
Feed 0.00000618 0.000000571 1.08 0.285<br />
Speed 0.00000627 0.00000171 3.66 0.001*<br />
DBR -0.009708 0.003426 -2.83 -2.83 0.007*<br />
Analysis of Variance<br />
Source DF SS MS F P<br />
Regression 3 0.000031836 0.0000106212 7.53 0.00*<br />
Residual Error 44 0.000061978 0.000001409<br />
Total 47 0.000093813<br />
ตารางที่<br />
5 สัมประสิทธของปจจัยและความสัมพันธระหวางปจจัยตามประเภทการทดลอง<br />
ชนิดเหล็ก<br />
สารหลอเย็น<br />
สัมประสิทธิ์ของปจจัย<br />
คาคงที่<br />
X1 X2 X3<br />
Daido 700NBF 6.06 0.000006 0.000006* - 0.00971*<br />
Daido Bio 914 6.10 - 0.000011* - 0.000005* - 0.0138*<br />
Futaba 700NBF 6.14 - 0.000008 - 0.000001 - 0.0229*<br />
Futaba Bio 914 6.05 - 0.000013 - 0.000000 - 0.00547<br />
* มีนัยสําคัญทางสถิติ
240<br />
Applied Statistics<br />
จากขอมูลที่ไดรับในตารางที่<br />
5 สามารถทําการเคลื่อนที่จุดกึ่งกลาง<br />
(x1, x2 และ x3 ) ไปยังจุดกึ่งกลาง<br />
ใหม ( x T 1 , x T 2 และ x T 3 ) ตามเสนทางของSteepest Descent โดยมีขนาดในการเคลื่อนที่เปนระยะ<br />
ที่ไดกําหนดขึ้นดวยพารามิเตอรโดยผลการทดลองสําหรับ<br />
เหล็ก Daido ดวยสารหลอเย็น Ecocool<br />
700NBF ทั้งลักษณะระดับของปจจัยจากเงื่อนไขปจจุบัน<br />
ระดับที่ไดรับจากการออกแบบการทดลอง<br />
และจากกระบวนการสตีพเพสเดสเซนทสามารถนําเสนอไดในแผนภูมิกลองและเสนดังตอไปนี้<br />
Response<br />
Response<br />
6.015<br />
6.014<br />
6.013<br />
6.012<br />
6.011<br />
6.010<br />
6.009<br />
6.008<br />
6.007<br />
6.006<br />
Boxplot of Current, Factorial 2, Steepest Descent<br />
Current<br />
Factorial 2<br />
Steepest Descent<br />
Response<br />
6.014<br />
6.013<br />
6.012<br />
6.011<br />
6.010<br />
6.009<br />
6.008<br />
6.007<br />
6.006<br />
Boxplot of Current, Factorial 2, Steepest Descent<br />
Current<br />
Factorial 2<br />
Steepest Descent<br />
รูปที่<br />
5 การเปรียบเทียบผลการทดลองในแตละกระบวนการทดลองสําหรับ เหล็ก Daido ดวยสาร<br />
หลอเย็น Ecocool 700NBF และ Ecocool Bio914 ตามลําดับ<br />
จากกราฟจะพบวา คาของผลตอบสนองที่ไดจากวิธีการออกแบบการทดลองเชิงแฟคทอเรียล<br />
2 k ครั้งที่สอง<br />
และวิธีสตีพเพสเดสเซนทยังไมสามารถที่จะสรุปไดวาควรปรับระดับของปจจัยทั้งสาม<br />
ปจจัยที่คาเทาใด<br />
โดยอาจเกิดจากระหวางการทดลองการออกแบบการทดลองเชิงแฟคทอเรียล 2 k ครั้ง<br />
ที่สอง<br />
ไดมีการปรับคาระดับของปจจัยทั้งสามปจจัยมากเกินไป<br />
จึงทําใหคาผลตอบสนองที่ไดเกินคา<br />
ผลตอบสนองที่ควรจะไดรับ<br />
นอกจากนี้ในการทดลองดวยวิธีสตีพเพสเดสเซนทไดมีการกําหนดคา<br />
a<br />
ที่มากจึงทําใหการปรับคาระดับของปจจัยทั้งสามปจจัยมากเกินไป<br />
คาผลตอบสนองที่ไดจึงเกินคา<br />
ผลตอบสนองที่ควรจะไดรับ<br />
สวนผลการทดลองของการเจาะเหล็ก Futaba กับสารหลอเย็น Ecocool<br />
700NBFสามารถนําเสนอไดในแผนภูมิกลองและเสน (รูปที่<br />
6) และมีผลการทดลองสอดคลองกับ<br />
การทดลองขางตนเชนเดียวกัน<br />
6.015<br />
6.014<br />
6.013<br />
6.012<br />
6.011<br />
6.010<br />
6.009<br />
6.008<br />
6.007<br />
Boxplot of Current, Factorial 2<br />
Current<br />
Factorial 2<br />
Data<br />
6.011<br />
6.010<br />
6.009<br />
6.008<br />
6.007<br />
6.006<br />
6.005<br />
6.004<br />
Boxplot of Current, Factorial 2<br />
Current<br />
Factorial 2<br />
รูปที<br />
่ 6 การเปรียบเทียบผลการทดลองในแตละกระบวนการทดลองสําหรับ เหล็ก Futaba กับสาร<br />
หลอเย็น Ecocool 700NBF และสารหลอเย็น Ecocool Bio914 ตามลําดับ
การประชุมวิชาการดานการวิจัยดําเนินงานแหงชาติ ประจําป ๒๕๕๐<br />
4. สรุปผลการทดลองและขอเสนอแนะ<br />
บริษัทที่ประกอบธุรกิจทางดานผลิตแมพิมพ<br />
ไดประสบปญหาดานแมพิมพในเรื่องของคุณภาพ<br />
ของแมพิมพ คือ ขนาดเสนผานศูนยกลางของรูรีมเมอร (Reamer Hole) ไมไดขนาดตามความ<br />
ตองการ ซึ่งสงผลใหการรวมศูนยกลางดวยกันของเพลท<br />
เกิดความคลาดเคลื่อน<br />
และเมื่อนําไปตัดดวย<br />
เครื่องวายคัท<br />
(Wire Cut) จะสงผลใหรูปรางของแมพิมพคลาดเคลื่อนจากความเปนจริง<br />
การปรับปรุงขนาดของรูรีมเมอร (Reamer Hole) ขนาดเสนผานศูนยกลาง 6 มิลลิเมตร โดย<br />
ใชวิธีการวิเคราะหทางสถิติเชิงประยุกตที่เรียกวา<br />
การออกแบบการทดลองเชิงวิศวกรรม ซึ่งวัตถุดิบที่<br />
ใชคือ เหล็ก S50C ของบริษัท Daido และบริษัท Futaba ดวยสารหลอเย็นสองชนิดคือ Ecocool<br />
700NBF และ Ecocool Bio914 โดยพิจารณาปจจัยที่นาสนใจจํานวน<br />
3 ปจจัย คือ อัตราปอนของ<br />
ดอกรีมเมอร (Feed; m/min), ความเร็วรอบ (Speed; rpm) และขนาดเสนผานศูนยกลางกอนการ<br />
ควานรูเรียบ (Diameter before Reaming; mm) การกําหนดระดับเบื้องตนของปจจัยใชวิธี<br />
OVAT<br />
(One Variable At the Time) และวิธีเชิงแฟคทอเรียลชนิดสองระดับ (2 k Factorial Design)<br />
นอกจากนี้ยังทําปรับปรุงกระบวนการผลิตทั้งวิธีเชิงแฟคทอเรียลชนิดสองระดับ<br />
และวิธีสตีพเพสเดส<br />
เซนท ซึ่งสามารถสรุประดับของปจจัยทั้งสามของแตละชนิดของการทดลองที่ทําใหไดคาของ<br />
ผลตอบสนองที่ดีขึ้นไดดังนี้<br />
ชนิดการทดลอง<br />
เหล็ก Daido<br />
ดวย 700NBF<br />
เหล็ก Daido<br />
ดวย Bio914<br />
เหล็ก Futaba<br />
ดวย 700NBF<br />
เหล็ก Futaba<br />
ดวย Bio914<br />
Feed<br />
(m/min)<br />
คาระดับของปจจัย ขนาดเสนผานศูนยกลาง (mm)<br />
Speed<br />
(rpm)<br />
241<br />
DBR<br />
(mm)<br />
สภาวะ<br />
ปกติ ปรับปรุง<br />
การ<br />
พัฒนา<br />
100 643 5.9 6.008067 6.0072 0.867<br />
70 743 5.7 6.008033 6.007267 0.766<br />
40 1000 5.9 6.009333 6.0047 4.633<br />
70 743 5.7 6.008267 6.0062 2.067<br />
ในการใชการออกแบบการทดลองเชิงแฟคทอเรียล 2 k เปนแนวทางในการหาคาผลตอบสนอง<br />
ที่ดีที่สุด<br />
ควรปรับระดับของปจจัยใหมีคาลดลงมาเพื่อใหคาผลตอบสนองอยูในชวงที่ตองการ<br />
การที่<br />
จะใชวิธีสตีพเพสเดสเซนท เปนแนวทางในการหาคาผลตอบสนองที่ดีที่สุดนั้น<br />
ในการทดลองครั้งนี้
242<br />
Applied Statistics<br />
ไมสัมฤทธิผลซึ่งอาจเกิดจากหลายๆ<br />
สาเหตุ ดังนั้นจึงควรกําหนดคา<br />
a ใหมีคานอยลงในการกําหนดคา<br />
จุดกึ่งกลางใหม<br />
เพื่อใหคาผลตอบสนองอยูในชวงที่ตองการเปนตน<br />
เอกสารอางอิง<br />
วงศกร สุสนธิเดช, “การศึกษาการเปรียบเทียบวิธีการทางสถิติเพื่อกําหนดระดับที่เหมาะสมของปจจัย<br />
ในวิธีการคนหาแบบตาบู”, ปริญญานิพนธ, ภาควิชาวิศวกรรมอุตสาหการ, มหาวิทยาลัยธรรมศาสตร,<br />
2547.<br />
Box, G.E.P. and Wilson, K.B., 1951. On the Experimental Attainment of Optimum<br />
Conditions. Journal of the Royal Statistical Society, B13, 1-38.<br />
Kalpakjian, S., 1995. Manufacturing Engineering and Technology. Illinois Institute of<br />
Technology.<br />
Montgomery, D.C. 2002. Introduction to Statistical Quality Control. 4 nd ed New York :<br />
John Wiley & Sons,Inc.<br />
www.cutting-tools-7leaders.com/product.htm