วิเคราะห์การทำงานของบล็อกลมด้วยระบบตรรกศาสตร์คลุมเครือ
คำสำคัญ:
บล็อกลม, เซนเซอร์วัดความดันลม, ระบบตรรกศาสตร์คลุมเครือ, แรงบิดขันแน่น, ไม่เกิดแรงบิดขันแน่น, ระบบโพคา-โยเกะบทคัดย่อ
การวิจัยนี้เป็นการวิเคราะห์เชิงคํานวณมีวัตถุประสงค์เพื่อวิเคราะห์การทำงานของบล็อกลม (pneumatic impact wrench) ที่เป็นเครื่องมือสำหรับการขันประกอบสลักเกลียวของกระบวนการผลิตในอุตสาหกรรม โดยเป้าหมายของงานวิจัยต้องการหาทางเลือกใหม่สำหรับการตรวจสอบความถูกต้องของการขันประกอบสลักเกลียวด้วยบล็อกลมที่ไม่ต้องการตรวจสอบแรงบิดขันแน่นของสลักเกลียวโดยละเอียด ผลลัพธ์ของงานวิจัยมีโอกาสนำไปพัฒนาประยุกต์ใช้กับระบบการป้องกันความผิดพลาด (ระบบโพคา-โยเกะ) ที่มีหน้าที่ตรวจสอบความถูกต้องของจำนวนการครั้งในการขันประกอบสลักเกลียวด้วยบล็อกลมของกระบวนการผลิตในอุตสาหกรรม โดยทำการวิเคราะห์การทำงานของบล็อกลมจากสัญญาณเซนเซอร์วัดความดันลม (pneumatic pressure sensor) ที่วัดความดันลมในระบบขณะที่บล็อกลมทำงานและทำการวิเคราะห์จากความดันลมที่เปลี่ยนแปลงไปชั่วขณะในช่วงเวลาที่บล็อกลมทำงาน โดยนำระบบตรรกศาสตร์คลุมเครือ (fuzzy logic system) มาเป็นเครื่องมือในการวิเคราะห์ ผลการวิเคราะห์การทำงานของบล็อกลมด้วยระบบตรรกศาสตร์คลุมเครือถือเป็นที่น่าพอใจ สามารถวิเคราะห์การทำงานของบล็อกลมได้ว่า เป็นกรณีแรงบิดขันแน่นหรือกรณีไม่เกิดแรงบิดขันแน่น จากผลการวิจัยพบว่า การวิเคราะห์การทำงานของบล็อกลมด้วยระบบตรรกศาสตร์คลุมเครือมีความเป็นไปได้ในการนำไปพัฒนาและใช้จริงในอุตสาหกรรม
References
Anas, E. (2016). Edge detection techniques using fuzzy logic. 2016 3rd International Conference on Signal Processing and Integrated Networks (SPIN) (pp. 169-173). Noida, India: IEEE. https://doi.org/10.1109/SPIN.2016.7566682
Brkić, D. (2011). A gas distribution network hydraulic problem from practice. Petroleum Science and Technology, 29(4), 366-377. http://dx.doi.org/10.1080/10916460903394003
Buemi, A., Giacalone, D., Naccari, F., & Spampinato, G. (2016). Efficient fire detection using fuzzy logic. 2016 IEEE 6th International Conference on Consumer Electronics-Berlin (ICCE-Berlin) (pp. 237-240). Berlin, Germany: IEEE. https://doi.org/10.1109/ICCE-Berlin.2016.7684764
Gougam, F., Rahmoune, C., Benazzouz, D., & Merainani, B. (2019). Bearing fault diagnosis based on feature extraction of Empirical Wavelet Transform (EWT) and Fuzzy Logic System (FLS) under variable operating conditions. Journal of Vibroengineering, 21(6), 1636-1650. https://doi.org/10.21595/jve.2019.20092
Jumahat, S., Beng, G. K., Misran, N., Islam, M. T., & Mahri, N. (2019). Automatic QRS onset detection of ECG signal using secant line slope formula. 2019 IEEE 15th International Colloquium on Signal Processing & Its Applications (CSPA) (pp. 132-136). Penang, Malaysia: IEEE. https://doi.org/10.1109/CSPA.2019.86959823
Karuna, M., Ganesh, Ch., Das, R. P., & Kumar, M. V. (2017). Classification of wrist movements through EMG Signals with fuzzy logic algorithm. 2017 International Conference on Energy, Communication, Data Analytics and Soft Computing (ICECDS) (pp. 2258-2261). Chennai, India: IEEE. https://doi.org/10.1109/ICECDS.2017.8389854
Khalid, M., Yusof, R., & Mokayed, H. (2011). Fusion of multi-classifiers for online signature verification using fuzzy logic inference. International Journal of Innovative Computing, Information and Control, 7(5), 2709-2726. http://www.ijicic.org/isme09-si16.pdf
Kumar, R. S., Raj, L. G. C., & Abarna, J. (2018). Analysis of fuzzy logic based fault detection for three phase induction motor drive system. 2018 4th International Conference on Electrical Energy Systems (ICEES) (pp. 700-705). Chennai, India: IEEE. https://doi.org/10.1109/ICEES.2018.8443247
Lee, Y. G., Talluri, T., & Chung, H. T. (2019). Development of impact wrench torque measurement system. 2019 IEEE International Conference on Architecture, Construction, Environment and Hydraulics (ICACEH) (pp. 33-36). Xiamen, China: IEEE. https://doi.org/10.1109/ICACEH484242019.9042104
Marselli, C., Daudet. D., Amann, H. P., & Pellandini, F. (1998). Application of Kalman filtering to noise reduction on microsensor signals. Proceedings of the Colloque interdisciplinaire en instrumentation: C2I’98 (pp. 443-450). France: The Open University and Jisc. https://core.ac.uk/download/pdf/20641186.pdf
Mendoza, C., Schweitzer, P., & Weber, S. (2019). Kalman filter and a fuzzy logic processor for series arcing fault detection in a home electrical network. International Journal of Electrical Power and Energy System, 107(3), 251-263. https://doi.org/10.1016/j.ijepes.2018.11.002
Pharne, S., & Patil, A. (2017). Fault diagnosis of motor using fuzzy logic technique. 2017 International Conference on Energy, Communication, Data Analytics and Soft Computing (ICECDS) (pp. 3110-3115). Chennai, India: IEEE. https://doi.org/10.1109/ICECDS.2017.8390029
Pratumsuwan, P. (2018). Fuzzy logic control. Bangkok: Se-Education Public Company Limited. (in Thai)
Ratanaprasert, C., Ananchuen, N., Chumchob, N., Supaporn, W., & Howsud, T. (2016). Integrals. In N. Ananchuen, M. Chaiya, J. Rakbud & R. Srithus (Eds.). Calculus II. Silpakorn University. http://www.math.sc.su.ac.th/web3/textbooks/cal2/Calculus2-ch1-integrals.pdf. (in Thai)
Roveda, L., Riva, D., Bucca, G., & Piga, D. (2021). External joint torques estimation for a position-controlled manipulator employing an extended Kalman Filter. 2021 18th International Conference on Ubiquitous Robots (UR) (pp. 101-107). Gangneung, Korea (South): IEEE. https://doi.org/10.1109/UR52253.2021.9494674
Sahid, D., & Alaydrus, M. (2020). Multi sensor fire detection in low voltage electrical panel using modular fuzzy logic. 2020 2nd International Conference on Broadband Communications, Wireless Sensors and Powering (BCWSP) (pp. 31-35), Yogyakarta, Indonesia: IEEE. https://doi.org/10.1109/BCWSP50066.2020.9249400
Semsri, A., Suksukont, A., Sisamut, S., & Pudtipatkosit, T. (2021). Quality control and loss reduction in the front side fender model assembly process using Poka-Yoke Techniques. RMUTP Research Journal, 15(2), 103-118. https://doi.org/10.14456/jrmutp.2021.25. (in Thai)
Somsirikarnjanakoon, T., Prasopchaichana, K., Tongjiphitak, K., Suthachewa, K., & Srikosak, K. (2018). Defect reduction in assembly process: Case study of automotive manufacturer. IE Network Conference 2018 (July 23-26). Ubon Ratchathani: IE Network. (in Thai)
Ülkir, O., Gökmen, G., & Kaplanoğlu, E. (2017). Emg signal classification using fuzzy logic. Balkan Journal of Electrical and Computer Engineering, 5(2), 97-101. https://doi.org/10.17694/bajece. 337941
Xia, Z., Xie, F., & Wang. X. (2019). Design of electric fixed torque wrench based on speed difference detection. 2019 Chinese Control and Decision Conference (CCDC) (pp. 3724-3729). Nanchang, China: IEEE. https://doi.org/10.1109/CCDC.2019.8832745.
Xu, J., Zhoa, Y., & Chen, K. (2020). Development of a high-precision digital display torque wrench. Journal of Physics: Conference Series, Volume 1626, 2020 4th International Conference on Electrical, Automation and Mechanical Engineering 21-22 June 2020 (pp. 1-6). Beijing, China: IOP Publishing Ltd. http://dx.doi.org/10.1088/1742-6596/1626/1/012138
