Application of Convolutional Neural Networks to Control Quality of Resistance Spot Welding of Galvanized Steel Sheet

ประเทศไทยเป็นฐานการผลิตยานยนต์ที่สำคัญของโลก โดยประเทศไทยมีการผลิตรถยนต์ต่อปี จำนวน 1.9 ล้านคัน เป็นอันดับที่ 1 ของอาเซียน และอันดับที่ 10 ของโลก สินค้าในกลุ่มยานพาหนะ อุปกรณ์ และส่วนประกอบยานยนต์ เป็นสินค้าส่งออกอันดับที่ 1 ของไทย สำหรับชิ้นส่วนยานยนต์ ตัวถัง หรือโครงสร้างรถยนต์ ทำมาจากวัสดุที่เป็นเหล็กกล้า โดยเหล็กแผ่นชุบสังกะสีตามมาตรฐาน JIS G3313 ได้รับความนิยมในอุตสาหกรรมยานยนต์ เนื่องจากมีความต้านทานแรงดึงที่สูง มีความยืดหยุ่นสูง มีความต้านทานการกัดกร่อน และสามารถขึ้นรูปได้ง่าย การต่อชิ้นส่วนต่างๆของของชิ้นส่วนยานยนต์ หรือยานยนต์เข้าด้วยกันจำเป็นต้องใช้กระบวนการเชื่อมความต้านทานชนิดจุด (Resistance Spot Welding: RSW) เนื่องจากเป็นกระบวนการเชื่อมวัสดุที่รวดเร็ว ผลิตได้จำนวนมาก รอยเชื่อมมีความแข็งแรงสูง คุณภาพของรอยเชื่อมเป็นส่วนสำคัญที่ผู้ผลิตจะต้องควบคุมคุณภาพของรอยเชื่อมให้ได้ตามข้อกำหนดมาตรฐานการเชื่อมทั้งขนาดรอยเชื่อม (Weld Size) และค่าแรงดึงเฉือน (Shear Tension Strength) ในงานวิจัยนี้คณะผู้วิจัยจึงได้ทำการประยุกต์ใช้การเรียนรู้เชิงลึกโดยโครงข่ายประสาทคอนโวลูชัน (Convolutional Neural Networks, CNN) เข้ามาใช้ในการควบคุมคุณภาพรอยเชื่อม โดยได้ทำการเก็บรวบรวมข้อมูลจากภาพถ่ายผิวรอยเชื่อมของชิ้นงานที่มีขนาดรอยเชื่อม และค่าแรงดึงเฉือนที่อยู่ในเกณฑ์การยอมรับ และไม่ได้อยู่ในเกณฑ์การยอมรับ นำมาสร้างแบบจำลอง โดยแบบจำลองที่ผ่านการฝึกอบรมล่วงหน้าในรูปแบบ ResNet50 และนำเทคนิคการปรับแต่งโมเดล (Fine-tuning) มาใช้เพื่อปรับปรุงการสร้างชั้นการเชื่อมต่อกันอย่างสมบูรณ์ให้สามารถทำงานกับชุดข้อมูลสำหรับจำแนกรูปถ่ายรอยเชื่อม พบว่าแบบจำลองมีประสิทธิภาพโดยเฉลี่ย 93.93% ทำให้สามารถจำแนกภาพของรอยเชื่อมได้อย่างมีประสิทธิผลมีความแม่นยำสูง สามารถนำไปใช้ในการควบคุมคุณภาพการเชื่อมความต้านทานชนิดจุดในอุตสาหกรรมการผลิตยานยนต์ต่อไป

𝗞𝗘𝗬 𝗙𝗜𝗡𝗗𝗜𝗡𝗚𝗦
1. การพัฒนาแบบจำลองควบคุมคุณภาพการเชื่อมโดยใช้การจำแนกรูปภาพร่วมกับการตรวจสอบแบบไขว้ (K-fold cross-validation) ของโมเดล ResNet50 ด้วย 5 folds และอัตราการเรียนรู้ 0.001 ใช้เวลาในการฝึกเฉลี่ย 6,779 วินาทีต่อ fold
2. แบบจำลองสามารถจำแนกรูปภาพรอยเชื่อมได้อย่างแม่นยำ โดยมีค่าเฉลี่ยความถูกต้อง 93.93% แสดงให้เห็นว่าโมเดล ResNet50 มีประสิทธิภาพสูงในการจำแนกรูปภาพรอยเชื่อม และสามารถนำไปใช้ในการควบคุมคุณภาพรอยเชื่อมในอุตสาหกรรมยานยนต์
3. อิเล็กโทรดที่ใช้ในการเชื่อมเหล็กแผ่นชุบสังกะสีมี ตามมาตรฐาน JIS G3313 มีอายุการใช้งานสูงสุด จำนวน 270 ครั้ง เมื่อจำนวนการเชื่อมเพิ่มขึ้นผิวของอิเล็กโทรดจะมีการเสื่อมสภาพ เนื่องจากเกิดการหลอมรวมกันระหว่างสังกะสีเคลือบและทองแดง ส่งผลให้เกิดคราบทองเหลือง (Brass Formation) สะสมบนพื้นผิวอิเล็กโทรด ทำให้ขนาดรอยเชื่อมมีขนาดไม่เป็นไปตามเกณฑ์การยอมรับตามมาตรฐานและส่งผลให้มีค่าแรงดึงเฉือนลดลง

𝗙𝗨𝗧𝗨𝗥𝗘 𝗙𝗢𝗥𝗪𝗔𝗥𝗗 ❯❯
Exploring KMUTT Research That Shapes Tomorrow
ғʙ : ทุนการศึกษา มจธ.
☏ :☏ :☏ :☏ :☏ :☏ :☏ :☏ : 0-2470-8185
 : sfa@mail.kmutt.ac.th
ꚰ : kmutt.ac.th/sfa/