การควบคุมความดันสารหล่อเย็น นำไปสู่การประหยัดพลังงานมหาศาล

โอกาสในการประหยัดพลังงานมีอยู่ทุกหนแห่ง อยู่ในพารามิเตอร์ต่าง ๆ ของกระบวนการผลิตที่ใช้ โดยปริมาณการใช้พลังงานขึ้นอยู่กับพารามิเตอร์ที่ตั้งค่าไว้ ถ้าสามารถลดปริมาณการใช้ลงได้โดยที่ไม่กระทบกับฟังก์ชันการทำงาน ย่อมเป็นการประหยัดพลังงานโดยตรง แนวคิดนี้เป็นแนวคิดเดียวกับการผลิตแบบลีน (Lean Manufacturing) ที่มีหลักการ คือ การใช้ให้น้อยที่สุด เพื่อให้ได้ผลลัพธ์เท่าเดิม โดยในปัจจุบันมีการจำลอง (Simulation) และ Machine Learning มาช่วยในการวิเคราะห์เพื่อทำการปรับให้เหมาะสม บทความนี้จะกล่าวถึงงานวิจัยเพื่อปรับความดันน้ำยาหล่อเย็นให้เหมาะสม โดยปกติการเพิ่มความดันน้ำยาหล่อเย็นจะช่วยเพิ่มอายุการใช้งานของเครื่องมือกัด อย่างไรก็ตาม เมื่อเพิ่มความดันไปถึงจุด ๆ หนึ่ง อายุการใช้งานจะไม่เพิ่มขึ้น และความดันที่จ่ายเพิ่มจะเป็นการเสียพลังงานส่วนเกิน ซึ่งหากปรับให้ความดันลดลงได้ ก็เป็นการประหยัดพลังงานโดยตรง 

Leibniz สถาบันวิศวกรรมการผลิตและเครื่องมือกลของ Leibniz University Hannover (LUH) ได้ทำการวิจัยถึงความเป็นไปได้ที่จะประหยัดพลังงานขณะที่อยู่ในกระบวนการกัดโดยการปรับความดันของน้ำยาหล่อเย็น โครงการนี้ได้รับเงินสนับสนุน การจัดหาส่วนประกอบเรขาคณิตสำหรับทดสอบ และการเขียนโปรแกรมสำหรับการกัดและวิเคราะห์โดยบริษัท Open Mind 

“เรามีความยินดีที่มีส่วนช่วยในโครงการนี้ และเราประทับใจในผลลัพธ์” Dr. Josef Koch, CTO, Open Mind Technologies กล่าว

(ที่มา: Fotografie & Design Peintner / Open Mind)

โครงการวิจัยโดยสถาบันวิศวกรรมการผลิตและเครื่องมือกลของ Leibniz University Hannover (LUH) ได้มีการพัฒนาวิธีการที่ทำให้ความเป็นไปได้ในการกำหนดความดันหล่อเย็นที่เกี่ยวกับระดับการสึกหรอของเครื่องมือ ผลลัพธ์คือประหยัดพลังงานได้มากถึง 33 เปอร์เซ็นต์ ในอนาคตวิธีการที่ใช้ Machine Learning จะสามารถควบคุมความดันน้ำยาหล่อเย็นได้ตามต้องการ โดยใช้ NC Code ที่ปรับให้เหมาะสม

ศาสตราจารย์ Berend Denkena, Talash Malek (MS), Martin Winkler (วิศวกรผู้ทรงคุณวุฒิ), และ Marcel Wichmann (MS) ได้เผยแพร่โครงการของพวกเขาในนิตยสาร VDI-Z ของสมาคมวิศวกรเยอรมัน ฉบับเดือนเมษายน 2022 ภายใต้ชื่อ “การวางแผนกระบวนการด้านพลังงานอย่างมีประสิทธิภาพ” ในขณะที่ผู้แต่งกำลังค้นหาหนทางที่จะออกแบบกระบวนการตัดเฉือนให้มีความยั่งยืนยิ่งขึ้น พวกเขาเริ่มต้นจัดการกับหัวข้อการหล่อเย็นความดันสูง ระบบน้ำยาหล่อเย็นความดันสูง สามารถยืดอายุการใช้งานของเครื่องมือต่าง ๆ ได้ถึง 250 เปอร์เซ็นต์ แต่ก็ใช้พลังงานถึง 25 เปอร์เซ็นต์ของพลังงานที่เครื่องมือกลใช้ทั้งหมด 

ในอนาคต วิธีการที่ใช้ Machine Learning จะทำให้ควบคุมความดันน้ำยาหล่อเย็นได้ตามต้องการ โดยใช้ NC Code ที่เหมาะสม

(ที่มา: Malek/IFW)

งานวิจัยสมรรถนะการสึกหรอของเครื่องมือ

เครื่องมือมีการสึกหรอที่แตกต่างกัน ขึ้นอยู่กับวิธีการตัดเฉือนที่ใช้และอัตราการขจัดวัสดุขณะตัดเฉือน เมื่อถึงจุดหนึ่งการเพิ่มความดันน้ำยาหล่อเย็นจะไม่เพิ่มอายุการใช้งาน หมายความว่ามีการใช้ความดันเกินสิ่งที่ไม่จำเป็นในหลายสถานการณ์ นักวิจัยได้ดำเนินการทดสอบการตัดเฉือนที่พัฒนาโดย Open Mind ทำการกัดหยาบหลุมต่าง ๆ บนบล็อก Ti-6Al-4V โดยใช้ดอกกัด VHM งานวิจัยได้ศึกษาผลกระทบของวิธีการการตัดเฉือนและความดันน้ำยาหล่อเย็นที่มีผลต่อการสึกหรอของเครื่องมือ

Machine Learning

การจำลองด้วย Machine Learning (ML) ถูกพัฒนาขึ้นโดยสามารถใช้ข้อมูลกระบวนการเพื่อทำนายปริมาณการสึกหรอได้ โมเดล Machine Learning ถูกใช้เพื่อจำลองความดันน้ำยาหล่อเย็นในระดับที่แตกต่างกัน การตรวจสอบสิ่งที่ค้นพบโดยใช้ส่วนประกอบจริงมีการทดสอบยืนยันว่าคุณภาพพื้นผิวและอายุการใช้งานที่เหมือนกันสามารถทำงานได้ด้วยระดับของความดันที่ลดลงตามแอปพลิเคชันการตัดเฉือน ประหยัดพลังงาน 33 เปอร์เซ็นต์ ซึ่งมากกว่าที่คาดเล็กน้อยหลังจากการจำลอง

ความก้าวหน้าสำหรับอุตสาหกรรม

“เรามีความยินดีที่มีส่วนช่วยในโครงการนี้ และประทับใจในผลลัพธ์” Dr. Josef Koch, CTO, Open Mind Technologies กล่าว “ผลลัพธ์ที่ได้ของโครงการจะถูกนำไปใช้พัฒนาระบบ CAD/CAM ต่อไป การควบคุมความดันอาจถูกรวมเข้าไปใน NC Code Generator ของ Hypermill ในอนาคต”

“เรากำลังตรวจสอบด้วยว่าจะสามารถใช้โมเดลพยากรณ์ (Predictive Model) เพื่อระบุว่าเครื่องมือจะสึกหรอมากแค่ไหน ซึ่งจะทำให้ผู้ใช้สามารถเปรียบเทียบได้ว่าการสึกหรอจะแตกต่างกันอย่างไร หากใช้วิธีการกัดที่ต่างกัน สิ่งนั้นจะเป็นความก้าวหน้าที่น่าสนใจสำหรับ Virtual Machining Center ของเรา”

บทความอ้างอิง : https://www.etmm-online.com/

บทความอื่น ๆ

• ระบบอัตโนมัติ CAD/CAM ที่ครอบคลุม ช่วยเพิ่มความเร็วการผลิต
• การจำลองช่วยลดระยะเวลาในการพัฒนารถยนต์ได้อย่างไร?
• ทำไมการจำลองทางวิศวกรรมจะมีบทบาทสำคัญมากขึ้น 
• พื้นฐาน IoT : Predictive Maintenance คืออะไร?

About The Author