เล่มประชุมกรรมการครั้งที่ 2_2564 แก้ไขเพิ่มเติม

272 IOPConferenceSeries: MaterialsScienceandEngineering PAPER•OPENACCESS Relatedcontent TheComparisonoftheAST908,AST915and -Hightemperaturecoatingsfrompost AST928of Micro-HardnessofTungstenBased processingFe-basedchipsandNi-based AlloyFilmsonAISI1050SteelbyHVOFCoating alloysasasolutionforcriticalraw Method materials TDudziak,AOlbrycht,APolkowskaetal. Tocitethisarticle:P.KumkoonandP.Surin2018IOPConf.Ser.: Mater.Sci.Eng.361 012002 -Towarddevelopmentofoptimum Viewthearticleonlineforupdatesandenhancements. specimendesignsand modelingofin- planeuniaxialcompressiontestingof aluminumalloy2024andAISI1008steel sheet material DKBanerjee,CACalhoun, MAIadicola etal. -Fracture Microindentationonboridelayers onAISI1020steel MPrince,AJustinThanu,SLArjunetal. ThiscontentwasdownloadedfromIPaddress203.158.208.13on15/08/2019at11:22

273 9thInternationalConferenceon Mechatronicsand Manufacturing(ICMM2018) IOPPublishing IOPConf.Series: MaterialsScienceandEnginee1ri2n3g4356178(9200‘1’“8)”012002 doi:10.1088/1757-899X/361/1/012002 TheComparisonoftheAST908,AST915andAST928of Micro-HardnessofTungstenBasedAlloyFilmsonAISI1050 SteelbyHVOFCoating Method P.Kumkoon,P.Surin Faculty of Engineering, PathumwanInstitute of Technology, Bangkok, 10300, Thailand Email:[email protected] Abstract.Inthisstudy,thecommercialpowdertungstenbasedalloyswas sprayedbyusing highvelocityoxygenfuel(HVOF)methodonAISI1050steelsubstrate. Thesefilmsofpowder tungstenbasedalloysofAST908, AST915and AST928were included.Thepowderwas mainlycomposedoftungsten(W), Chromium(Cr), Nickel(Ni)and Cobalt(Co) withan averageparticlesizeintherangeof10-45µm.The microstructureandcompositionalanalysis wasusedbythescanningelectrode microscopy(SEM)andenergydispersivespectroscopy (EDS)respectively.Themicro-hardnessofcoatingfilmswasinvestigatedbyVickers micro- hardnesstester.TheSEMresultsexhibitedgooddepositionbetweenthecoatingfilmswiththe specimens(AISI1050steel).Accordingly, thecoatingfilmsshowedaveryhomogeneous microstructure.Inaddition,the micro-hardnessofsubstratewas81.30%lowerthanthe AST 908particles.Finally,theAST908, AST915and AST928 coatingimprovedthe micro- hardnessof1559.3HV,1468.4HVand1306.2HVrespectively 1.Introduction Industrywastheactivitiesofprocessingor manufacturingprocedureofraw materialsto makenew materialstobeusefulaccordingtothepurposeofusingmachinesorlabourformassproductionwhich couldbesoldasaproduct.A mainfactoroftheproductionofeachfactorywasthe machineryfor production. Whenthese machineshadbeenusedforthe massproductionforalongtime,[1]there weresomepartsofthe machinesthat wouldbedamagedor wornoutafterusingthem.Industrial examplesinmost countriessuchassteelsmeltingindustry,automotiveindustryandothershadlarge machines.Whenthesepartsof themachinesweredamagedthattheycouldn'tavoidformachineryand engineeringstructures,selectingsuitablematerialsforusingandprocessingimprovementaqualityof thematerialwasutilizedtoincreaseefficiency.Aswellasanunderstandingofthenatureofwornness andeligible maintenance,itwasanecessityforthoseaccomplicesofusageandmaintenanceforthe wornness ofsomepartsofindustrial machineswhichcouldberepairedbyvarious methodsand broughttocomebacktolife.Thedamagedpartswereweldedtothemaintenance.Itwasaninteresting waytouse theheat-treatedcoatingprocess whichcouldbeappliedto manytypesofwork.Spray coatingwiththermalflamewasausefultechniqueinvariousindustries.[2-3].Thereareelectronics, automotive,turbineandaircraftindustries.Thistechniquewasoftenusedinpreventingwornness,heat andcorrosioninchemicalsandthenusedforrepairingworn-outpieces. Wecouldchooseaninfinite coated materialstogetthedesiredproperties.Theused materialsforthecoatingweremetals,alloys, ContentfromthisworkmaybeusedunderthetermsoftheCreativeCommonsAttribution3.0licence. Anyfurtherdistribution ofthisworkmustmaintainattributiontotheauthor(s)andthetitleofthework,journalcitationandDOI. PublishedunderlicencebyIOPPublishingLtd 1

274 9thInternationalConferenceon Mechatronicsand Manufacturing(ICMM2018) IOPPublishing IOPConf.Series: MaterialsScienceandEnginee1ri2n3g4356178(9200‘1’“8)”012002 doi:10.1088/1757-899X/361/1/012002 ceramics,compositesandpolymers.Spraycoatingwithheatflamehadasimpleprinciplebyheating with materialsforcoatingonthesurfacethatcouldbeapowderorwires[4].Thethermalspraying technologywasacoatingmethodwhich wasusedextensivelyfortheapplicationon manufacturing andmaintenanceinThailand.Thisresearchwas studiedthethermalsprayingtechnologyofworn-out resistancefortoollifeexpansion.Theaimofthestudyistocharacterizethemicrostructureoftungsten basedalloyfilmsonAISI1050steelwithdifferentthree-typepowdersnamely;AST908,AST915 andAST928respectively. 2.Experimentalprocedure Inthisstudy,highvelocityoxygenfuel(HVOF)spraying methodwascoatedonthespecimen(AISI 1050steel).Thedimensionofthespecimenwas25.4x50.0x6.0mm andchemicalcompositionof specimenasshowninTable1.ThecommercialpowdertungstenbasedalloynamelyAST908,AST 915and AST928 wasselectedascoating materials.Thepowdertungstenbasedalloy wasmainly composedoftungsten(W),chromium(Cr),nickel(Ni)andcobalt(Co)withanaverageparticlesizein therangeof10-45µm.ThesecommercialpowdertungstenbasedalloyofexperimentwereAST908, AST915andAST928whichwasshowninTable2. Table1. Thechemicalcompositionandhardnessvalueofsubstratematerial. Specimen C Chemicalcomposition(%wt) Hardness AISI1050 0.47-0.55 Mn P S Si (HV) 0.60-0.90 0.020-0.035 0.020-0.035 0.15-0.35 247 Table2. Thechemicalcompositionofcommercialpowdertungstenbasedalloy. Typeofpowder Chemicalcomposition(%wt) AST908 W Co Cr Ni AST915 73 - 20 7 AST928 88 12 - - 80 6 10 4 TheparametersofHVOFcoatingoptimizedprocesswereillustratedaccordingtoTable3.Before HVOFcoatingprocess,thepreparedspecimensofsurfacepropertieswerepolishedwithsilica-paper andcleaned withacetone.Thisobjectiveofstudy wastocomparethe micro-hardnessoftungsten basedalloyfilmsonAISI1050steelbyHVOFcoatingmethod.Threefilmsofpowdertungstenbased alloyswereAST908,AST915andAST928respectively. Table3. HVOFcoatingprocessparameters. Parameters AST908 Typeoftungstenbasedalloy Oxygenpressure(ft3/min) AST915 AST928 Fuel(gal/min) 1900 2000 1950 Nitrogenpressure(ft3/min) 6 6 5.75 Powderfeedrate(rpm) 23±2 21±2 26±2 Sprayingdistance(mm.) 250-330 300-400 150-200 Temperature(ºc) 380 380 380 3000-3600ºc 3000-3600ºc 3000-3600ºc 2.1 Microstructureandsurfacehardnessofcoatings The micro-hardnessofcoatingfilmswereinvestigatedbyVickers micro-hardnesstester(Matsuzawa MM5321X model MMT-X7-LCD).Thistester micro-hardnessofcoatingfilmswasfound.Twenty 2

275 9thInternationalConferenceon Mechatronicsand Manufacturing(ICMM2018) IOPPublishing IOPConf.Series: MaterialsScienceandEnginee1ri2n3g4356178(9200‘1’“8)”012002 doi:10.1088/1757-899X/361/1/012002 positionsofmeasuringwerethe10-testingpointsonflatsurfaceand10-testingpointsoncrosssection asshowninFigure1.Themeasuringmethodusedtheappliedloadsof100gandtimerangeof10sec. witheachtestingpoint.Inaddition,the microstructureanalysisofspecimens wasusedforthe scanningelectrodemicroscopy(SEM)andenergydispersivespectroscopy(EDS). (a)Testingpointonflatsurface. (b)Testingpointonacrosssection. Figure1. Positioningofmicro-hardnesstesting. 3.ResultandDiscussion 3.1 Microstructure TheSEM micrographs(asshowninFigure2)wereexhibitedwiththethreecoatingfilmsoncross sectionanddepositioncharacteristicofcoatingfilms. These micrographsdemonstratedthatthe coatingfilmsingooddeposition withthespecimens, Moreover,thecoatingfilmsindicatedavery homogeneous microstructure[5].However,theporosityvalueinthecoatingfilmsoncrosssection waslowaccordingtotheevident.TheEDSanalysisofcoatingfilmontheflatsurfacewasshownin Figure3andTable4..AccordingtotheSEMmicrographsresults,thepowderparticlesconsistof W, Cr,Ni,CoandC.Theassprayedtungstenbasedalloycompositeresultshard Wparticleresultsinthe formationof WCduringtheremelting[6]. (a)AST908 (b)AST915 (c)AST928 Figure2. SEMmicrographsofthreecoatingfilmsoncrosssection. 3

276 9thInternationalConferenceon Mechatronicsand Manufacturing(ICMM2018) IOPPublishing IOPConf.Series: MaterialsScienceandEnginee1ri2n3g4356178(9200‘1’“8)”012002 doi:10.1088/1757-899X/361/1/012002 (a)AST908 (b)AST915 (c)AST928 Figure3. EDSanalysisofcoatingfilmsonflatsurface. Typeof Table4. TheEDSanalysisofeachcoatingfilmsonflatsurface. powder Chemicalcomposition(%) AST908 AST915 C Na P Zn Co Mg K Cr Fe Ni W AST928 18.65 0.5 - - - - - 18.52 1.27 9.33 51.73 22.81 - - 4.36 16.72 0.67 - - 2.6 - 52.84 20.86 1.45 0.52 - - - 0.43 14.9 2.15 25.48 34.39 3.2Vickers Micro-hardness Thevariationof micro-hardnessoncoatingfilmswasshowninFigure4.ItrevealedthatAST908 coatingfilmhigherhardnessof1583.9 HV wasachieved whereasthehardnessofspecimen(AISI 1050steel) was300.5 HV.Inaddition,the AST915coatingfilmandAST928coatingfilmwere improvedthehardnessof1476.9 HVand1316.4 HVrespectively.Itindicatedthatthehardnessof specimen(81.30%)waslowerthanAST908coatingfilm. Figure4. Thevariationofmicro-hardnessoncoatingfilmsandsubstrate. Figure5,showedthemicro-hardnessalongthecrosssectionofsubstrateandcoatingfilms.Itcould beseenthattheincreaseofthe micro-hardnessbyaddingthespraydistancefromthesubstrateto coatinglayerofAST908coatingfilm,thesurfacecoatingof1559.3higherhardnessHVbygradually pressedofthepositionshiftsfromsurfacecoatingtowardsbondlayer.Atthebondlayeritisreduced to699.6HVandfurtherreducedinsubstratematerialto313.4HV.TheAST915powdercoatingand AST928coatingimprovedthe micro-hardnessontheAISI1050 materialby1468.4HVand1306.2 HVrespectively. 4

277 9thInternationalConferenceon Mechatronicsand Manufacturing(ICMM2018) IOPPublishing IOPConf.Series: MaterialsScienceandEnginee1ri2n3g4356178(9200‘1’“8)”012002 doi:10.1088/1757-899X/361/1/012002 Figure5. Thespraydistanceofmicro-hardnessoncoatingfilmsandsubstrate. 4.Conclusion Inthiswork,thesurfacecharacteristicsduringHVOFspayedcoatingonAISI1050substratematerial usingthreedifferentpowdercoatingshavebeeninvestigated.The micro-hardnessand microstructure werestudied.Thefollowingconclusionscanbedrawnasfollow:  Thecrosssection micrographsdemonstratedthatthecoatingsreasonablyhadgoodinterface withthesubstratematerialandthecoatingshowedaveryhomogeneousmicrostructure.  Themicro-hardnessofsubstratewas81.30%lowerthanthemicro-hardnessofsurfacecoating whenusingAST908powderparticles.  Inthe micro-hardnessalongthecrosssection,theAST908,AST915andAST928powder coatingsimprovedthe micro-hardnessontheAISI1050 materialby1559.3HV,1468.4HV and1306.2HVrespectively. References [1] Andras M,GaborBandAndrasB2013.HardnesstestandmicrostructureanalysisofNiCrBSi sprayed,Laserremeltedcoating.ProductionProcessesandSystems Vol6(1)pp35-46 [2] Ahmad N A, Kamdi Z, Mohamed Z, Omar AS, Latif N Aand Mohd Tobi A L2016. Charecterizationof WC-10Ni HVOFCoatingforCarbonSteelBlade.IOPConf.Series: MaterialsScienceandEngineering 165012022 [3] SerkanI,CihanO,OzkanK, MehmetAandCihangirTS2015. MicrostructureandHardness Propertiesofhighvelocityfuel(HVOF)Sprayed WCCo-SiCcoating.KastamonuUniversity JournalofEngineeringandSciences1(1)pp1-7 [4] Raghu K R M R,Sarcar M M Mand Ramanaiah N2013.Tribological Behaviorof WC- Co/NiCrAlY Coating on Ti-6Al-4V. InternationalJournal of Advanced Science and Technology Vol57 [5] Karagoz M,IslakS,BuytozSandKurtB2011.microstructureCharecteristicsofhighvelocity fuel(HVOF) Sprayed NiCrBSi-SiC Composite Coating on a Low Alloy Steel.6th InternationalAdvancedTechnologiesSymposium(IATS11)16-18may2011ElazigTurkey [6] NiteshKJandHariharanP2012.InfluenceofHardnessBy WCBasedCoatingOnAlsiAlloy AndGreyCastIronUsingHVOFCoating Method.IOSRJournalof MechanicalandCivil Engineering(IOSR-JMCE) 2320-334xpp36-42 Acknowledgement Theauthors wouldliketothank Branchof Advanced Manufacturing Technology, Facultyof Engineering,forfinancialsupportofthisresearch. 5

IOPConferenceSeries: MaterialsScienceandEngineering,Volum... https://iopscience.iop.org/issue/1757-899X/361/1 278 1of6 8/15/2019,5:27PM

IOPConferenceSeries: MaterialsScienceandEngineering,Volum... https://iopscience.iop.org/issue/1757-899X/361/1 279 2of6 8/15/2019,5:27PM

28

80

IOPConferenceSeries: MaterialsScienceandEngineering https://www.scimagojr.com/journalsearch.php?q=19700200831&... 281 EnterJournalTitle,ISSNorPublisherName 1of6 8/15/2019,7:20PM

IOPConferenceSeries: MaterialsScienceandEngineering https://www.scimagojr.com/journalsearch.php?q=19700200831&... 282 2of6 8/15/2019,7:20PM

283

284 6th CreTech2018 6th CreTechInternationalconference2018 Researchproceedingfor6thInternationalconferenceatPattaya,Chonburi,Thailand PublishedbyRajamangalaUniversityofTechnologyKrungthep,2NanglingiRoad,Thungmahamek, Sathorn,Bangkok,10120,Thailand PublishedonJuly,2018 a

285 DiDfiffefreerencneceofofttuungnsgtseten-n-HHVVOOFFcocaotaitingngoonnwewaerarbebehahvaivoiror PiPyiaypaopnogngKuKumkmokoono1n*,1*,PrParyaoyoononSuSriurni2n2 1,12,2AdAvdavnacnecdedMaMnaunfuafcatcutriurnigngTeTcehcnhonlolgoy,gy,FaFcaucltulytyofofEnEgnignieneeriernign,g, PaPtahtuhumwmawnaInnIstnisttiutueteofofTeTcehcnhonlolgoy,gy,BaBnagnkgokk,ok,ThTahilaialnadnd *E*-E-mamila:il:pipyiaypaopnogn_gw_awtaptpt@[email protected] ABASBTSRTARCATCT nannaonstorsturctucutruerdedanadndulturltarfiafnieneHVHOVFOFspsrparyaiynigng WWeaerarbebheahvaivoiuorurofofTuTnugnstgestnenhihgihgh WCWC-1-71C7OCOcocatoiatnignsgs[5[].5].InInthtishisrersesaeracrh,ch,thtehe velveolciotciytyoxoyxgyegnenfufelue(l(W-WH-VHOVFO)F)wawsasanaalnaylsyesded wewareartetsteistnigngiimplmeplememnetntofofW-WH-VHOVFOFspsrparyaeyded usiusnigngthtehehihgihghtetmepmepreatrautruerebalblal-lo-no-nd-isdicsc cocatoiatnignsgsthtathatASATST9098,08,ASATST919515anadndASATST9298,28, tritrbiobometmetr.er.ThTrhereeeW-HW-VHOVFOsFpsrparyaeydedcocatoiatnigngonon rersepsepcteictvielveylyaraerededemomnostnrstatreatd.ed.ThTehreelraetliatoinosnhsihpip thteheAIASIISI10150050stestele,eli,niclnculduidnigngASATST9098,08,ASATST betbewteweenenthtehewewarearbebheahvaivoiroranadndmemcehcahnaicnialcal 919515anadndASATST9298.28.ThTehererseusltultofofrersesareacrh,cht,htehe prporpoeprteyrtoyfoffilfilmcmocatoiatnignsgissiesxepxlpolroerd.ed. vavriaartiiatoinonofofVicVikcekrsersmicmircor-oh-ahradrndensesssononcocatoiatnigng filfilmtmhtathatASATST909808cocatoiatnignfgilfilmmhihgihgehrerhahradrndensesss EXEPXEPREIRIMEMNETNATLALPRPROCOECDEUDRUERE ofof151853.893.9HVHcVocompmapraerdedwitwihthotohtehrefrilfimlcmocatoiatnig.ng. InItnhtishiswowrok,rkt,htrhereeeW-HW-VHOVFOsFpsrparyaeydecdocatoiatnigngonon OnOtnhteheotohtehrerhahnad,ndt,hteheweiwegihgthltolsossasnadndwewarearratreate thteheAIASIISI10150050stesteleel(2(5.245.4xx50.50.0xx6.06.0mm),m), wewrerienidnicdiatceatdetdhtathatASATST909808cocatoiatnignfgilfimlmmomroere iniclnculduidnigngASATST9098,08,ASATST919515anadndASATST92982(8a(sas thtahnanotohtehrerfilfimlmcocatoiatnig.ng.InInsusummamray,ryt,htehehihgihgh shsohwonwinniFniFgiugruere1).1).ThTehsescehcehemicmialcaclocompmopsiotsiitoinon hahradrndensesssonosnusrfurafcaececocatoiatnigngmamyaybebtehtathatalawlawyasys wewrerceocnosinsstiestdedofotfutnugnstgestne(n(W),W)c,hcrhoromimuium(mC(r)C,r), gogoododwewarearersiesstiastnacnecebebceacuasuestehtehehihgihghahradrndensesss nicnikcelke(lN(i)Nia)nadncdocboalbtal(tC(oC)oa)sasshsohwonwinninTaTbaleble1.1. wawsaesffefefcteectdetdoteoaesayscyrcarcakcekdeadnadnbdrborkoekn.en. ThTeherarnagnegeofofthtichikcnkensessswawsas101-04-54µ5µmmaftaeftrer cocompmopsoitseitdedbyby W-HW-VHOVFOFspsrparyaeydedcocatoiatnigng INITNRTRODOUDCUTCITIONON prporcoecses.ss.ThTehehahradrndensesssvalvauleusesofofcocatoiatnigngfilfilmsms TuTnugnstgestne-nh-ihgihghvelveolciotcyityoxoyxgyegnefnufelue(l(W-WH-VHOVFO)F) wewrerememaesausruerdedbybtyhteheVicVikcekrsersmicmircor-oh-ahradrndensesss thtehrermalmaslpsrparyaiynignghahvaevebebeenenwiwdieldeylydedpeopsiotseitdedonon whwichihchinidnicdiatceatdedthteheASATST909808ofof151853.893.9HVH,V, thtehememcehcahnaicnialcalcocompmopnoennetsntfsofrorwewarearersiesstiastnacnece ASATST919515ofof141746.796.9HVHaVnadndASATST929828ofof131136.146.4 inicnrceraesiasnignigniinnidnudstursiteris.es.ThTehrermalmlalylyspsrapryaeydedW-W- HVH,Vr,ersepsepcteictvielveyl(ya(sasshsohwonwinninFiFgiugruer2e).2). HVHOVFOFcocatoiatnignsgswewrereapapplipelidedsuscuccecsesfssufllulylytoto exepxapnadntdhtehteotoololifliefeanadnrderdeudcuectehteheprpordoudctuictoinon cocsto.st.ReRceecnetntstsutduiediseshahvaevienivnevsteistgiatgeatdetdhtathathtehe wewarearbebheahvaivoiuorurofofW-WH-VHOVFOsFpsrparyaeydedcocatoiatnigns.gs. D.DA..A.SteStweawrtartetetal.al.stsutduiedidedthteheabarbarsiasvievewewarear bebheahvaivoirorofofcocnovnevnetintoinoalnalanadndnannaoncoocompmopsiotseite HVHOVFO-Fs-psrparyaeydedWCW-C-OCcOocatoiatnignsg[s1[].1].H.H.LiaLioaeotet al.al.anaalnaylzyezdedthteheiniflnufleunecneceofofcocatoiatnigng micmircorstorsturctucutrueroenotnhtehaebarbarsiasvievewewarearrersiesstiastnacnecoefof WCW/CC/OCOcecrermetmetcocatoiatnignsgs[2[].2].X.XQ..Q.ZhZahoaoetetal.al. cocompmapraerdedthtehefrifcrtiictoinonanadndwewarearbebheahvaivoirorofof plaplsasmamsapsrparyaeydecdocnovnevnetinotinoalnaalnadndnannaonstorsturctucutruerded WCWC-1-212%C%OCcOocatoiatnignsgosnosntasitanilenlsesssstestelee[l3[].3].L.L.M.M. BeBregregreretetal.al.dedemomnostnrstatreatdetdhtehedrdyrsylisldidnignguputpoto ASATS9T09808ASATS9T19515ASATS9T29828 7.57.5m/sm/sanadnd808000oCoCofofthtehrermalmlalylyspsrparyaeyded FiFgiugruere1.1.ThTeheW-WH-VHOVFOFspsrparyaeydedcocatoiatnigng cocaotiatnignsgsofofthteheTiTOi2O-C2r-C2rO23O3sysstyestemmanadnd prporcoecses.ss. (T(i,Ti,MoM)(o)C(,CN,)-NN)i-(NiC(OC)O)[4[].4].H.H.ChCehnenetetal.al. diadigangonsoesdedthtehestrsturctucutruereanadndwewarearbebheahvaivoirorofof 4466

286 RERSEUSLUTLSTSANADNDDIDSICSUCSUSSISIONON ThTeheFiFgiugruere22wawsasrerveevaleealdedthtehevavriaartiiatoinonofof VicVikcekrsersmicmircor-oh-ahradrndensesssononcocatoiatnigngfilfilmmthtathat ASATST90980c8ocatoiatnignfgilfilmmhihgihgerherhahradrndensesssofof151853.893.9 HVHVcocompmapraerdedwitwihthotohtehrerfilfilmmcocatoiatnig.ng. FuFrturhtehremromroe,ret,hteheWW-H-VHOVFOsFpsrparyaeydedcocatoiatnigngcacnan inicnrceraesaesdedthtehehahradrndensessssuscuhchasasASATST919515ofof 141746.796.9HVHVanadndASATST929828ofof13113616HVH,V, rersepsepcteictvielvey.ly. TaTbaleble1.1.ThTehcehcehemicmialcaclocompmopsiotsiitoinonofotfhtrhereeeW-W- ASATS9T09808 ASATS9T19515 ASATS9T29828 HVHOVFOsFpsrparyaeydecdocatoiatnig.ng. FiFgiugruere3.3.ThTehehihgihghtetempmepreatrautruerebalbla-lol-no-nd-isdicsc WW-H-VHOVFOF ChCehemicmialcaclocompmopsiotsiitoino(n(%w%t)wt) spsrparyaeyded WW CoCo CrCr NiNi tritrbiobometmetre(rC(SCSM:M:momdoeldeIlSICS-2C-0200)0) cocatoiatnigng ThTeheweiwegihgthtlolsosssofofcocatoiatnignsgsthtathat ASATS9T09808 69.629.020 69.689.08069.609.00070.710.010 fofllololwoewdedeaecahchwewareartetsteistnigngwawsasmemaesausruerdedbyby ASATS9T19515 70.760.060 70.760.06070.720.02070.70.000 sosftofwtawraereofofhihgihghtetempmepreatrautruerebalbla-lol-no-nd-isdicsc ASATS9T29828 70.730.030 70.730.03072.72.02070.70.000 tritrbiobometmetr.er.ThTehseseavaevreargaegedatdataofofwewareatretsteistnigng hahsasbebeenetnhteheweiwegihgthltolsossasnadndwewaerarratreataesashsohwonwn ininTaTbalebl2e.2.ThTehdeatdatoafofweiwegihgthltolsossasnadndwewarearratreate wewrerienidnicdiatceatdetdhtathatASATST909808cocatoiatnignfgilfilmmmomroere thtahnanotohtehrefrilfilmcmocatoiatnig.ng.MoMroeroevoevr,er,ASATST91951a5nadnd ASATST929828hahvaevebebeenensisimilmailrlarylythteheweiwegihgthltolsosss anadndwewaerarratreat.e. TaTbaleble2.2.ThTehedatdataofofwewareatretsteistnigngbybyThTehehihgihgh tetempmepreatrautruerbealbla-lol-no-nd-isdicstcritrbiobometmetr.er. SpSepciecimemnesns WeiWegihgthltolsosss WeWaerarratreate (g()g) (g(/g/m)m) ASATS9T09808 0.0.0000606 1.21.x21x01-60-6 ASATS9T19515 0.0.0000101 0.20.x21x01-60-6 ASATS9T29828 0.0.0000101 0.20.x21x01-60-6 FiFgiugruere2.2.ThTeheVicVikcekrsersmicmircor-oh-ahradrndensesssofofW-W- ScSacnanninigngelelcterctornonmicmircorsocsocpoepe(S(ESEM)M) HVHOVFOsFpsrparyaeydecdocatoiatnignpgrporcoecses.ss. wawsasusuesdetdotionivnevsteistgiatgeattehtehemulmtuiltailyaeyrerofotfhtrhereee ThTehewewareatretsteistnigngofofW-WH-VHOVFOFspsrparyaeyded W-W-HVHOVFOsFpsrparyaeydedcocatoiatnig.ng.ThTehreerseusltultofo(fS(ESEM)M) cocatoiatnignsgs wewrereopoepreatreatdedusiusnigngthtehehihgihgh wewrereillilulsturstatreatdedthtehemicmircor-ost-rsturctucutruerematmeatriearlial tetempmerpaetrautruerebalbla-lol-no-ndi-sdicsctritrbiobometmetrer(C(SCSM:M: iimamgaignigngononcrcorsosssescteictoinonasashsohwonwinniFniFgiugruere4.4. momdoeldelISICSC-2-0200)0)asasshsohwonwnininFiFgiugruere3.3.ThTehe ThTeheinitentrferafcaeceadahdehsiesoinonofofASATST909808wawsasnontot spsepciecimemnesnswewrereprperpeapraerdedfofrorwewareartetsteistnigngbyby strstornognlgylybebceacuasuesewawsascleclaerlarylysespeapratreatdedouotutofof sasnadn-pd-appaepr.er.ThTehececrearamicmi-cb-alblall(A(lA2lO23O)3)hahdatdhtehe twtowosusrfurafcaecs.es.OnOtnhteheotohtehrerhahnad,ndA,SATST919515anadnd diadiametmetrerofof66mmmwhwichihchrerfefrrererdedthtehewewarear ASATST929828wewreremelmteeltdedbetbewteweenentwtowosusrfurafcaecs.es. tetsteistnignsgtastnadnadradr(dA(SATSTMMG1G1131-93-59)5[)6[].6].ThTehewewaerar AcAccocrodridnig,ngt,hteheffefefctectofofVicVikcekrsersmicmircor-oh-ahradrndensesss bebheahvaivoiuorurofotfhteheW-WH-VHOVFOsFpsrparyaeydedcocatoiantigngwawsas wewrereexehxihbitbeitdedthtathatthteheASATST909808hahdadbebeenen anaalnaylsyesdedatatetsteistnigngdisdtiastnacneceiniclnculduidnigng50,50,75,75, hihgihgehrerhahradrndenssesasnadndbribtrtiltetleonocnocatoiatnignfgilfiml.m.ThTishis unudnedretrhtehaepapplipelideldolaodaodfo3f3N,Nl,ilnienaerasrpsepeede7dr7prpmm rerseusltultwawsabsribrnigntgoteoaesaysywowronronnocnocatoiatnignsgusrfurafcae.ce. 10100a0nadnd505000m.m.AllAlelxepxeprierimemntesntswewrereemplmpolyoeyded anadntdetsteistnignrgardaiadina3n3mm.m. 4747

287 ASATS9T09808 RERSEUSLUTLSTSANADNDDIDSICSUCSUSSISIONON ASATST919515 InIncocnoclnculsiusoin,ont,htehtehtrhereeecocatoiatnigngsusrfurafcaeceofofW-W- HVHOVFOsFpsrparyaeydecdocatoiatnign(gA(SATST9098,08,ASATST91951a5nadnd ASATST92982)8)wewrereanaalnaylzyezdedtotosusbustbastnatinattieatethtehe effefefctectononwewaerarrersiesstiastnacneceprporpoeprtery.ty.ThTehehihgihgh hahradrndensesssonosnusrfurafcaececocatoiatnigngmamyaybebtehtathatalawlawyasys gogoododwewaerarersiesstiastnacnecebebceacuasuestehtehehihgihghahradrndensesss wawsaesffefefcteectdetdoteoaesayscyrcarcakcekdeadnadnbdrborkoekn.en. ACACKNKNOOWLWELDEDGGMEMNETNSTS ThTeheauatuhtohrsorswowuoludldliklieketotothtahnaknkMEMEMsMs lalbaobroatraotroyryininAdAvdavnacneceSuSrfurafcaeceTeTcehcnhonlolgoygy Co.C,o.L,tLdt(dA(SATS)T)ThTaihlaailnadnfdofrorcocnodnudctuictnigngHVHOVFOF spsrparyaycocatoiatnigngexepxeprierimemnetsn,ts,anadndFaFcaucltulytyofof EnEgnignieneeriernig,ng, PatPahtuhumwmawnan InIstnisttiuteute ofof TeTcehcnhonlolgoygyfofrorfifniannacinaclialsuspuppoprtortfofrorersesaeracrhch cocnonnencteectdedwitwihtthhtishispappaeprerunudnedreranainninnonvoatviatvieve rersesaeracrhcghrgarnat.nt. RERFEEFREERNECNECSES [1[]1]D.DA..A.SteStweawrta,rt,P.PH..H.McMCcaCratrnteny,ey,WeWaer.ar2.2292,9, 78798-97-9789(81(919999)9) [2[]2]H.H.LiaLio,ao,B.B.NoNrormamnad,nd,C.C.CoCdoddetd,et,SuSrfu.rf. CoCato.at.TeTcehcnhonl.ol.12142,42,3253-254-224(22(020000)0) [3[]3]X.XQ..Q.ZhZaho,ao,H.HD..D.ZhZohu,ou,J.J.M.M.ChCehn,en,MatMeatr.er. SciS.ci.EnEg.ng.43413,12,9209-209-279(72(020060)6) [4[]4]L.L.M.M.BeBregregr,er,C.CC..C.StaSthar,hr,S.S.SaSaarao,ro,S.S. ThTiehlie,le,M.M.WoWyodyt,dt,N.N.KelKleillnig,ng,WeWaer.ar.26276,7, 95945-49-6946(42(020090)9) [5[]5]H.H.ChCehn,en,G.GQ..Q.GoGu,ou,M.JM..J.Tu,Tu,Y.Y.LiLu,iu,SuSrfu.rf. EnEg.ng.252,55,0520-520-560(62(020090)9) [6[]6]NatNiatoinoalnal SciSecinecnece anadnd TeTcehcnhonlolgoygy DeDveelveolpopmemnetnt AgAegnecny.cy. AvAaivlaailbalebleat:at: htthtpt:/p/:/w/ww.ow.r.otr.ht/hn/stnsdtad-ak-nkonwolewldegde/ge1/91194114-1- hehxeaxvaalvealnet-ntc-hcrhoromiumium.m.AcAccecsessesdedJuJluyly5,5, 202106.16. ASATST929828 FiFgiugruer4e.4.SESEMoMfofW-WH-VHOVFOsFpsrparyaeydecdocatoiatnig.ng. 4488

288

28

89

290 วาระที่ 5.12 พจิ ารณารายช่ือนกั ศกึ ษาระดับปริญญาเอก สาขาวิชาเทคโนโลยีการผลิตขัน้ สูง ขอสาเรจ็ การศกึ ษา ประจาภาคการศกึ ษาที่ 2/2563 (นายดษุ ฎี บุญธรรม) ตามท่ีบันทึกข้อความที่ ทนศ0023 ลงวันที่ 25 มกราคม 2564 ฝ่ายทะเบียนนักศึกษาได้เสนอรายช่ือ นักศึกษาระดับบัณฑิตศกึ ษาท่ีขอสาเรจ็ การศึกษา ประจาภาคเรียนท่ี 2/2563 ในการน้ีฝ่ายเลขานุการจงึ ขอเสนอให้คณะกรรมการบัณฑิตศึกษาพิจารณาอนุมัติการสาเร็จการศึกษา นักศึกษา ประจาภาคการศกึ ษาท่ี 2/2563 (นายดษุ ฎี บญุ ธรรม) ดงั รายละเอียดน้ี เงอ่ื นไขจบหลกั สูตร ผลการเรียนท่ีได้ ระดบั ปรญิ ญาเอก สาขาวชิ าเทคโนโลยีการผลิตขน้ั สงู ๑. นายดษุ ฎี บุญธรรม รหัส 5801023902 ศึกษารายวชิ าครบถว้ นตามเงอ่ื นไข 62 หนว่ ย ผลการเรียนคะแนนเฉลีย่ สะสม 4.00 ผลเทียบความรู้ภาษาตา่ งประเทศ S (เรียนผา่ นตามเงอื่ นไขของประกาศสถาบนั ฯ) ตพี ิมพผ์ ลงานวทิ ยานพิ นธ์ ตามเงอ่ื นไข ผลงานได้รับการตีพิมพ์ในวารสารวิชาการระดับนานาชาติ จานวน 1 เร่ือง และผลงานไดเ้ สนอตอ่ ท่ีประชุมวชิ าการระดบั นานาชาติ ที่มรี ายงานการประชุม (proceedings) จานวน 2 เรอ่ื ง สอบผา่ นวิทยานิพนธ์ขั้นสุดทา้ ย ผลสอบเปน็ O (outstanding) สง่ วิทยานพิ นธ์ฉบบั สมบรู ณแ์ ลว้ วันท่ี 5 มกราคม 2564 จานวน 5 เลม่ เลขที่ PIT- 2020-D-ENG-AMT- 009 ระเบียบท่ีเกย่ี วขอ้ ง : ตามข้อบงั คบั ฯ วา่ ด้วยการจัดการศกึ ษาระดบั บัณฑิตศึกษา พ.ศ. 2556 และขอ้ บงั คบั ฯ วา่ ดว้ ยการจดั การศึกษาระดบั บัณฑติ ศึกษา พ.ศ. 2558 (ฉบบั ที่ 2) จึงเรยี นมาเพ่ือโปรดพิจารณาอนมุ ตั ริ ายชื่อผู้ขอสาเร็จการศึกษาระดบั บัณฑิตศึกษา ประจาภาคการศึกษาท่ี 2/2563 และเสนอตอ่ สภาวชิ าการให้ความเห็นเพื่อเสนอต่อสภาสถาบนั อนุมัตปิ ริญญา . ความเห็นคณะกรรมการบัณฑิตศึกษา . . . . . . . . . . . ท่ีประชุม . . . . . . กรรมการบณั ฑติ ศกึ ษา

291

292

293

294

295

296

297 An Optimization Model for Estimating Moisture Content in Talcum Mineral Forming Process

298

299 20 September An Optimization Model for Estimating Moisture Content in Talcum Mineral Forming Process

30 แบบแสดงการเปรยี บเทยี บผ บทความวจิ ัยเรื่องท่ี 1 (วารสาร) บทความวจิ ยั เร่ืองที่ 2 (ประชุมวิชากา ช่ือ The Application of a Hybrid Model ช่ือ Optimal Mixture Experiment D Using Mathematical Optimization and Using Neural Network Intelligent Algorithms for Improving the Talc Pellet Manufacturing Process 1.วตั ถปุ ระสงค 1.วัตถุประสงค 1. หาคา, พารามิเตอร4ทเ่ี หมาะสมสำหรบั 1. การสรEางแบบจำลองโครงข,ายประสาท แบบจำลองไฮบรดิ เหมาะสมในการข้ึนรูปแรท, ัลก4อดั เมด็ 2.วธิ ีดำเนินการทดลอง 2.วธิ ีดำเนินการทดลอง 1. ใชE Mixture Design ในการเก็บขEอมูลก 1.เกบ็ ขEอมลู การขนึ้ รปู แรท, ัลก4โดยใชE แร,ทลั ก4อัดเมด็ Response Surface 2. สรEางแบบจำลองโดยใชEโครงข,ายประสา 2. ทำการคัดแยกขEอมูลโดยใชE SOM 3. ทำการวดั ประสทิ ธภิ าพแบบจำลอง 3. สราE งแบบจำลองโดยใชE ANFIS ร,วมกบั วธิ ี ทาง Metaheuristic 3. ผลการทดลอง 4. ทำการวดั ประสิทธภิ าพแบบจำลอง โครงข,ายประสาทเทียมท่ีมีประสิทธิภาพ พ ย าก รณ4 อั ต ร าผ ล ผ ลิ ต ดี ใน ก ร ะบ ว น ก 3. ผลการทดลอง แรท, ัลคมั อัดเม็ดคือ โครงข,ายประสาทเทีย แ บ บ จ ำ ล อ ง ที่ เ ห ม า ะ ส ม คื อ แ บ บ จ ำ ล อ ง ร ะ บ บ ยEอ น ก ลั บ ร,ว ม กั บ วิธีก ารฝc ก ส อ น โค รง อนุ มาน ฟ\\ ซซี่ โครงข, ายป รับ ตัว ที่ ถูกป รับ ป รุง ประสิทธิภาพดEวยวิธีหาค,าท่ีเหมาะสมทส่ี ดุ แบบ ก ล,ุ ม อ นุ ภ า ค มี ค, า สั ม ป ร ะ สิ ท ธ์ิ ส ห สั ม พั น ธ4

00 ผลงานวจิ ยั ที่ตีพมิ พเผยแพร าร) บทความวจิ ัยเร่ืองท่ี 3 (ประชุมวชิ าการ) คำอธิบายเพิม่ เติม Design ชื่อ An Optimization Model for Estimating (ถา* มี) Moisture Content in Talcum Mineral Forming Process ทเทียมท่ี 1.วตั ถปุ ระสงค 1. การหาเง่ือนไขในการอบแร,ทลั ก4 โดยใชE Ant การขึ้นรปู Colony าทเทยี ม 2.วิธดี ำเนนิ การทดลอง 1.ใชEการออกแบบการทดลองแบบ Response Surface ในการเก็บขอE มลู การอบแรท, ัลก4อัดเม็ด 2. นำขอE มลู ที่ไดมE าสราE งสมการ Regression 3. ใชEวธิ ี Ant Colony ในการหาคำตอบเพ่ือใหEไดE ตัวแปรท่ีเหมาะสม พที่ใชEในการ 3. ผลการทดลอง ก ารผ ลิ ต ผ ง พารามิเตอร4ของ ACO ที่เหมาะสมคือ ใชEการวนซ้ำ ยมแบบแพร, จำน ว น 100 รอ บ และจ ำน ว น ม ด 50 ตัว เปf น งข, าย คื อ วิธี วิ ธี ก า ร ท่ี ดี ท่ี สุ ด ท ำ ใหE ไดE ค ำ ต อ บ ที่ ดี ท่ี สุ ด คื อ ใชE อุณหภูมิในการอบ 106.15 องสาเซลเซียส อัตรา

308 0 .9 5 3 9 ค, า ร า ก ที่ ส อ ง ข อ ง ค, า เฉ ล่ี ย ค ว า ม Levenberg Maquardt algorithm แ ล ผิดพลาดกำลังสอง 1.0693 และค,าเฉลี่ยของ ฟ\\งก4ชันการถ,ายโอนช้ันแสดงผล คือ Ta คา, เบยี่ งเบนสมบูรณ4 0.3927 มีจำนวนนิวรอนในช้ันอินพุต จำนวนนิว ซอ, น จำนวนนิวรอน ในชน้ั แสดงผลเทา, กับ 4. การใช*รปู ภาพ/กราฟ ผลงานวิจัยทีต่ ีพิมพ4เผยแพร,ไม,มภี าพหรือกราฟ 4. การใช*รูปภาพ/กราฟ ตรงกันท้งั 3 เรื่อง ผลงานวิจัยทีต่ ีพิมพ4เผยแพร,ไม,มีภาพหรือ 5. การใช*ตาราง ตรงกันท้ัง 3 เร่ือง ผลงานวจิ ยั ท่ตี ีพิมพเ4 ผยแพร,ไมม, ีการใชตE าราง 5. การใชต* าราง หรอื ขEอมลู ในตารางตรงกนั ทง้ั 3 เรื่อง ผลงานวจิ ยั ท่ีตพี มิ พ4เผยแพร,ไม,มีการใชตE า 6.การอา* งอิง ขEอมลู ในตารางตรงกันทั้ง 3 เร่ือง [1] Driscoll, M. The Structure of the 6.การอา* งอิง Talc Supply Market. In Proceedings of [1] C. MACLEOD, G. DROR and . G. the 3rd China Liaoning International MAXWELL, \"Training Artificial Neura Magnesia Materials Exposition. Networks Using Taguchi Methods,\" Shenyang, China. 22-24 September Artificical Interigence Review, pp. 1 2008; pp.1-7. 1999. [2] Loveday, A. U.; Nwanya, S. C.; [2] M. . S. Adroera, X. . L. Parrab, I. Amaechi, O. P. (2020). Artificial Neural Corralc and J. . V. Calvetca, \"Indirec Network Application to a Process Time model for roughness in rough honi Planning Problem for Palm Oil processes based on artificial neura Production. Eng. Appl. Sci. Res. 2020, networks,\" Precision Engineering, p 47, 161-169. 2015. [3] Talpur, N.; Salleh, M. N.; Hussain, K.; [3] A. Yadollahi, E. Nazemi, A. Zolfa and A. M. Ajorloo, \"Application of a

08 1 ล ะ รู ป แ บ บ การไหลของลมดูดความช้ืน 4.33 เมตรต,อนาที an-sigmoid แ ล ะ ใ ชE Feed Speed 4 . 0 8 m/min ไ ดE ค, า วรอนในชั้น ความชนื้ ของผงแรท, ัลก4 4.08% ตรงตามขEอกำหนด บ 2-5-1 ของลกู คEา อกราฟ 4. การใชร* ปู ภาพ/กราฟ อาจมีคำอธิบาย ผลงานวิจัยทตี่ ีพิมพเ4 ผยแพร,ไม,มีภาพหรือกราฟ เพิม่ เติมถงึ ส่งิ ที่ ารางหรอื ตรงกันทัง้ 3 เรื่อง เหมือนหรอื แตกต,าง อาจมคี ำอธบิ าย al 5. การใชต* าราง เพม่ิ เติมถงึ สง่ิ ที่ 177-184, ผลงานวจิ ยั ท่ีตพี มิ พ4เผยแพร,ไม,มีการใชตE ารางหรอื เหมือนหรอื แตกต,าง ขอE มูลในตารางตรงกนั ท้ัง 3 เรือ่ ง B. ct 6.การอ*างอิง ing [1] Blum and A. Roli, \"Metaheuristics in al combinatorial optimization: Overview and pp. 1-9, conceptual comparison,\" ACM Computing aghari Surveys, vol. 35, no. 3, pp. 268-308, 2003. artificial [2] D. Buntam, W. Permpoonsinsup and P. Surin, \"Optimal Mixture Experiment Design Using Neural Network,\" IEET-International Electrical Engineering Transactions, vol. 3, no. 2, pp. 57-61, 2016. [3] M. Solimanpur, P. Vrat and R. Shankar, \"Ant colony optimization algorithm to the inter-cell layout problem in cellular manufacturing,\" European Journal of

309 Ali, H. Modified ANFIS with Less Model neural network for predicting the o Complexity for Classification Problems. Progress in Nuclear Energy, vol. 89 In Proceedings of the Computational 77, 2016. Intelligence in Information Systems [4] S. Ozsahin, \"Optimization of pro Conference (CIIS 2018), Phuket, parameters in oriented strand boar Thailand. November 2018; pp. 36-47. Springer-Verlag Berlin Heidelberg, v [4] Buragohain, M. Adaptive Network p. 769–777, 2013. based Fuzzy Inference System (ANFIS) [5] D. J. Sarma and S. C. Sarma, \"Ne as a Tool for System Identification with Networks and their Applications in Special Emphasis on Training Data Industry,\" Bulletin of Information Minimization. Ph.D. Thesis, Indian Technology, vol. 20, pp. 29-36, 200 Institute of Technology Guwahati, [6] neuralpower, \"Integrate Electric Guwahati, India, July 2008. Demand and Price Forecasting,\" [O [5] Caydas, U.; Hascalik, A.; Ekici, S. An Available: http://www.neuralpowe Adaptive Neuro-Fuzzy Inference System technology. [Accessed 7 October 2 (ANFIS) Model for Wire-EDM. Expert. [7] P. SIB, S. A. JONES and P. SIDDA Syst. Appl. 2009, 36, 6135-6139. \"ANALYSIS OF DIFFERENT ACTIVATIO [6] Zhange, Y.; Lei, J. Prediction of Laser FUNCTIONS USING BACK PROPAGA Cutting Roughness in Intelligent NEURAL NETWORKS,\" Journal of Manufacturing Mode Based on ANFIS. Theoretical and Applied Informatio Procedia Eng. 2017, 174, 82-89. Technology, vol. 47, no. 3, pp. 126 [7] Sen, B.; Mandal, U. K.; 2013. PrasadMondal, S. Advancement of an [8] A. Bordes, L. Bottou and P. Gall Intelligent System Based on ANFIS for \"SGD-QN: Careful Quasi-Newton Sto

09 2 optimal,\" Operational Research, no. 11, pp. 592-606, 9, pp. 69- 2004. [4] B-Y. Cheng, J. Y-T. Leung and K. Li, ocess \"Integrated scheduling of production and rd,\" distribution to minimize total cost using an vol. 71, improved ant colony optimization method,\" Computers & Industrial Engineering, no. 83, eural pp. 217-225, 2005. n [5] A. H. Sebayanga, H. H. Masjukia,, H. C. Ong, S. Dharmaa, A. S. Silitongaa, F. Kusumoa 00. and J. Milano, \"Optimization of bioethanol city production from sorghum grains using Online]. artificial neural networks integrated with ant er.com/ colony,\" Industrial Crops and Products, no. 2016]. 97, pp. 146-155, 2017. ARTH, [6] U. Chanjarussuk, \"An Application of Ant Colony Algorithm in Printed Circuit Board ON Drilling Problem,\" Ladkrabang Engineering ATION Journal, vol. 1, no. 27, pp. 13-18, 2010. [7] S. G. Gilmour, \"Response Surface Designs on for Experiments in Bioprocessing,\" Biometrics, 64-1268, no. 62, pp. 323-331, 2006. [8] R. Amdoun, L. Khelifi, M. Khelifi-Slaoui, S. linri, Amroune, M. Asch, C. Assaf-Ducrocq and E. ochastic

3100 Predicting Machining Performance Gradient Descent,\" Journal of Mach Parameters of Inconel 690 – A Learning Research, vol. 10, pp. 173 Perspective of Metaheuristic Approach. 2009. Measurement 2017, 109, 9-17. [9] M. . I. A. Lourakis, \"A Brief Descr [8] Abdollahi, H. An Adaptive Neuro- the Levenberg-Marquardt Algorithm Based Fuzzy Inference System (ANFIS) Implemented,\" Institute of Compu for the Prediction of Option Price: The Science, pp. 1-5, 2005. Case of the Australian Option Market. [10] D. Rasch, J. Pilz, . R. Verdooren Int. J. Appl. Mata. Comput. 2020, 11, Gebhardt, \"Optimal Experimental D 99-117. with R,\" Journal of Statistical Softw [9] Bui, D. T.; Khosravi, K.; Li, S.; Shahabi, 43, 2011. H.; Panahi, M.; Singh, V.; Chapi, K.; [11] S. Prechadet and C. Luksiri, \"Pr Shirzadi, A.; Panahi, S; Chen, W.; of Silicon wafer Lapping Time by A Ahmad, B. B. New Hybrids of ANFIS with Neural network,\" Engineering Journ Several Optimization Algorithms for Kasetsart, vol. 77, pp. 1-11, 2011. Flood Susceptibility Modeling. Water (Basel, Switz.) 2018, 10, 1-28. [10] Yaseen, Z. M.; Ebtehaj, I.; Bonakdari, H.; Deo, R.; Mehr, A. D.; Mohtar, W. M.; Diop, L; Ei-shafie, A.; Singh, V. Novel Approach for Streamflow Forecasting Using a Hybrid ANFIS-FFA Model. J Hydrol (Amst) 2017, 554, 263-276.

00 3 hine Gontier, \"Optimization of the Culture 37-1754, Medium Composition to Improve the Production of Hyoscyamine in Elicited ription of Datura stramonium L. Hairy Roots Using the m Response Surface Methodology (RSM),\" uter International Journal of Molecular Sciences, no. 11, pp. 4726-4740, 2010. n and A. [9] M. Dorigo and T. Stutzle, Ant Colony Design Optimization, Cambridge: The MIT Press, ware, vol. 2004. [10] O. Deepa and A. Senthilkumar, \"Swarm rediction Intelligence from Natural to Artificial System: Artificial Ant Colony Optimization,\" International nal Journal on Applications of Graph Theory in Wireless Ad hoc Networks and Sensor Networks, vol. 1, no. 8, pp. 9-17, 2016. [11] E. Bonabeau, M. Dorigo and G. Theraulaz, \"Inspiration for Optimization from Social Insect Behaviour,\" NATURE, no. 406, pp. 39-42, 2000. [12] H. J, K. J and D. M, \"The MIT PressJournals,\" Ant-Based Clustering and Topographic Mapping, vol. 1, no. 12, pp. 35- 62, 2006.

3101 [11] Gocken, M.; Boru, A. Integrating Metaheuristics and ANFIS for Daily Mean Temperature Forecasting. Int. J. Global Warming 2016, 9. 110-128. [12] Alarifi, I. M.; Nguyen, H. M.; Bakhtiyari, A. N.; Asadi, A. Feasibility of ANFIS-PSO and ANFIS-GA Models in Predicting Thermophysical Properties of Al2O3-MWCNT/Oil Hybrid Nanofluid. Materials 2019, 12, 1-13. [13] Kumar, R.; Hynes, N. R. Prediction and Optimization of Surface Roughness in Thermal Drilling Using Integrated ANFIS and GA Approach. Eng. Sci. Technol. Int. J. 2020, 23, 30-41. [14] Rezakazemi, M.; Dashti, A.; Asghari, M.; Shirazian, S. H2-Selective Mixed Matrix Membranes Modeling Using ANFIS, PSO-ANFIS, GA-ANFIS. Int. J. Hydrogen Energy 2017, 42, 15211- 15225. [15] Sabeti, M.; Deevband, M. R. Hybrid Evolutionary Algorithms Based on PSO- GA for Training ANFIS Structure. Int. J.

01 4 [13] M. Dorigo, V. Maniezzo and A. Colorni, \"Ant system: optimization by a colony of cooperating agents,\" IEEE Transactions on Systems, no. 26, pp. 29-41, 1996. [14] M. V and C. A, \"The ant system applied to the quadratic assignment problem,\" IEEE Transactions on Knowledge and Data Engineering, vol. 5, no. 11, pp. 769–778., 1999. [15] C. A, D. M, M. V and T. M, \" Ant system for job-shop scheduling,\" Journal of Operations Research Statistics and Computer Science, vol. 1, no. 34, pp. 39–53, 1994

3102 Comput. Sci. 2015, 12, 78-86. [16] Dariane, A. B.; Azimi, S. Forecasting Streamflow by Combination of Genetic Input Selection Algorithm and Wavelet Transform Using ANFIS Model. Hydrol. Sci. J. 2016, 61, 585-600. [17] Jeong, C.; Shin, J.-Y.; Kim, T.; Heo, J.-H. Monthly Precipitation Forecasting with a Neuro-Fuzzy Model. Water Resour. Manag. 2012, 26, 4467–4483. [18]Kohonen, T.; Simula, O.; Visa, A.; Kangas, J. Engineering Applications of the Self-Organizing Map. Proceedings of the IEEE 1996, 84, 1358-1384. [19] Khanzadeh, M.; Rao, P.; Jafari- Marandi, R.; Smith, B. K.; Tschopp, M. A.; Bian, L. Quantifying Geometric Accuracy with Unsupervised Machine Learning: Using Self-Organizing Map on Fused Filament Fabrication Additive Manufacturing Parts. J. Manuf. Sci. Eng. 2018, 140, 1-12. [20] Jha, R.; Dulikravich, G. S.; Chakraborti, N.; Fan, M.; Schwartz, J.;

02 5

3103 Koch, C. C.; Marcelo J. Colaco, M. J.; Poloni, C.; Egorov I. N. Self-Organizing Maps for Pattern Recognition in Design of Alloys. Mater. Manuf. Processes 2017, 32, 1067–1074. [21] Nourani, V.; Alami, M. T.; Vousoughi, F. D. Hybrid of SOM- Clustering Method and Wavelet-ANFIS Approach to Model and Infill Missing Groundwater Level Data. J. Hydrolog. Eng. 2016, 21, 1-19. [22]Amiryousefi, M. R.; Mohebbi, M.; Khodaiyan, F.; Asadic, S. An Empowered Adaptive Neuro-Fuzzy Inference System Using Self-Organizing Map Clustering to Predict Mass Transfer Kinetics in Deep- Fat Frying of Ostrich Meat Plates. Comput. Electron. Agr. 2011, 76, 89-95. [23] Nasir, V.; Cool, J. Intelligent Wood Machining Monitoring Using Vibration Signals Combined with Self-Organizing Maps for Automatic Feature Selection. Int. J. Adv. Manuf. Technol. 2020, 108, 1811–1825.

03 6

3104 [24] Standard Test Method for Laboratory Determination of Water (Moisture) Content of Soil and Rock by Mass; ASTM D 2216–98; ASTM International: Washington, United States, 28 March 2004. [25] Asan, U.; Ercan, S. An Introduction to Self-Organizing Maps. Atlantis Press: Istanbul, Turkey, 2012; pp. 299-319. [26] Wangsoh, N.; Watthayu, W.; Sukawat, D. Appropriate Learning Rate and Neighborhood Function of Self- Organizing Map (SOM) for Specific Humidity Pattern Classification Over Southern Thailand. Int. J. Model. Optim. 2016, 6, 61-65. [27] Stefanovic, P.; Kurasova, O. Visual Analysis of Self-Organizing Maps. Nonlinear Anal. 2011, 16, 488-504. [28] Jang, J.-S. R. ANFIS: Adaptive- Network-Based Fuzzy. IEEE Trans. Syst. Man Cybern. Syst. Hum. 1993, 23, 665- 685. [29] Holland, J. Adaptation in Natural

04 7

3105 and Artificial Systems: An Introductory Analysis with Applications to Biology, Control and Artificial Intelligence. MIT Press: Cambridge, United States, 1979. [30] Goldberg, D. E. Genetic Algorithm in Search Optimization and Machine Learning. Addison Wesley: Boston, United States, 1989. [31] Kennedy, J.; Eberhart, R. C. A New Optimizer Using Particle Swarm Theory. In Proceedings of the Sixth International Symposium on Micromachine and Human Science. Nagoya, Japan, 4-6 October 1995; pp. 39-43. [32] Talukder, S. Mathematical Modelling and Applications of Particle Swarm Optimization. Master Thesis, Blekinge Institute of Technology, Karlskrona, Sweden, February 2011. [33] Ohale, P. E.; Uzoh, C. F.; Onukwuli, O. D. Optimal Factor Evaluation for the Dissolution of Alumina from Azaraegbelu Clay in Acid Solution using

05 8

3106 RSM and ANN Comparative Analysis. S. Afr. J. Chem. Eng. 2017, 24, 43-54. [34] Montogomery, D. C. Design and Analysis of Experiments. John Wiley & Sons Inc.: New York, United States, 2001. [35] Pham, H. Springer Handbook of Engineering Statistics. Springer-Verlag London: London, England 2006. [36] Moayedi, H.; Raftari, M.; Sharifi, A.; Jus, W. W.; Safuan, A.; Rashid, A. Optimization of ANFIS with GA and PSO Estimating α Ratio in Driven. Eng. Comput. 2019, 36, 227-238. [37] Wu, D.; Chen, H.; Huang, Y.; He, Y. Monitoring of Weld Joint Penetration During Variable Polarity Plasma Arc Welding Based on the Keyhole Characteristics and PSO-ANFIS. J. Mater. Process. Technol. 2017, 239, 113-124. [38] Lei, S.; Zhan, H.; Wang, K.; Su, Z. How Training Data Affect the Accuracy and Robustness of Neural Networks for Image Classification. In Proceedings of

06 9