AI in Atmospheric Corrosion Assessment and Corroison Map: Steel Infrastructure Safety and Sustainability
การกัดกร่อนของเหล็กกล้าโครงสร้างในบรรยากาศขึ้นอยู่กับปัจจัยสภาพอากาศและสภาพแวดล้อม เอ็มเทค ศึกษาการกัดกร่อนในบรรยากาศประเทศไทย เพื่อสร้างฐานข้อมูลวัสดุกลุ่มเหล็ก โดยการทดสอบชิ้นงานตัวแทน และเก็บข้อมูลอากาศ พร้อมกับข้อมูลการกัดกร่อนผ่านเซนเซอร์วัดกระแสไฟฟ้าจากปฏิกิริยาการกัดกร่อน ณ สถานีทดสอบรวม 8 แห่ง และนำผลการวิจัยมาจัดทำระบบเว็บแอพพลิเคชั่นแสดงข้อมูลแผนที่การกัดกร่อนเป็นครั้งแรกในประเทศไทย ปัจจุบันได้ประยุกต์ใช้ปัญญาประดิษฐ์กับข้อมูลเซนเซอร์ภายใต้โครงการความร่วมมือระหว่าง CAS-NSTDA ในการสร้างโมเดลทำนายอัตราการกัดกร่อนของเหล็กกล้าทนบรรยากาศด้วยข้อมูลจากจังหวัดสงขลา ได้ผลการทำนายอัตราการกัดกร่อนที่แม่นยำ และทราบอิทธิพลของตัวแปรที่สำคัญ จากการศึกษาเหล็กกล้าทนบรรยากาศ พบว่าระยะเวลาใช้งาน อุณหภูมิ ความชื้น และความเร็วลม ส่งผลต่ออัตราการกัดกร่อนมากที่สุด สามารถนำ machine learning model นี้ไปต่อยอดเป็นแผนที่การกัดกร่อนแบบ AI ทั่วประเทศได้เมื่อมีการเก็บข้อมูลในบรรยากาศประเทศไทยเพิ่มเติม
ประโยชน์ และการนำไปใช้
วิศวกรสามารถนำข้อมูลอัตราการกัดกร่อนจากแผนที่การกัดกร่อนในปัจจุบัน ไปออกแบบโครงสร้างให้ทนต่อสภาพอากาศที่ใช้งานและวางแผนซ่อมบำรุง เพื่อความยั่งยืนและปลอดภัยของโครงสร้างเหล็กกล้า
ยกตัวอย่างเช่น จังหวัดภูเก็ต บริเวณติดทะเลทิศตะวันออกเฉียงใต้ของเกาะ จะมีอัตราการกัดกร่อนของเหล็กกล้าคาร์บอน 222 ไมครอนต่อปี (CX) สามารถใช้ข้อมูลจากเว็บดังกล่าว ดังนี้ วิศวกรควรคาดการณ์ความเร่งด่วนในการซ่อมบำรุงประกอบกับข้อมูลด้านความแข็งแรงของโครงสร้าง ในเชิงเศรษฐศาสตร์อาจต้องคำนวณค่าบำรุงรักษาในระยะยาว เช่น เหล็กกล้าชุบสังกะสีผสมอะลูมิเนียมหนา 60 ไมครอน จะมีอัตราการกัดกร่อนที่ช้าลง และยืดอายุการใช้งานได้ราว 60 ปี เป็นต้น
กลุ่มเป้าหมาย
- วิศวกรโยธา สถาปนิก ผู้ผลิตสีป้องกันสนิม ผู้ผลิตโครงสร้างเหล็ก และเหล็กชุบสังกะสี อุตสาหกรรมก่อสร้าง งานซ่อมบำรุงโครงสร้างพื้นฐาน เช่น การรถไฟ กรมทางหลวง การไฟฟ้า โรงงานอุตสาหกรรมบริเวณใกล้ชายทะเล
สถานการณ์วิจัย
- ทีมวิจัยเทคโนโลยีการกัดกร่อน กลุ่มวิจัยเทคโนโลยีระบบรางและการขนส่งสมัยใหม่ เอ็มเทค พัฒนาเทคโนโลยีอย่างต่อเนื่องเพื่อการซ่อมบำรุงแบบคาดการณ์ (predictive maintenance) การทำนายอายุการใช้งานและลดต้นทุนการกัดกร่อน มุ่งเน้นการออกแบบโครงสร้างเหล็กที่ยั่งยืนและปลอดภัย โดยอาศัยข้อมูลจากแผนที่การกัดกร่อน การนำ machine learning มาประยุกต์ใช้ เพื่อช่วยในการเรียนรู้ชุดข้อมูลเซนเซอร์การกัดกร่อนและเซนเซอร์วัดสภาพอากาศ ทำให้เข้าใจอิทธิพลของตัวแปรต่าง ๆ ในเชิงลึกมากขึ้น เพิ่มศักยภาพในการทำนายแนวโน้มในอนาคตจากข้อมูลในอดีต นำไปสู่การปรับปรุงแผนที่อัตราการกัดกร่อนให้แม่นยำและมีข้อมูลน่าเชื่อถือมากยิ่งขึ้น เทคนิคการติดตามการกัดกร่อนและปัจจัยที่เกี่ยวข้องด้วยเซนเซอร์และการประยุกต์ใช้ machine learning ของทีมวิจัยสามารถต่อยอดไปสู่บริบทอื่น ๆ ในภาคอุตสาหกรรมได้ ทีมวิจัยมีความพร้อมให้คำปรึกษา ร่วมวิจัย และให้บริการแก่ภาคเอกชนหรือหน่วยงานที่มีความสนใจ
ภาพและกราฟิก (Images and Graphics)
