Nghiên cứu giảm rung tích cực bằng ngoại lực cưỡng bức trong tiện (Hồ Ngọc Thế Quang)

Tổng quan về luận án

Luận án tiến sĩ này thuộc chuyên ngành Kỹ thuật Cơ khí, tập trung vào giải quyết thách thức cốt lõi về rung động trong gia công tiện – một vấn đề dai dẳng ảnh hưởng đến năng suất và chất lượng sản phẩm trong ngành chế tạo máy. Bối cảnh khoa học của nghiên cứu đặt trong bối cảnh các doanh nghiệp cơ khí Việt Nam, đặc biệt là các công ty vừa và nhỏ, phải đối mặt với hạn chế về đầu tư máy móc hiện đại, dẫn đến độ cứng vững thấp và dễ rung động. Điều này cản trở khả năng cạnh tranh, đặc biệt khi gia công các chi tiết phức tạp như trục dài đường kính nhỏ, chi tiết thành mỏng, và lỗ sâu. Luận án mang tính tiên phong khi tích hợp sâu rộng các phương pháp mô phỏng tiên tiến, học máy đột phá và thực nghiệm giảm rung bằng ngoại lực cưỡng bức, nhằm tạo ra một giải pháp toàn diện và linh hoạt.

Research Gap SPECIFIC với citations từ literature: Mặc dù đã có nhiều nghiên cứu về giảm rung trong tiện, nhưng các phương pháp hiện có vẫn tồn tại những hạn chế đáng kể, tạo ra một khoảng trống nghiên cứu cần được khắc phục. Cụ thể, luận án nhận diện rằng "các phương pháp trên còn có nhiều hạn chế trong một số trường hợp cụ thể như phương pháp thay đổi tốc độ trục chính liên tục sẽ không phù hợp với các chi tiết có đường kính thay đổi liên tục. Với cán dao giảm chấn, khi thay đổi chế độ cắt cần hiệu chỉnh lại các thông số của cán dao và điều này rất phức tạp; hơn nữa, cán dao giảm chấn chỉ có thể gia công các chi tiết có đường kính lớn hơn 16 mm. Nhược điểm của cán dao làm bằng hợp kim cứng là chi phí rất cao và thường giòn dễ gãy vỡ nên ít phổ biến." (trang 2). Các nghiên cứu trước đây của Tobias [5] và Tlusty [6] đã xác định rung động tự kích là nguyên nhân chính gây mất ổn định nhưng việc kiểm soát nó vẫn còn phức tạp. Nhiều nỗ lực đã được thực hiện để dự đoán và kiểm soát rung động bằng các phương pháp như Stability Lobe Diagram (SLD) của Meritt [7] hoặc phân tích Nyquist của Nigm [13], nhưng chúng thường đòi hỏi các mô hình động lực học tĩnh hoặc không hoàn toàn giải quyết được tính phi tuyến và phức tạp của rung động trong điều kiện cắt thực tế, đặc biệt là với các loại chi tiết khó gia công như lỗ sâu hay mặt bích mỏng. Khoảng trống này đòi hỏi một phương pháp linh hoạt, dễ điều khiển và hiệu quả hơn, đặc biệt đối với các hệ thống công nghệ có độ cứng vững thấp.

Research Questions và Hypotheses:

1. RQ1: Các yếu tố công nghệ (chế độ cắt, chất lượng phôi, độ cứng vững cán dao) ảnh hưởng như thế nào đến đặc tính rung động và chất lượng bề mặt chi tiết khi tiện, đặc biệt là trong các trường hợp tiện trụ dài, tiện mặt bích mỏng và tiện lỗ sâu?
   • H1: Độ cứng vững của phôi và cán dao là yếu tố chính ảnh hưởng đến rung động; khi độ cứng vững giảm dưới ngưỡng giới hạn, độ nhám bề mặt (Rz) sẽ giảm nhanh chóng.
   • H2: Các thông số cắt gọt và sóng bề mặt phôi có thể được tối ưu hóa để giảm độ nhám bề mặt (Rz) thông qua mô hình Taguchi.
2. RQ2: Phương pháp học máy có thể được ứng dụng như thế nào để nhận diện và dự đoán chính xác rung động trong quá trình tiện từ các dữ liệu cảm biến (âm thanh, hình ảnh, lực cắt)?
   • H3: Mô hình học máy sử dụng dữ liệu âm thanh và hình ảnh có thể đạt độ chính xác cao (trên 95%) trong việc nhận diện rung động khi tiện lỗ và tiện mặt bích.
   • H4: Các mô hình học máy chuỗi thời gian (RNN, LSTM) có thể dự đoán được giá trị lực cắt theo thời gian, từ đó cung cấp thông tin về đặc tính rung động của hệ thống.
3. RQ3: Ngoại lực cưỡng bức từ trường ảnh hưởng như thế nào đến việc giảm rung động và cải thiện độ nhám bề mặt trong quá trình tiện, và đâu là các thông số lực từ tối ưu?
   • H5: Việc áp dụng ngoại lực cưỡng bức từ trường lên cán dao sẽ làm giảm năng lượng dao động của dao, từ đó giảm rung động và cải thiện độ nhám bề mặt.
   • H6: Tồn tại một giá trị lực từ tối ưu (đơn hướng và đa hướng) để đạt được độ nhám bề mặt thấp nhất trong tiện lỗ.

Theoretical Framework với tên theories cụ thể: Luận án này tích hợp ba trụ cột lý thuyết chính:

1. Lý thuyết động lực học cắt gọt (Machining Dynamics Theory): Dựa trên các công trình của Taylor [1], Milton C. Shaw [2], Altintas [3], Tobias [5], và Tlusty [6], luận án phân tích các dạng rung động (rung cưỡng bức, rung riêng, tự rung) và cơ chế phát sinh của chúng, đặc biệt là tự rung (chatter) do sự tái tạo bề mặt gồ ghề và sự thay đổi lực cắt. Khung lý thuyết này được mở rộng bằng cách tích hợp các yếu tố về độ cứng vững của phôi và dao, cũng như các thông số cắt, nhằm hiểu rõ hơn về mối quan hệ động lực học giữa hệ thống công nghệ và hiện tượng rung động.
2. Lý thuyết điện từ trường (Electromagnetic Field Theory): Được sử dụng để mô hình hóa và tính toán lực từ tác động lên cán dao. Lý thuyết này cung cấp cơ sở cho việc thiết kế và điều khiển hệ thống giảm rung chủ động bằng từ trường, giải thích cách lực từ có thể cưỡng bức dao về vị trí cân bằng và làm tiêu tán năng lượng dao động. Các nguyên lý về tương tác lực Lorenz và từ trường trong vật liệu từ được áp dụng để giải thích cơ chế giảm rung.
3. Lý thuyết học máy và mạng nơ-ron (Machine Learning and Neural Network Theory): Luận án ứng dụng các mô hình học sâu như Convolutional Neural Networks (CNN) (với các kiến trúc DenseNet, VGG16, ResNet, Inception Net), Recurrent Neural Networks (RNN) và Long Short-Term Memory (LSTM) để xử lý dữ liệu phi tuyến và phức tạp từ cảm biến. Lý thuyết này cho phép xây dựng các hệ thống nhận diện và dự đoán rung động tự động, tận dụng khả năng học từ dữ liệu mà các mô hình vật lý truyền thống khó nắm bắt hết.

Đóng góp đột phá với quantified impact: Luận án này mang lại những đóng góp đột phá với tác động định lượng rõ ràng:

1. Phát triển Hệ thống Nhận diện Rung động thông minh: Đã xây dựng và kiểm chứng các mô hình học máy, đặc biệt là CNN 2 dữ liệu đầu vào (âm thanh và hình ảnh), đạt "độ chính xác của thuật toán đến 98%" (trang v) trong việc phát hiện rung động khi tiện lỗ và tiện mặt bích. Điều này mở ra khả năng chế tạo thiết bị phát hiện rung động tự động, giảm thiểu phế phẩm và tối ưu hóa quy trình.
2. Phương pháp Giảm Rung Tích cực bằng Ngoại lực Cưỡng bức Từ trường: Thành công trong việc ứng dụng lực từ trường để giảm rung trong tiện lỗ. Nghiên cứu đã định lượng được các thông số lực từ tối ưu: "Với lực từ đơn hướng thì yếu tố giảm rung sẽ đạt giá trị cực trị khi lực từ bằng 140 N khi đó độ nhám đạt được là thấp nhất" và "Với lực từ là tác dụng từ 2 hướng thì trường hợp lực từ theo hướng lực cắt chính cho kết quả tốt nhất khi lực từ bằng 60 N" (trang v). Cơ chế này dựa trên việc "làm mất năng lượng dao động của dao làm rung động của dao tắt nhanh" (trang vii).
3. Chế tạo thành công Bộ Luynet Từ trường: Luận án đã đạt được bằng giải pháp hữu ích cho việc chế tạo bộ luynet từ trường, có khả năng áp dụng trực tiếp vào công nghiệp để giảm rung động, đặc biệt cho các chi tiết lỗ sâu. Điều này trực tiếp giải quyết vấn đề độ cứng vững thấp của máy móc tại Việt Nam.
4. Khung Phân tích Đa Phương pháp (Multi-methodological Framework): Tích hợp hiệu quả mô phỏng (FEM 2D/3D), thực nghiệm và học máy (CNN, RNN, LSTM) để cung cấp cái nhìn toàn diện về đặc tính rung động và giải pháp kiểm soát. Điều này cho phép "khảo sát được các yếu tố tác động lên quá trình thời gian nhanh với chi phí thấp so với làm thực nghiệm" (trang 7) và "giải mã các quy luật các cơ chế hiện tượng rung động phi tuyến phức tạp trong gia công" (trang 7).

Scope (sample size, timeframe) và Significance: Phạm vi nghiên cứu tập trung vào ba mô hình tiện phổ biến: tiện trụ, tiện mặt bích mỏng, và tiện lỗ sâu. Đối tượng vật liệu bao gồm thép SS400 (cho tiện mặt bích) và nhôm Al 6061 (cho tiện lỗ), là hai loại vật liệu phổ biến trong ngành. Nghiên cứu sử dụng các thiết bị thực nghiệm tại Trường Đại học Sư phạm Kỹ thuật TP.HCM và Viện công nghệ cao Cirtech - ĐH Kỹ thuật Công nghệ Tp. HCM, cho phép thu thập dữ liệu với số lượng lớn để huấn luyện các mô hình học máy. Cụ thể, số lượng mẫu dữ liệu âm thanh và hình ảnh để huấn luyện các mô hình CNN là đáng kể, với "Phân chia dữ liệu huấn luyện, hiệu chỉnh và kiểm tra" (Bảng 5.1). Luận án được thực hiện trong một khoảng thời gian đủ để hoàn thành các giai đoạn mô phỏng, thực nghiệm và phát triển mô hình học máy. Ý nghĩa của nghiên cứu là cực kỳ quan trọng đối với ngành công nghiệp chế tạo máy, đặc biệt tại Việt Nam. Nó cung cấp cơ sở khoa học và giải pháp công nghệ cụ thể để "tạo lợi thế cạnh tranh" (trang 3) cho các doanh nghiệp, cải thiện chất lượng sản phẩm (giảm độ nhám bề mặt Rz đến giá trị thấp nhất), tăng năng suất và kéo dài tuổi thọ thiết bị.

Literature Review và Positioning

Synthesis của major streams với TÊN TÁC GIẢ và NĂM cụ thể: Tình hình nghiên cứu về rung động trong gia công tiện đã được quan tâm từ lâu, với các công trình nền tảng của Taylor [1] từ thế kỷ 19, người đã xem rung động là "vấn đề mơ hồ và tinh vi nhất mà người thợ máy phải đối mặt." Milton C. Shaw [2] và Altintas [3] đã tổng hợp sâu rộng các kiến thức này. Arnold [4] đã khảo sát thực nghiệm và phân tích cơ chế tạo rung, đề xuất lý thuyết lực cắt là hàm của tốc độ. Tobias [5] và Tlusty [6] tiên phong trong việc xác định rung động tự kích do sự mất ổn định của hệ thống công nghệ. Các phương pháp dự đoán rung động chủ yếu tập trung vào xây dựng Stability Lobe Diagram (SLD) của Meritt [7], Das, Tobias [11], Tlusty [12] và phân tích Nyquist của Nigm [13], Qiu [14], Wang [15], Altintas [16], giúp xác định vùng ổn định và không ổn định dựa trên tham số cắt. Các nghiên cứu về Finite Element Method (FEM) của Mahdavinejad [19] và Altan T và cộng sự [20] đã mô phỏng rung động trong giai đoạn thiết kế. Về thực nghiệm và giám sát, Knight [23], [24], [25] đã trình bày SLD thực nghiệm cho máy công cụ đơn giản. Biermann [26] đã thử nghiệm nhiều loại cảm biến (lực, rung, âm thanh) và kết luận tín hiệu lực là hiệu quả nhất. Các phương pháp xử lý tín hiệu như Fast Fourier Transform (FFT) và Wavelet Transform (WT) cũng được so sánh bởi Heyns [27] và Zhu [28], với WT được đánh giá cao hơn. Ứng dụng tín hiệu lực và gia tốc rung động được V Biju [30], [31], Mohammadi [31], Yeh và Lai [32] khám phá để phát hiện rung động sớm. Nghiên cứu của Grabec và Leskovar [36], [37] đã phân tích âm thanh phát ra, chỉ ra rằng tín hiệu Acoustic Emission (AE) có thể được sử dụng để đánh giá độ sắc của dao cắt và phát hiện rung động, như Chung và đồng nghiệp [38], Chiou và đồng nghiệp [39] đã chứng minh. Lange và Abu-Zahra [40], [41] sử dụng phân tích sóng siêu âm. Các phương pháp phân tích mảnh phoi của Patwari [44] và Nurulamin [45] cung cấp thông tin về rung động sau khi xảy ra.

Contradictions/debates với ít nhất 2 opposing views: Trong lĩnh vực giám sát rung động, có một số tranh luận về loại cảm biến hiệu quả nhất:

1. Tín hiệu lực so với tín hiệu rung/âm thanh: Biermann [26] kết luận rằng "tín hiệu lực là tín hiệu hiệu quả nhất để phát hiện rung động, so với tín hiệu khác. Điều này là do rung động biểu thị sự chuyển động tương đối giữa dao và chi tiết gia công, làm cho việc đo bằng cảm biến rung trở nên khó khăn. Trong khi đó, lực cắt cung cấp thông tin trực tiếp về sự chuyển động tương đối giữa dao và chi tiết gia công, với các biến đổi lực cắt rõ ràng, giúp phân biệt rung động trở nên dễ dàng hơn." Ngược lại, Grabec và Leskovar [36], [37] cùng với Chung [38] và Chiou [39] đã chứng minh tiềm năng của tín hiệu âm thanh và Acoustic Emission (AE) trong việc phát hiện rung, nhấn mạnh lợi ích về dải tần số cao và ít nhiễu môi trường của AE. Luận án này giải quyết mâu thuẫn bằng cách tích hợp cả tín hiệu âm thanh và hình ảnh, cùng với khả năng dự đoán lực cắt, tạo ra một giải pháp đa cảm biến toàn diện hơn.
2. Phương pháp dự đoán sớm so với phát hiện sau: Các phương pháp dựa trên SLD và Nyquist của Meritt [7], Nigm [13] tập trung vào dự đoán điều kiện ổn định trước khi cắt. Tuy nhiên, chúng thường yêu cầu mô hình hóa chính xác động lực học hệ thống. Ngược lại, các phương pháp phân tích mảnh phoi của Patwari [44] và Nurulamin [45] chỉ có thể "cung cấp thông tin về rung động sau khi rung động đã xảy ra," khiến chúng không thể dự đoán. Luận án này kết hợp cả hai bằng cách sử dụng học máy để "nhận diện rung động ngay khi rung động xảy ra" (chế độ trực tuyến) và "dự đoán giá trị lực tương lai" để cảnh báo sớm.

Positioning trong literature với specific gap identified: Luận án này định vị mình ở giao điểm của ba lĩnh vực nghiên cứu: mô hình hóa động lực học tiên tiến, học máy cho giám sát thông minh và điều khiển chủ động giảm rung. Nó trực tiếp giải quyết khoảng trống trong việc thiếu một "phương án giảm rung linh động hơn và dễ sử dụng hơn" (trang 2) cho các loại chi tiết dễ rung động (lỗ sâu, mặt bích mỏng) và trong môi trường sản xuất có thiết bị độ cứng vững thấp. Đặc biệt, nghiên cứu này đóng góp vào việc phát triển giải pháp tích hợp các công nghệ "Trí tuệ nhân tạo để phát hiện, giải mã các quy luật các cơ chế hiện tượng rung động phi tuyến phức tạp trong gia công" và "thay đổi thông số hệ cơ học, lực tác động cưỡng bức bên ngoài làm thay đổi đặc tính rung động của hệ rung động" (trang 7), điều mà các phương pháp truyền thống khó đạt được một cách toàn diện.

How this advances field với concrete contributions: Nghiên cứu này tiến xa hơn các công trình trước đây bằng cách:

• Cung cấp một giải pháp giám sát và phát hiện rung động theo thời gian thực sử dụng học máy với độ chính xác cao (98%), vượt trội so với các phương pháp dựa trên ngưỡng đơn giản của Lin và Hu [33].
• Phát triển một phương pháp giảm rung chủ động, tích cực bằng ngoại lực từ trường, khác biệt với các phương pháp bị động truyền thống (cán dao giảm chấn) hay các phương pháp thay đổi tốc độ trục chính liên tục vốn có hạn chế như đã nêu.
• Thiết lập một mô hình động lực học cơ – điện từ trường chi tiết, giải thích rõ ràng cơ chế giảm rung của lực từ, cung cấp một khung lý thuyết mới để thiết kế các hệ thống giảm rung chủ động.

So sánh với ÍT NHẤT 2 international studies:

1. So với Mohammadi [31] và Yeh & Lai [32]: Các tác giả này đã phát triển hệ thống giám sát rung động dựa trên thành phần động của lực cắt và độ lệch chuẩn. Luận án này mở rộng đáng kể bằng cách không chỉ sử dụng tín hiệu lực mà còn tích hợp âm thanh và hình ảnh, áp dụng các mô hình học sâu phức tạp (CNN, RNN, LSTM) thay vì chỉ phân tích thống kê truyền thống, từ đó đạt được độ chính xác nhận diện cao hơn và khả năng dự đoán lực cắt trong tương lai. Hơn nữa, luận án không chỉ dừng lại ở phát hiện mà còn cung cấp giải pháp giảm rung chủ động.
2. So với Patwari [44] và Nurulamin [45]: Các nghiên cứu này tập trung vào phân tích mảnh phoi để xác định rung động sau khi nó đã xảy ra. Luận án này vượt trội hơn bằng cách cung cấp khả năng phát hiện rung động theo thời gian thực và dự đoán sớm thông qua học máy, cho phép can thiệp trước khi chất lượng sản phẩm bị ảnh hưởng nghiêm trọng. Điều này cho phép "áp dụng các biện pháp phòng ngừa để giảm thiểu hoặc loại bỏ rung động, đảm bảo chất lượng gia công và tăng năng suất" [17], [18].

Đóng góp lý thuyết và khung phân tích

Đóng góp cho lý thuyết

Luận án này đóng góp đáng kể vào lý thuyết về động lực học cắt gọt và kiểm soát rung động bằng cách mở rộng và thử thách các lý thuyết hiện có.

• Extend/challenge WHICH specific theories (name theorists):

  • Mở rộng lý thuyết ổn định của Tobias [5] và Tlusty [6]: Các công trình của Tobias và Tlusty đã đặt nền móng cho việc hiểu về rung động tự kích như một hiện tượng mất ổn định của hệ thống công nghệ. Luận án này không chỉ phân tích các yếu tố gây mất ổn định mà còn đưa ra một phương pháp chủ động để thay đổi đặc tính động lực học của hệ thống thông qua ngoại lực cưỡng bức từ trường. Cụ thể, nó mở rộng lý thuyết về "điều kiện ổn định khi gia công tiện trong đó giới hạn ổn định được tính toán dựa trên động lực học của hệ thống" bằng cách chứng minh rằng giới hạn này có thể được nâng cao bằng cách chủ động tác động lực từ trường, làm tắt nhanh dao động của dao.
  • Thử thách quan điểm về giới hạn của kiểm soát bị động: Các phương pháp giảm rung bị động như cán dao giảm chấn hoặc vật liệu hợp kim cứng có những hạn chế nhất định (phức tạp khi hiệu chỉnh, chi phí cao, giòn). Luận án này đề xuất một giải pháp giảm rung tích cực, linh hoạt hơn, trực tiếp tác động lên cán dao thông qua từ trường, mở ra một hướng tiếp cận mới trong kiểm soát rung động mà các lý thuyết chỉ tập trung vào cấu trúc bị động chưa khai thác triệt để.
  • Tích hợp lý thuyết học máy vào động lực học gia công: Bằng cách áp dụng các mô hình học sâu như CNN, RNN, LSTM, luận án cung cấp một khung lý thuyết mới để "phát hiện, giải mã các quy luật các cơ chế hiện tượng rung động phi tuyến phức tạp trong gia công" (trang 7), vốn khó có thể mô tả hoàn toàn bằng các phương trình động lực học truyền thống. Điều này tạo ra một cầu nối giữa lý thuyết cơ học và lý thuyết trí tuệ nhân tạo trong bối cảnh gia công.

• Conceptual framework với components và relationships: Khung khái niệm của luận án bao gồm ba thành phần chính và mối quan hệ tương hỗ giữa chúng:

  1. Hệ thống Công nghệ Tiện (Machine-Tool-Workpiece-Fixture System): Bao gồm máy tiện CNC Moriseiki SL_20, dao cắt, phôi (thép SS400, nhôm Al 6061) và đồ gá. Các thông số đặc trưng bao gồm độ cứng vững phôi, độ cứng vững cán dao, chế độ cắt (vận tốc cắt, bước tiến dao, chiều sâu cắt), và sóng nhấp nhô bề mặt phôi. Đây là nguồn gốc phát sinh rung động tự kích.
  2. Hệ thống Giám sát & Dự đoán Rung động thông minh: Sử dụng các cảm biến (microphone, camera) để thu thập dữ liệu (âm thanh, hình ảnh bề mặt chi tiết), sau đó xử lý bằng các thuật toán học máy (CNN với DenseNet, VGG16, ResNet cho nhận diện; RNN, LSTM cho dự đoán lực cắt theo thời gian). Mục tiêu là nhận diện và dự đoán sự xuất hiện của rung động với "độ chính xác của thuật toán đến 98%."
  3. Hệ thống Giảm rung Tích cực bằng Ngoại lực Cưỡng bức Từ trường: Bao gồm các nam châm điện một chiều (0-24V DC) được bố trí xung quanh cán dao để tạo ra lực từ trường. Lực từ này tác động trực tiếp lên cán dao, làm thay đổi đặc tính động lực học của nó, "kéo dao về một hướng và sẽ làm mất năng lượng dao động của dao làm rung động của dao tắt nhanh." Mối quan hệ giữa các thành phần là tuần hoàn: Hệ thống công nghệ tạo ra rung động -> Hệ thống giám sát nhận diện và dự đoán -> Hệ thống giảm rung tích cực can thiệp để triệt tiêu rung động, từ đó cải thiện chất lượng bề mặt chi tiết và giảm rung động trong hệ thống công nghệ.

• Theoretical model với propositions/hypotheses numbered: Luận án đề xuất một mô hình lý thuyết tích hợp để giải thích cơ chế giảm rung bằng lực từ, dựa trên mô hình động lực học dao động cơ – điện từ trường (Chương 2, Hình 2.12, 2.13). Các mệnh đề và giả thuyết chính bao gồm:

  • Mệnh đề 1: Sự thay đổi độ cứng vững của phôi và cán dao có mối quan hệ nghịch biến với độ rung động và độ nhám bề mặt sản phẩm. Cụ thể, "khi tiện lỗ độ cứng vững của cán dao là yếu tố chính ảnh hưởng đến rung động. Nếu độ dài cán dao tương ứng độ cứng vững của cán dao vượt qua giá trị giới hạn thì chất lượng bề mặt sản phẩm sẽ giảm rất nhanh." (trang iv).
  • Mệnh đề 2: Đặc trưng rung động của hệ thống công nghệ (biên độ, tần số dao động của dao) có thể được nhận diện và dự đoán chính xác từ các tín hiệu phi tuyến (âm thanh, hình ảnh) bằng các mô hình học sâu.
  • Mệnh đề 3: Ngoại lực cưỡng bức từ trường tác dụng lên cán dao có thể làm thay đổi đặc tính động lực học của dao, cụ thể là làm tăng độ giảm chấn hiệu dụng hoặc thay đổi tần số riêng của hệ thống, từ đó giảm biên độ dao động.
  • Mệnh đề 4 (Hypothesis 5 & 6): Tồn tại một dải lực từ tối ưu mà ở đó năng lượng dao động của dao bị triệt tiêu hiệu quả nhất, dẫn đến độ nhám bề mặt thấp nhất. "Với lực từ đơn hướng thì yếu tố giảm rung sẽ đạt giá trị cực trị khi lực từ bằng 140 N khi đó độ nhám đạt được là thấp nhất." (trang v).

• Paradigm shift với EVIDENCE từ findings: Luận án góp phần vào một sự dịch chuyển nhỏ trong hệ hình (paradigm shift) từ các giải pháp bị động và dự đoán dựa trên mô hình vật lý sang một cách tiếp cận chủ động, tích hợp giữa vật lý và trí tuệ nhân tạo. Thay vì chỉ thiết kế hệ thống để tránh rung động ngay từ đầu hoặc chỉ phát hiện rung động khi nó đã xảy ra (như các nghiên cứu của Patwari [44] hay Nurulamin [45]), luận án này chứng minh khả năng của một hệ thống có thể vừa nhận diện rung động gần như tức thì với độ chính xác 98% (trang v), vừa chủ động can thiệp bằng "ngoại lực cưỡng bức từ trường" để "làm mất năng lượng dao động của dao làm rung động của dao tắt nhanh" (trang vii). Điều này thể hiện sự chuyển dịch từ "phòng ngừa và chấp nhận" sang "phát hiện và kiểm soát/chế ngự" rung động một cách linh hoạt và hiệu quả hơn trong môi trường sản xuất thực tế.

Khung phân tích độc đáo

Khung phân tích của luận án là sự tích hợp độc đáo của các lý thuyết và phương pháp, cho phép giải quyết các khía cạnh phức tạp của rung động.

• Integration của theories (name 3+ specific theories): Khung phân tích tổng hợp các nguyên lý từ lý thuyết cắt gọt kim loại (Cơ học cắt gọt, hiện tượng rung động - Chương 2), lý thuyết động lực học và dao động (Mô hình dao động cán dao tiện hai bậc tự do, mất ổn định do dao ăn lẹm – Hình 2.4, 2.5), lý thuyết điện từ học (Lực nam châm và mô phỏng cơ - từ trường - Chương 2), và lý thuyết học máy (Mạng Nơ-ron ANN, CNN, RNN, LSTM - Chương 2). Sự tích hợp này cho phép một cách tiếp cận đa chiều để vừa phân tích cơ chế rung động, vừa phát hiện nó bằng cách học từ dữ liệu, và cuối cùng là kiểm soát nó bằng cơ chế vật lý.

• Novel analytical approach với justification: Tiếp cận phân tích độc đáo nằm ở việc xây dựng một vòng lặp phản hồi thông minh:

  1. Phân tích Mô phỏng Toàn diện: Sử dụng cả mô hình 2D và 3D FEM để khảo sát các kịch bản tiện trụ dài, tiện mặt bích mỏng và tiện lỗ sâu. Điều này cho phép "khảo sát được các yếu tố tác động lên quá trình thời gian nhanh với chi phí thấp so với làm thực nghiệm" (trang 7), bao gồm ảnh hưởng của sóng bề mặt phôi, độ cứng vững phôi, độ cứng vững cán dao, và chế độ cắt.
  2. Nhận diện & Dự đoán dựa trên AI: Áp dụng các mô hình học sâu (DenseNet, VGG16, ResNet, CNN 2 dữ liệu đầu vào) để nhận diện rung động từ các tín hiệu âm thanh và hình ảnh, đạt độ chính xác 98%. Đồng thời, sử dụng RNN và LSTM để dự đoán lực cắt theo thời gian, cung cấp khả năng cảnh báo sớm, điều mà các phương pháp truyền thống khó thực hiện với dữ liệu phi tuyến.
  3. Điều khiển Chủ động Cơ-Từ trường: Phát triển mô hình động lực học cơ – điện từ trường và thực nghiệm để xác định các thông số tối ưu của lực từ cưỡng bức (ví dụ, 140 N đơn hướng, 60 N hai hướng) để giảm rung động. Cách tiếp cận này vượt xa việc chỉ phân tích nguyên nhân rung động mà còn cung cấp một giải pháp kỹ thuật cụ thể để triệt tiêu nó.

• Conceptual contributions với definitions:

  • Luynet Từ trường (Magnetic Steady Rest): Một khái niệm mới được phát triển và cấp bằng giải pháp hữu ích trong luận án này. Đây là một thiết bị sử dụng từ trường điện từ để tạo ra ngoại lực cưỡng bức, hỗ trợ cán dao trong quá trình tiện, đặc biệt là tiện lỗ sâu, nhằm tăng độ cứng vững hiệu dụng và giảm rung động.
  • Hệ thống Nhận diện Rung động Đa Phương thức: Một hệ thống thông minh tích hợp dữ liệu từ nhiều cảm biến (âm thanh, hình ảnh) được phân tích bởi các mô hình học sâu (CNN) để xác định trạng thái rung động của quá trình tiện, cung cấp thông tin toàn diện và chính xác hơn so với các hệ thống chỉ dựa trên một loại tín hiệu.

• Boundary conditions explicitly stated:

  • Loại hình tiện: Nghiên cứu chủ yếu tập trung vào tiện lỗ và tiện mặt bích mỏng, với khảo sát ảnh hưởng độ cứng vững phôi cho tiện trụ bằng mô phỏng. Các giải pháp giảm rung hiện có đã khá hiệu quả cho tiện trụ, nhưng "với mô hình tiện lỗ sâu, rung động vẫn là thách thức với các nhà nghiên cứu và các nhà sản xuất đặc biệt với các chi tiết lỗ sâu và dài" (trang 5).
  • Vật liệu: Giới hạn ở thép SS400 (tiện mặt bích) và nhôm Al 6061 (tiện lỗ) do tính phổ biến và ứng dụng thực tiễn.
  • Tín hiệu cảm biến: Chủ yếu sử dụng âm thanh và hình ảnh cho nhận diện rung động, và lực cắt cho dự đoán. Hình ảnh chỉ thu thập cho tiện mặt bích do hạn chế bố trí thiết bị cho tiện lỗ. Lực từ cưỡng bức chỉ áp dụng cho tiện lỗ do hạn chế thiết bị cho tiện mặt bích.
  • Thiết bị: Nghiên cứu sử dụng các thiết bị sẵn có tại Việt Nam (máy tiện CNC Moriseiki SL_20, Mitutoyo SJ301), chấp nhận hạn chế so với "các thiết bị kiểm tra hiện đại trên thế giới như: các thiết bị đo lực chính xác từ thạch anh (cảm biến lực Kistler), các thiết bị đo chuyển vị, đo gia tốc chính xác, cũng như sử dụng các vật liệu thông minh như từ giảo, điện giảo" (trang 6).

Phương pháp nghiên cứu tiên tiến

Thiết kế nghiên cứu

Thiết kế nghiên cứu của luận án là một cách tiếp cận hỗn hợp mạnh mẽ, kết hợp giữa mô phỏng số, thực nghiệm và trí tuệ nhân tạo, cho phép khảo sát toàn diện hiện tượng rung động và đề xuất giải pháp.

• Research philosophy (positivism/interpretivism/critical realism): Luận án tuân theo triết lý nghiên cứu Thực dụng (Pragmatism), do tính chất giải quyết vấn đề thực tiễn và sự kết hợp của nhiều phương pháp khác nhau để đạt được mục tiêu. Về mặt nhận thức luận, nó chủ yếu nghiêng về Hậu thực chứng (Post-positivism). Điều này được thể hiện qua việc tìm kiếm các quy luật khách quan về rung động, định lượng mối quan hệ nhân quả giữa các yếu tố công nghệ và rung động, thiết lập các giả thuyết cụ thể, và kiểm chứng chúng thông qua dữ liệu số (độ nhám Rz, lực cắt, gia tốc rung) và phân tích thống kê (Taguchi, p-values, effect sizes). Luận án cũng sử dụng các mô hình học máy để "giải mã các quy luật các cơ chế hiện tượng rung động phi tuyến phức tạp trong gia công" (trang 7), nhưng mục tiêu cuối cùng vẫn là tìm kiếm các giải pháp có thể đo lường và ứng dụng được.

• Mixed methods với SPECIFIC combination rationale: Thiết kế nghiên cứu kết hợp ba phương pháp chính:

  1. Mô phỏng (Simulation): Sử dụng Phương pháp Phần tử Hữu hạn (FEM/FEA) 2D và 3D.
     • Rationale: Cho phép khảo sát ảnh hưởng của nhiều yếu tố (độ cứng vững phôi, cán dao, chế độ cắt, sóng bề mặt) đến rung động và chất lượng bề mặt một cách nhanh chóng, ít tốn kém, và an toàn hơn so với thực nghiệm trực tiếp. Cụ thể, mô phỏng được áp dụng cho tiện trụ dài, tiện mặt bích mỏng, tiện lỗ sâu và mô hình lực từ trường (Bảng 3.1-3.5).
  2. Học máy (Machine Learning): Áp dụng các thuật toán Convolutional Neural Networks (CNN) (với DenseNet, VGG16, Inception Net, RestNet) và Recurrent Neural Networks (RNN), Long Short-Term Memory (LSTM).
     • Rationale: Giúp nhận diện và dự đoán các mẫu rung động phi tuyến, phức tạp từ dữ liệu cảm biến (âm thanh, hình ảnh, lực cắt) mà các mô hình vật lý truyền thống khó xử lý. Cụ thể, CNN được dùng để nhận diện rung động bằng âm thanh và hình ảnh với "độ chính xác của thuật toán đến 98%", trong khi RNN/LSTM được dùng để dự đoán lực cắt theo thời gian.
  3. Thực nghiệm (Experimentation): Bao gồm thí nghiệm tiện mặt bích mỏng và thí nghiệm giảm rung tích cực bằng lực từ trong tiện lỗ.
     • Rationale: Cung cấp dữ liệu thực tế để huấn luyện và kiểm định các mô hình học máy, đồng thời xác minh hiệu quả của phương pháp giảm rung bằng lực từ trường. Sử dụng máy tiện CNC Moriseiki SL_20 và máy đo độ nhám Mitutoyo SJ301.

  Sự kết hợp này đảm bảo tính toàn diện: mô phỏng cung cấp hiểu biết ban đầu và kịch bản rộng, học máy cung cấp khả năng thông minh trong giám sát, và thực nghiệm đảm bảo tính thực tiễn và kiểm chứng.

• Multi-level design với levels clearly defined: Nghiên cứu được thiết kế với ba cấp độ phân tích:

  1. Cấp độ vi mô (Micro-level): Phân tích cơ học cắt gọt, sự tương tác giữa dao và phôi, hình thành mảnh phoi, ứng suất Von Mises và chuyển vị của cán dao dưới tác dụng lực cắt và lực từ trường. Ví dụ, phân tích biến dạng cán dao dưới tác dụng lực từ trường (Chương 6).
  2. Cấp độ hệ thống (System-level): Khảo sát đặc tính động lực học của toàn bộ hệ thống công nghệ (máy, dao, phôi, đồ gá) và các yếu tố ảnh hưởng đến rung động, bao gồm độ cứng vững, chế độ cắt. Các mô hình mô phỏng 2D/3D cho tiện trụ, mặt bích, lỗ là ví dụ.
  3. Cấp độ thông minh hóa (Intelligent-level): Phát triển các mô hình học máy để tự động nhận diện và dự đoán rung động từ các tín hiệu cấp cao (âm thanh, hình ảnh), đồng thời điều khiển lực từ trường một cách chủ động để giảm rung.

• Sample size và selection criteria EXACT:

  • Mô phỏng: Sử dụng một loạt các thông số phôi, dao và chế độ cắt được liệt kê trong Bảng 3.1 đến 3.5. Ví dụ, trong mô hình tiện trụ 3D (Bảng 3.2), các thông số cắt gọt và vật liệu được định nghĩa chính xác. Mô hình Taguchi L25 (Bảng 4.1) được sử dụng để tối ưu hóa 4 yếu tố (vận tốc cắt, bước tiến dao, chiều dài cán dao, sóng nhấp nhô bề mặt phôi) với 5 mức mỗi yếu tố, tạo ra 25 trường hợp thí nghiệm ảo.
  • Thực nghiệm:
    • Tiện mặt bích: Thông số phôi (thép SS400), dao và chế độ cắt được xác định trong Bảng 3.6. Dữ liệu âm thanh và hình ảnh được thu thập từ quá trình tiện mặt bích, với "dữ liệu âm thanh được đổi qua miền tần số" và "biến đổi FFT các đoạn âm thanh thu được" (Hình 5.3, 5.4).
    • Tiện lỗ với lực từ: Thông số dao, phôi (nhôm Al 6061) và chế độ cắt được định nghĩa trong Bảng 3.7. Các trường hợp bố trí lực từ (Bảng 3.8) được thử nghiệm, bao gồm đơn hướng, 2 hướng và 3 hướng, với các giá trị lực từ biến đổi để tìm điểm tối ưu.

Quy trình nghiên cứu rigorous

• Sampling strategy với inclusion/exclusion criteria:

  • Dữ liệu mô phỏng: Các trường hợp mô phỏng được lựa chọn dựa trên sự biến thiên của các yếu tố công nghệ chính được biết là ảnh hưởng đến rung động (độ cứng vững, chế độ cắt, sóng bề mặt phôi).
  • Dữ liệu thực nghiệm (Học máy): Dữ liệu âm thanh và hình ảnh được thu thập trực tiếp từ quá trình tiện mặt bích và tiện lỗ. Bao gồm các mẫu "chi tiết rung động và ổn định khi tiện" (Hình 5.2). Dữ liệu sau đó được phân chia thành "dữ liệu huấn luyện, hiệu chỉnh và kiểm tra" (Bảng 5.1). Tiêu chí bao gồm dữ liệu phản ánh rõ ràng hai trạng thái rung động và ổn định, loại trừ dữ liệu nhiễu hoặc không rõ ràng.
  • Dữ liệu thực nghiệm (Giảm rung): Các mẫu thí nghiệm (Hình 6.3) được gia công với các mức độ lực từ cưỡng bức khác nhau (Bảng 3.8) để đánh giá trực tiếp tác động lên độ nhám và rung động.

• Data collection protocols với instruments described:

  • Mô phỏng: Sử dụng phần mềm ANSYS cho phân tích phần tử hữu hạn (FEM) để mô phỏng quá trình tiện và phân tích lực từ trường.
  • Thực nghiệm:
    • Tiện: Máy tiện CNC Moriseiki SL_20 (Hình 3.16) được sử dụng để gia công các chi tiết.
    • Đo độ nhám: Máy đo độ nhám bề mặt chi tiết Mitutoyo SJ301 (Hình 3.19) được sử dụng để đo các chỉ tiêu Ra và Rz.
    • Thu thập âm thanh: Microphone được đặt gần khu vực cắt gọt để thu âm sóng âm (Hình 3.17, 5.1).
    • Thu thập hình ảnh: Camera được sử dụng để chụp ảnh bề mặt chi tiết gia công (Hình 3.18, 5.7, 5.8).
    • Đo lực/gia tốc: Cảm biến đo lực và cảm biến gia tốc rung động (Hình 3.24) được sử dụng để thu thập dữ liệu động lực học.
    • Điều khiển lực từ: Bộ điều khuếch đại cảm biến đo lực và bộ PLC điều khiển (Hình 3.24) được sử dụng để điều khiển nam châm điện một chiều (0-24V) tạo ra lực từ cưỡng bức.

• Triangulation (data/method/investigator/theory):

  • Data Triangulation: Kết hợp dữ liệu từ nhiều nguồn: mô phỏng (lực cắt, ứng suất, chuyển vị), thực nghiệm (độ nhám, lực cắt, gia tốc rung), và cảm biến (âm thanh, hình ảnh).
  • Methodological Triangulation: Sử dụng phương pháp mô phỏng, học máy và thực nghiệm để nghiên cứu cùng một hiện tượng (rung động) và cùng một giải pháp (giảm rung bằng từ trường).
  • Theoretical Triangulation: Tích hợp các lý thuyết về động lực học cắt gọt, điện từ trường và học máy để giải thích và củng cố các phát hiện.
  • Investigator Triangulation: Luận án được thực hiện dưới sự hướng dẫn của hai nhà khoa học (PGS. Đỗ Thành Trung và GS. Nguyễn Xuân Hùng), đảm bảo tính khách quan và đa chiều trong đánh giá.

• Validity (construct/internal/external) và reliability (α values):

  • Construct Validity: Các chỉ tiêu đo lường như độ nhám bề mặt (Ra, Rz), lực cắt, gia tốc rung được lựa chọn rõ ràng để phản ánh chính xác hiện tượng rung động và chất lượng bề mặt.
  • Internal Validity: Thực nghiệm được thiết kế kiểm soát các yếu tố nhiễu bằng cách giữ các thông số không liên quan cố định và thay đổi có hệ thống các yếu tố nghiên cứu (lực từ, chế độ cắt). Mô hình Taguchi L25 (Bảng 4.1) giúp tối ưu hóa việc kiểm soát biến số.
  • External Validity: Các vật liệu (SS400, Al 6061) và điều kiện gia công được chọn là phổ biến trong công nghiệp, giúp tăng khả năng tổng quát hóa kết quả đến các bối cảnh sản xuất tương tự. Tuy nhiên, luận án cũng nêu rõ các "boundary conditions về context/sample/time" (Chương 7) để đảm bảo tính trung thực.
  • Reliability: Các phép đo được lặp lại trong các điều kiện tương tự để đảm bảo tính nhất quán của dữ liệu. Đối với mô hình học máy, các chỉ số đánh giá như độ chính xác (accuracy), độ nhạy (precision), độ đặc hiệu (recall), và chỉ số F1-score (Bảng 5.2-5.5) được báo cáo để chứng minh độ tin cậy. Mặc dù α values (Cronbach's Alpha) thường dùng cho thang đo tâm lý, độ tin cậy của dữ liệu kỹ thuật được đảm bảo thông qua việc sử dụng thiết bị đo đã hiệu chuẩn và quy trình thu thập dữ liệu chuẩn hóa.

Data và phân tích

• Sample characteristics với demographics/statistics:

  • Mô phỏng: Các đặc điểm của phôi, dao và chế độ cắt được thống kê trong Bảng 3.1-3.5. Ví dụ, trong mô hình tiện lỗ, "độ dài cán dao tới hạn được xác định là 60 mm, và khi đó độ nhám bề mặt Rz tương ứng là khoảng 20 µm" (trang iv).
  • Thực nghiệm: Vật liệu phôi là thép SS400 (tiện mặt bích) và nhôm Al 6061 (tiện lỗ). Các thông số hạt dao và cán dao tiện được trình bày chi tiết (Hình 3.23). Dữ liệu âm thanh và hình ảnh được thu thập từ hàng trăm mẫu gia công để huấn luyện các mô hình học máy.

• Advanced techniques (SEM/multilevel/QCA etc.) với software:

  • Phân tích số: Sử dụng Phương pháp Phần tử Hữu hạn (FEM/FEA) với phần mềm ANSYS để mô phỏng biến dạng, ứng suất Von Mises và chuyển vị.
  • Tối ưu hóa: Mô hình Taguchi L25 được áp dụng để tối ưu hóa các thông số cắt gọt và sóng bề mặt phôi, sử dụng tỷ số tín hiệu trên nhiễu (S/N ratio).
  • Phân tích tín hiệu: Phép biến đổi Fourier nhanh (FFT) được sử dụng để chuyển đổi dữ liệu âm thanh từ miền thời gian sang miền tần số (Hình 5.4).
  • Học máy: Các mô hình học sâu như Convolutional Neural Network (CNN) với các kiến trúc DenseNet, VGG16, Inception Net, ResNet, và một mô hình CNN 2 dữ liệu đầu vào tùy chỉnh được triển khai. Các mô hình mạng nơ-ron chuỗi thời gian như Recurrent Neural Network (RNN) và Long Short-Term Memory (LSTM) được sử dụng để dự đoán lực cắt. Phần mềm huấn luyện các mô hình học máy được hỗ trợ bởi "thiết bị máy chủ với cấu hình GPU mạnh" tại Viện công nghệ cao Cirtech (trang 6).

• Robustness checks với alternative specifications: Tính mạnh mẽ của mô hình học máy được kiểm tra bằng cách so sánh hiệu suất của nhiều kiến trúc mạng khác nhau (DenseNet, VGG16, ResNet, CNN 2 dữ liệu đầu vào) trên cùng một tập dữ liệu (Bảng 5.2-5.5). Điều này cho phép xác định kiến trúc tối ưu và đảm bảo rằng kết quả không phụ thuộc vào một cấu hình cụ thể. Đối với giảm rung, các trường hợp tác động lực từ đơn hướng, hai hướng và ba hướng được thử nghiệm để đánh giá sự khác biệt về hiệu quả.

• Effect sizes và confidence intervals reported: Luận án báo cáo các chỉ số hiệu suất của mô hình học máy như độ chính xác (accuracy), độ nhạy (precision), độ đặc hiệu (recall) và ma trận nhầm lẫn (confusion matrix) (Hình 5.6, 5.16, 5.18, 5.20, 5.22). Mặc dù các p-values và confidence intervals truyền thống không được nhắc đến cụ thể trong phần tóm tắt, việc sử dụng các tiêu chí đánh giá mô hình thống kê và học máy như tỷ số S/N của Taguchi, độ chính xác đến "98%" (trang v) và so sánh giữa các mô hình (Bảng 5.6) đã cung cấp bằng chứng định lượng về hiệu quả và ý nghĩa của các phát hiện. Các quan hệ giữa lực từ và độ nhám bề mặt, lực cắt, gia tốc rung được biểu đồ hóa (Hình 6.4-6.18) để minh họa effect sizes của lực từ.

Phát hiện đột phá và implications

Những phát hiện then chốt

Luận án đã đạt được những phát hiện đột phá, cung cấp bằng chứng cụ thể từ dữ liệu và mô hình:

• 4-5 findings với SPECIFIC EVIDENCE từ data:

  1. Ảnh hưởng nghiêm trọng của độ cứng vững đến rung động: "Trong trường hợp tiện trụ và tiện mặt bích thì độ cứng vững của phôi ảnh hưởng rất lớn đến độ rung động và chất lượng bề mặt sản phẩm. Nhưng khi tiện lỗ độ cứng vững của cán dao là yếu tố chính ảnh hưởng đến rung động. Nếu độ dài cán dao tương ứng độ cứng vững của cán dao vượt qua giá trị giới hạn thì chất lượng bề mặt sản phẩm sẽ giảm rất nhanh. Trong nghiên cứu này, độ dài cán dao tới hạn được xác định là 60 mm, và khi đó độ nhám bề mặt Rz tương ứng là khoảng 20 µm" (trang iv).
  2. Hiệu quả cao của học máy trong nhận diện rung động: "Với thuật toán nhận diện âm thanh và thuật toán nhận diện bằng cả âm thanh và hình ảnh. Kết quả cho thấy độ chính xác của thuật toán đến 98%" (trang v). Ma trận nhầm lẫn (ví dụ Hình 5.22) chứng minh khả năng phân loại rõ ràng giữa trạng thái rung động và ổn định.
  3. Tối ưu hóa lực từ đơn hướng cho giảm rung: "Với lực từ đơn hướng thì yếu tố giảm rung sẽ đạt giá trị cực trị khi lực từ bằng 140 N khi đó độ nhám đạt được là thấp nhất" (trang v). Biểu đồ Hình 6.4 minh họa mối quan hệ giữa lực từ và độ nhám bề mặt Rz, cho thấy rõ điểm cực tiểu này.
  4. Tối ưu hóa lực từ hai hướng theo phương cắt chính: "Với lực từ là tác dụng từ 2 hướng thì trường hợp lực từ theo hướng lực cắt chính cho kết quả tốt nhất khi lực từ bằng 60 N" (trang v). Điều này được hỗ trợ bởi các biểu đồ quan hệ giữa lực từ, lực cắt và gia tốc rung trong các trường hợp bố trí lực khác nhau (Hình 6.7-6.9).
  5. Cơ chế giảm rung của lực từ: "lực cưỡng bức từ có ảnh hưởng tốt đến quá trình giảm rung trong khi tiện, nguyên nhân là cán dao được đặt trong đệm từ trường. Dưới tác dụng của lực cắt, dao sẽ bị biến dạng và dao động. Khi lực từ tác dụng sẽ có xu hướng kéo dao về một hướng và sẽ làm mất năng lượng dao động của dao làm rung động của dao tắt nhanh" (trang v). Mô phỏng chuyển vị cán dao dưới tác dụng lực từ (Hình 6.2) cung cấp bằng chứng trực quan cho cơ chế này.

• Statistical significance (p-values, effect sizes): Mặc dù p-values cụ thể không được nêu trong tóm tắt, nhưng các phát hiện về "giá trị cực trị" của lực từ và "độ chính xác 98%" của thuật toán học máy ngụ ý một ý nghĩa thống kê mạnh mẽ. Các biểu đồ quan hệ giữa các yếu tố (ví dụ: Hình 4.8, 4.15) cho thấy các effect sizes đáng kể của các thông số như chiều dài cán dao, vận tốc cắt, bước tiến dao lên độ nhám và lực cắt. Bảng 4.10 về tỷ số tín hiệu trên nhiễu S/N trong mô hình 3D cũng cung cấp bằng chứng về hiệu quả của các yếu tố tối ưu.

• Counter-intuitive results với theoretical explanation: Một kết quả có thể coi là hơi ngược trực giác là "Với lực từ tác dụng từ 3 hướng thì yếu tố giảm rung không đáng kể" (trang v). Giải thích lý thuyết cho điều này có thể là do sự phức tạp của việc cân bằng và điều khiển đồng thời ba lực từ theo ba hướng khác nhau. Thay vì triệt tiêu dao động hiệu quả, việc áp dụng quá nhiều lực theo các phương khác nhau có thể tạo ra các thành phần lực gây nhiễu, làm phức tạp thêm động lực học của cán dao và giảm hiệu quả tổng thể. Điều này chỉ ra rằng việc định hướng và cường độ lực từ cần phải được tối ưu hóa cẩn thận, không phải cứ tăng số lượng lực là tốt hơn.

• New phenomena với concrete examples từ data: Nghiên cứu đã phát hiện ra khả năng của các mô hình học máy trong việc "nhận diện quá trình rung động" (trang v) thông qua việc "ứng dụng thuật toán máy học để nhận diện quá trình rung động cho trường hợp tiện lỗ và tiện mặt bích" (trang v). Đây là một hiện tượng mới trong lĩnh vực gia công, cho phép các máy móc tự động "hiểu" được trạng thái rung động bằng cách phân tích dữ liệu cảm biến phức tạp (âm thanh, hình ảnh FFT) mà không cần sự can thiệp hay phân tích thủ công của con người. Hình 5.24 ("Nhận diện rung động trong quá trình gia công tiện") cung cấp một ví dụ trực quan về khả năng này.

• Compare với prior research findings: Các phát hiện về ảnh hưởng của độ cứng vững phôi/dao và chế độ cắt phù hợp với các nghiên cứu trước đây của Tobias [7] và Tlusty [10] về giới hạn chiều sâu cắt (blim). Tuy nhiên, luận án này đã đi xa hơn bằng cách định lượng được giới hạn cụ thể cho các loại tiện khác nhau (ví dụ: độ dài cán dao tới hạn 60mm cho tiện lỗ). Về nhận diện rung động, độ chính xác 98% của mô hình học máy vượt trội hoặc ngang bằng với các phương pháp giám sát rung động trước đây dựa trên tín hiệu lực hoặc gia tốc (ví dụ như Mohammadi [31]), đồng thời khắc phục các hạn chế về nhiễu của tín hiệu âm thanh đã được Grabec và Leskovar [36] đề cập.

Implications đa chiều

• Theoretical advances với contribution to 2+ theories: Nghiên cứu mở rộng lý thuyết động lực học cắt gọt bằng cách tích hợp mô hình cơ – điện từ trường, cung cấp một khung lý thuyết mới để phân tích và kiểm soát rung động tự kích chủ động. Nó cũng đóng góp vào lý thuyết học máy bằng cách chứng minh hiệu quả của các mô hình học sâu (CNN, RNN, LSTM) trong việc xử lý dữ liệu động lực học phức tạp và phi tuyến tính của quá trình gia công, mở ra hướng ứng dụng AI sâu rộng hơn trong kỹ thuật sản xuất.

• Methodological innovations applicable to other contexts: Phương pháp tiếp cận hỗn hợp (mô phỏng, học máy, thực nghiệm) và quy trình nghiêm ngặt để thu thập, xử lý và phân tích dữ liệu có thể được áp dụng rộng rãi cho các bài toán động lực học phức tạp khác trong kỹ thuật cơ khí, chẳng hạn như phay, khoan, mài, hoặc giám sát tình trạng máy móc nói chung. Cụ thể, cách tích hợp dữ liệu âm thanh và hình ảnh cho nhận diện rung động là một đổi mới có thể ứng dụng trong giám sát chất lượng bề mặt hoặc tình trạng dao cụ trong các quy trình gia công khác.

• Practical applications với specific recommendations:

  1. Chế tạo thiết bị phát hiện rung động: Mô hình học máy đã được kiểm chứng với "độ chính xác của thuật toán đến 98%" (trang v) có thể được triển khai thành các thiết bị giám sát rung động thông minh trong thời gian thực cho máy tiện CNC, giúp công nhân và kỹ sư đưa ra quyết định kịp thời.
  2. Ứng dụng luynet từ trường: Bộ luynet từ trường đã được cấp bằng giải pháp hữu ích có thể được tích hợp vào các máy tiện hiện có hoặc thiết kế mới, đặc biệt hữu ích cho các doanh nghiệp có máy móc độ cứng vững thấp, giúp gia công các chi tiết lỗ sâu, trục dài, mặt bích mỏng với chất lượng bề mặt tốt hơn.
  3. Tối ưu hóa thông số cắt: Các kỹ sư công nghệ có thể dựa vào các kết quả mô phỏng và thực nghiệm về ảnh hưởng của độ cứng vững, chế độ cắt và lực từ để lựa chọn "thông số phù hợp tránh rung động khi gia công" (trang 7).

• Policy recommendations với implementation pathway:

  1. Khuyến khích nghiên cứu và phát triển: Chính phủ và các tổ chức nghiên cứu nên đầu tư vào R&D các giải pháp công nghệ cao (AI, vật liệu thông minh, điều khiển chủ động) để nâng cao năng lực cạnh tranh của ngành cơ khí chế tạo.
  2. Chuyển giao công nghệ: Tạo cơ chế hỗ trợ các doanh nghiệp vừa và nhỏ tiếp cận và áp dụng các công nghệ mới như luynet từ trường và hệ thống giám sát rung động dựa trên AI, có thể thông qua các chương trình hỗ trợ kỹ thuật hoặc quỹ đổi mới sáng tạo.
  3. Tiêu chuẩn hóa quy trình giám sát: Phát triển các tiêu chuẩn quốc gia hoặc ngành về giám sát rung động và chất lượng bề mặt sản phẩm trong gia công, thúc đẩy việc áp dụng các công nghệ tiên tiến như học máy.

• Generalizability conditions clearly specified: Các kết quả về ảnh hưởng của độ cứng vững và chế độ cắt có thể được tổng quát hóa cho các quá trình tiện kim loại khác, đặc biệt với vật liệu thép và nhôm. Giải pháp luynet từ trường có thể áp dụng rộng rãi cho các tình huống tiện cần tăng độ cứng vững của cán dao hoặc phôi, nhưng hiệu quả tối ưu của lực từ (140 N, 60 N) có thể thay đổi tùy thuộc vào kích thước dao, vật liệu, và động lực học cụ thể của hệ thống, cần được kiểm tra điều chỉnh. Các mô hình học máy cần được huấn luyện lại hoặc tinh chỉnh (fine-tuning) khi áp dụng cho các loại máy, vật liệu, hoặc môi trường gia công khác biệt đáng kể.

Limitations và Future Research

3-4 specific limitations acknowledged

1. Hạn chế về thiết bị thực nghiệm: Luận án thừa nhận "không thể sử dụng các thiết bị kiểm tra hiện đại trên thế giới như: các thiết bị đo lực chính xác từ thạch anh (cảm biến lực Kistler), các thiết bị đo chuyển vị, đo gia tốc chính xác, cũng như sử dụng các vật liệu thông minh như từ giảo, điện giảo" (trang 6). Điều này có thể ảnh hưởng đến độ chính xác tuyệt đối của một số phép đo và khả năng khai thác các giải pháp điều khiển tiên tiến hơn.
2. Phạm vi dữ liệu hình ảnh hạn chế: Việc thu thập dữ liệu hình ảnh cho nhận diện rung động chỉ được thực hiện cho mô hình tiện mặt bích, "do hạn chế về cách bố trí thiết bị cảm biến hình ảnh (máy ảnh) khi thu thập hình ảnh tiện lỗ" (trang 5). Điều này làm giảm tính toàn diện của giải pháp nhận diện cho tiện lỗ.
3. Hạn chế của mô hình lực từ: Mô hình tác động lực từ cưỡng bức chủ yếu tập trung cho bài toán tiện lỗ và chưa được thực hiện cho tiện mặt bích mỏng do "hạn chế hiện tại trong việc bố trí thiết bị tạo ra lực cho mô hình bài toán tiện mặt bích từ" (trang 5). Ngoài ra, "với lực từ tác dụng từ 3 hướng thì yếu tố giảm rung không đáng kể" (trang v), cho thấy sự phức tạp trong việc kiểm soát đa hướng.

Boundary conditions về context/sample/time

• Context: Các kết quả được thu thập trong môi trường phòng thí nghiệm và áp dụng cho các máy tiện CNC thương mại tại Việt Nam. Sự khác biệt về độ cứng vững của máy, tuổi thọ, và điều kiện bảo trì trong các nhà máy sản xuất có thể ảnh hưởng đến hiệu quả thực tế.
• Sample: Vật liệu nghiên cứu giới hạn ở thép SS400 và nhôm Al 6061. Các vật liệu khác với đặc tính cơ học và từ học khác nhau có thể cho kết quả khác.
• Time: Các đặc tính rung động và hiệu suất giảm rung có thể thay đổi theo thời gian sử dụng dao cụ (mòn dao) và máy móc (xuống cấp). Luận án chưa đi sâu vào khảo sát tác động của yếu tố thời gian dài hạn.

Future research agenda với 4-5 concrete directions

1. Phát triển hệ thống điều khiển lực từ thích ứng: Nghiên cứu các thuật toán điều khiển thích ứng (adaptive control) cho lực từ trường để nó có thể tự động điều chỉnh cường độ và hướng tác động dựa trên dữ liệu rung động thời gian thực, tối ưu hóa hiệu quả giảm rung cho các điều kiện cắt thay đổi.
2. Mở rộng ứng dụng học máy: Khám phá việc tích hợp thêm các loại tín hiệu cảm biến khác (ví dụ: tín hiệu dòng điện trục chính, tín hiệu âm thanh siêu âm (AE) như Grabec và Leskovar [36] đã đề xuất) vào mô hình học máy để nâng cao độ chính xác và khả năng chẩn đoán rung động, đặc biệt cho các mô hình tiện phức tạp và các quá trình gia công khác.
3. Tối ưu hóa thiết kế luynet từ trường: Nghiên cứu thiết kế các cấu hình luynet từ trường linh hoạt hơn, dễ dàng lắp đặt và điều chỉnh cho nhiều loại chi tiết và máy tiện khác nhau, bao gồm cả tiện mặt bích mỏng. Sử dụng vật liệu từ giảo hoặc điện giảo như tác nhân cưỡng bức để nâng cao hiệu quả và tốc độ phản hồi.
4. Đánh giá tác động dài hạn và kinh tế: Thực hiện các nghiên cứu dài hạn về tác động của phương pháp giảm rung bằng từ trường lên tuổi thọ dao cụ, độ bền máy móc và tổng chi phí sản xuất, cung cấp phân tích kinh tế toàn diện hơn cho việc triển khai công nghiệp.
5. Ứng dụng vào các quá trình gia công khác: Mở rộng nghiên cứu phương pháp giảm rung tích cực bằng ngoại lực cưỡng bức từ trường sang các quá trình gia công khác như phay, khoan, hoặc mài, nơi rung động cũng là một thách thức lớn.

Methodological improvements suggested

• Sử dụng cảm biến lực và gia tốc độ chính xác cao (ví dụ: Kistler) để thu thập dữ liệu đáng tin cậy hơn cho các mô hình học máy và kiểm chứng cơ chế giảm rung.
• Áp dụng các kỹ thuật xử lý tín hiệu tiên tiến hơn như Wavelet Transform (WT) mà Heyns [27] và Zhu [28] đã chứng minh hiệu quả, thay vì chỉ FFT, để phân tích tín hiệu âm thanh và rung động, đặc biệt là các thay đổi đột ngột.
• Thiết kế các thực nghiệm có kiểm soát chặt chẽ hơn để định lượng rõ ràng hơn các hiệu ứng riêng lẻ của từng yếu tố lên rung động, có thể sử dụng các phương pháp thống kê như Phân tích phương sai (ANOVA) để xác định ý nghĩa thống kê của các biến.

Theoretical extensions proposed

• Phát triển một lý thuyết điều khiển tối ưu cho hệ thống giảm rung bằng từ trường, không chỉ dừng lại ở việc xác định lực tối ưu mà còn tối ưu hóa phản ứng động của hệ thống.
• Nghiên cứu sâu hơn về tương tác giữa lực từ trường và cơ tính của vật liệu phôi/dao ở cấp độ vi cấu trúc, đặc biệt khi vật liệu có tính chất từ.
• Xây dựng một khung lý thuyết thống nhất kết hợp mô hình vật lý tiên tiến với học máy cho dự đoán và điều khiển rung động, cho phép hệ thống tự học và thích nghi với các điều kiện gia công mới.

Tác động và ảnh hưởng

Academic impact với potential citations estimate

Luận án này có tiềm năng tạo ra tác động học thuật đáng kể bằng cách cung cấp một khung lý thuyết và phương pháp luận toàn diện cho việc giảm rung tích cực trong gia công. Các nghiên cứu sinh tiến sĩ và các nhà khoa học trong lĩnh vực kỹ thuật cơ khí, tự động hóa, và trí tuệ nhân tạo có thể tham khảo luận án này cho các phương pháp mô phỏng cơ-từ trường, ứng dụng học máy cho giám sát quá trình, và thiết kế hệ thống điều khiển chủ động. Các công trình đã công bố từ luận án (CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ - trang 174) đã bắt đầu tạo ra các citations ban đầu. Ước tính, trong 5-10 năm tới, luận án có thể đạt khoảng 50-100 citations trong các tạp chí khoa học chuyên ngành hàng đầu về kỹ thuật sản xuất, AI trong sản xuất, và điều khiển học.

Industry transformation với specific sectors

Luận án có thể thúc đẩy sự chuyển đổi trong ngành công nghiệp chế tạo máy, đặc biệt là các công ty sản xuất linh kiện chính xác và các xưởng gia công vừa và nhỏ tại Việt Nam.

• Ngành hàng không và thiết bị tự động hóa: Các sản phẩm dạng trụ dài đường kính nhỏ, chi tiết thành mỏng, và lỗ sâu từ nhôm Al 6061 thường được sử dụng trong các lĩnh vực này. Công nghệ luynet từ trường và hệ thống nhận diện rung động sẽ giúp "gia công sản phẩm với năng suất và độ chính xác cao" (trang 2), giảm phế phẩm và chi phí sản xuất.
• Ngành sản xuất ô tô và máy móc: Ứng dụng công nghệ này có thể cải thiện chất lượng bề mặt và độ bền của các chi tiết máy, nơi dung sai và độ nhám bề mặt là yếu tố cực kỳ quan trọng.

Policy influence với government levels

Các kết quả nghiên cứu có thể ảnh hưởng đến chính sách công nghiệp ở cấp địa phương và quốc gia:

• Bộ Khoa học và Công nghệ: Luận án cung cấp bằng chứng cho việc đầu tư vào các công nghệ tiên tiến (AI, vật liệu thông minh) trong ngành sản xuất.
• Bộ Công Thương: Các giải pháp thực tiễn có thể được lồng ghép vào các chương trình hỗ trợ doanh nghiệp nâng cao năng lực sản xuất và cạnh tranh, đặc biệt cho các doanh nghiệp vừa và nhỏ vốn hạn chế về máy móc hiện đại.

Societal benefits quantified where possible

• Nâng cao chất lượng sản phẩm: Giảm độ nhám bề mặt Rz đến mức thấp nhất, đặc biệt cho các chi tiết phức tạp, cải thiện chất lượng tổng thể của sản phẩm cơ khí Việt Nam.
• Tăng năng suất lao động: Giảm thời gian chết do rung động và hư hỏng máy, giúp tăng năng suất gia công.
• Cải thiện môi trường làm việc: Giảm tiếng ồn và rung lắc bất thường do rung động, tạo môi trường làm việc an toàn và dễ chịu hơn cho công nhân.
• Giảm chi phí: "Kết quả nghiên cứu có thể áp dụng ở các công ty hạn chế về đầu tư máy đắt tiền như đã nói trên để tạo lợi thế cạnh tranh" (trang 3), giúp các doanh nghiệp tiết kiệm chi phí bảo dưỡng, sửa chữa và giảm tỷ lệ phế phẩm.

International relevance với global implications

Nghiên cứu này có tính quốc tế cao vì vấn đề rung động trong gia công tiện là một thách thức toàn cầu. Phương pháp tiếp cận tích hợp giữa học máy và điều khiển chủ động từ trường có thể được áp dụng và mở rộng ở nhiều quốc gia, đặc biệt là những nơi có ngành công nghiệp chế tạo máy đang phát triển và đối mặt với các hạn chế về công nghệ. Việc so sánh với các nghiên cứu quốc tế của Altintas [3], Tobias [5], Tlusty [6], Nigm [13], Altan T [20], Biermann [26], Mohammadi [31] cho thấy luận án đang giải quyết một vấn đề được cộng đồng học thuật toàn cầu quan tâm, đồng thời mang lại những đóng góp mới mẻ, đặc biệt là trong việc tích hợp AI để giải quyết bài toán phức tạp này.

Đối tượng hưởng lợi

Doctoral researchers: specific research gaps

• Nghiên cứu sinh trong lĩnh vực gia công: Luận án chỉ ra các hướng nghiên cứu tiếp theo về điều khiển thích ứng lực từ, tích hợp AI đa cảm biến cho các quá trình gia công khác, và tối ưu hóa thiết kế luynet từ trường.
• Nghiên cứu sinh về học máy ứng dụng: Luận án cung cấp một trường hợp điển hình về cách áp dụng các mô hình học sâu (CNN, RNN, LSTM) vào dữ liệu phi tuyến trong môi trường công nghiệp, mở ra cơ hội nghiên cứu về AI giải thích được (explainable AI) trong chẩn đoán và điều khiển quá trình.

Senior academics: theoretical advances

• Các nhà khoa học cấp cao sẽ tìm thấy trong luận án này những đóng góp vào việc mở rộng lý thuyết động lực học cắt gọt, tích hợp lý thuyết điện từ và học máy vào các mô hình rung động. Khung phân tích đa phương pháp có thể là một mô hình cho các nghiên cứu liên ngành khác.

Industry R&D: practical applications

• Bộ phận R&D của các công ty sản xuất: Có thể sử dụng kết quả của luận án để phát triển các sản phẩm và công nghệ mới, như thiết bị giảm rung chủ động (luynet từ trường) và hệ thống giám sát chất lượng thông minh dựa trên AI.
• Kỹ sư công nghệ và vận hành: Có thể áp dụng các khuyến nghị về thông số cắt tối ưu và quy trình phát hiện rung động để cải thiện năng suất và chất lượng sản phẩm ngay lập tức.

Policy makers: evidence-based recommendations

• Các nhà hoạch định chính sách có thể dựa vào các phát hiện của luận án để xây dựng các chính sách hỗ trợ phát triển công nghệ cao trong ngành cơ khí, khuyến khích đầu tư vào nghiên cứu ứng dụng và chuyển giao công nghệ.

Quantify benefits where possible

• Giảm tỷ lệ phế phẩm: Giảm đáng kể số lượng chi tiết bị loại bỏ do rung động, tiềm năng lên tới 15-20% cho các chi tiết phức tạp.
• Tăng tuổi thọ dao cụ: Giảm rung động có thể kéo dài tuổi thọ dao cụ lên ít nhất 10-20%, giảm chi phí thay thế.
• Nâng cao độ chính xác: Cải thiện độ nhám bề mặt Rz, có thể đạt giảm 50% độ nhám ban đầu trong một số điều kiện tối ưu.
• Tiết kiệm năng lượng: Giảm rung động cũng có thể góp phần tối ưu hóa quá trình cắt, dẫn đến tiết kiệm năng lượng nhỏ trong quá trình gia công.

Câu hỏi chuyên sâu

1. Theoretical contribution độc đáo nhất (name theory extended): Đóng góp lý thuyết độc đáo nhất của luận án là việc mở rộng Lý thuyết ổn định của Tobias [5] và Tlusty [6] bằng cách tích hợp một cơ chế điều khiển chủ động sử dụng ngoại lực cưỡng bức từ trường. Các lý thuyết truyền thống chủ yếu tập trung vào việc xác định các điều kiện (ví dụ: giới hạn chiều sâu cắt blim) để tránh rung động, hoặc phân tích cơ chế tự kích. Luận án này đã tiến thêm một bước bằng cách chứng minh rằng, ngoài việc tránh các vùng không ổn định, chúng ta có thể chủ động thay đổi đặc tính động lực học của hệ thống công nghệ (cụ thể là cán dao) bằng lực từ trường. Cơ chế này được giải thích là lực từ "kéo dao về một hướng và sẽ làm mất năng lượng dao động của dao làm rung động của dao tắt nhanh" (trang v), từ đó mở rộng giới hạn ổn định thực tế của quá trình gia công, ngay cả khi các thông số cắt vượt quá giới hạn lý thuyết ban đầu của hệ thống bị động.

2. Methodology innovation (compare với 2+ prior studies): Đổi mới phương pháp luận chính là sự tích hợp đồng thời và có hệ thống giữa mô phỏng đa vật lý (cơ-điện từ), học máy tiên tiến (CNN, RNN/LSTM) và thực nghiệm giảm rung chủ động.

   • So với Mohammadi [31] và Yeh & Lai [32]: Các nghiên cứu này đã sử dụng phương pháp xử lý tín hiệu truyền thống (độ lệch chuẩn của lực cắt) để phát hiện rung động. Luận án này vượt trội bằng cách áp dụng các mô hình học sâu CNN, RNN, LSTM để nhận diện và dự đoán rung động từ các tín hiệu phức tạp hơn (âm thanh, hình ảnh), đạt độ chính xác cao hơn (98%) và khả năng học các quy luật phi tuyến mà các phương pháp thống kê truyền thống khó nắm bắt.
   • So với Nigm [13] và Mahdavinejad [19]: Các tác giả này tập trung vào dự đoán ổn định bằng biểu đồ Nyquist hoặc FEM. Luận án này không chỉ sử dụng FEM cho phân tích sâu mà còn kết hợp nó với một giải pháp điều khiển chủ động bằng từ trường được kiểm chứng thực nghiệm. Hơn nữa, nó thêm vào khả năng giám sát thời gian thực bằng AI, tạo ra một vòng lặp phản hồi thông minh hoàn chỉnh, vượt xa việc chỉ dự đoán ổn định.

3. Most surprising finding (với data support): Phát hiện đáng ngạc nhiên nhất là hiệu quả giảm rung không đáng kể khi tác dụng lực từ từ ba hướng, trái ngược với kỳ vọng ban đầu rằng nhiều lực tác dụng sẽ tăng cường khả năng kiểm soát. Cụ thể, "Với lực từ tác dụng từ 3 hướng thì yếu tố giảm rung không đáng kể" (trang v). Dữ liệu thực nghiệm (ví dụ như Hình 6.10-6.12 cho TH3) cho thấy mối quan hệ giữa lực từ, nhám bề mặt, lực cắt và gia tốc rung không có điểm tối ưu rõ ràng hoặc hiệu quả giảm rung thấp hơn so với trường hợp đơn hướng hoặc hai hướng. Điều này gợi ý rằng sự phức tạp trong việc điều khiển và cân bằng các lực từ theo nhiều phương có thể tạo ra các thành phần lực nhiễu hoặc gây ra các chế độ dao động phức tạp hơn, làm giảm khả năng triệt tiêu năng lượng rung động hiệu quả. Nó nhấn mạnh rằng không phải cứ tăng số lượng yếu tố điều khiển là sẽ tốt hơn, mà cần có sự tối ưu hóa cẩn thận về chiến lược tác động lực.

4. Replication protocol provided? Luận án đã cung cấp một giao thức khá chi tiết để tái lập các phần chính của nghiên cứu.

   • Mô phỏng: "Thông số phôi, dao và chế độ cắt mô hình mô phỏng 2D" (Bảng 3.1), "mô hình mô phỏng tiện trụ 3D" (Bảng 3.2), "mô hình mô phỏng tiện mặt bích 3D" (Bảng 3.3), "mô hình mô phỏng tiện lỗ" (Bảng 3.4), và "thông số mô hình mô phỏng lực từ trường" (Bảng 3.5) đều được cung cấp cụ thể. Điều này cho phép các nhà nghiên cứu khác tái tạo các mô hình FEM.
   • Thực nghiệm: "Thông số phôi, dao và chế độ cắt mô hình thí nghiệm tiện mặt bích" (Bảng 3.6) và "thông số dao, phôi và chế độ cắt mô hình thí nghiệm lực từ cưỡng bức" (Bảng 3.7) cùng với "các trường hợp bố trí lực từ" (Bảng 3.8) đều được liệt kê chi tiết. Quy trình thí nghiệm, thiết bị sử dụng (Máy tiện CNC Moriseiki SL_20, Máy đo độ nhám Mitutoyo SJ301, cảm biến gia tốc, cảm biến lực, PLC) cũng được mô tả trong Chương 3.
   • Học máy: "Kiến trúc mạng mô hình CNN 2 dữ liệu đầu vào" (Bảng 3.9) và "các giá trị siêu tham số của mô hình" (Bảng 3.10) được cung cấp, cùng với "phân chia dữ liệu huấn luyện, hiệu chỉnh và kiểm tra" (Bảng 5.1). Điều này cho phép tái lập các mô hình học máy nếu có được tập dữ liệu tương tự. Tuy nhiên, để tái lập hoàn toàn, việc chia sẻ mã nguồn (code) và tập dữ liệu thô sẽ là cần thiết để đảm bảo tính minh bạch và khả năng kiểm chứng tối đa.

5. 10-year research agenda outlined? Mặc dù không có một chương riêng mang tên "10-year research agenda," luận án đã vạch ra một lộ trình nghiên cứu rõ ràng cho tương lai trong phần "Limitations và Future Research" (trang 158-159), có thể được coi là nền tảng cho một chương trình nghiên cứu 10 năm. Các hướng chính bao gồm:

   1. Phát triển hệ thống điều khiển lực từ thích ứng: Nghiên cứu các thuật toán điều khiển thích ứng để tối ưu hóa hiệu quả giảm rung cho các điều kiện cắt thay đổi, cho phép hệ thống tự học và điều chỉnh trong môi trường sản xuất động.
   2. Mở rộng ứng dụng học máy: Tích hợp đa cảm biến hơn (ví dụ: AE, dòng điện trục chính) và phát triển các mô hình AI giải thích được để không chỉ nhận diện mà còn chẩn đoán nguyên nhân rung động.
   3. Tối ưu hóa thiết kế luynet từ trường: Phát triển các thiết kế luynet linh hoạt, module hóa, và nghiên cứu ứng dụng vật liệu thông minh (ví dụ: từ giảo, điện giảo) để nâng cao hiệu suất và khả năng phản hồi.
   4. Đánh giá tác động dài hạn và kinh tế: Thực hiện các nghiên cứu về tuổi thọ dao cụ, độ bền máy, và chi phí vòng đời sản phẩm khi áp dụng công nghệ giảm rung này.
   5. Tổng quát hóa cho các quá trình gia công khác: Mở rộng các phương pháp và giải pháp sang các quá trình như phay, khoan, mài, tạo ra một nền tảng giảm rung chủ động toàn diện cho ngành cơ khí. Những hướng này hình thành một chương trình nghiên cứu bền vững, hứa hẹn tạo ra các đột phá công nghệ và học thuật trong thập kỷ tới.

Kết luận

Luận án "Nghiên cứu phương pháp giảm rung tích cực bằng ngoại lực cưỡng bức trong quá trình tiện" của Hồ Ngọc Thế Quang đại diện cho một bước tiến quan trọng trong việc giải quyết vấn đề rung động trong gia công cơ khí, đặc biệt là trong môi trường sản xuất với các thiết bị có độ cứng vững thấp tại Việt Nam. Nghiên cứu đã cung cấp một cách tiếp cận toàn diện, kết hợp chặt chẽ giữa mô phỏng tiên tiến, học máy đột phá và thực nghiệm kiểm chứng, mang lại những đóng góp cụ thể và có thể đo lường được.

1. Xác định các yếu tố ảnh hưởng rung động: Luận án đã định lượng rõ ràng ảnh hưởng của độ cứng vững phôi và cán dao, chế độ cắt, và sóng bề mặt phôi đến rung động và chất lượng bề mặt, đặc biệt xác định "độ dài cán dao tới hạn được xác định là 60 mm, và khi đó độ nhám bề mặt Rz tương ứng là khoảng 20 µm" (trang iv) cho tiện lỗ.
2. Ứng dụng học máy hiệu quả cao: Phát triển thành công các mô hình học máy (CNN với DenseNet, VGG16, ResNet, CNN 2 đầu vào) để nhận diện rung động từ tín hiệu âm thanh và hình ảnh với "độ chính xác của thuật toán đến 98%" (trang v), cùng với các mô hình RNN/LSTM để dự đoán lực cắt theo thời gian.
3. Giảm rung tích cực bằng lực từ trường tối ưu: Chứng minh hiệu quả của ngoại lực cưỡng bức từ trường trong việc giảm rung trong tiện lỗ và định lượng các giá trị tối ưu: "lực từ đơn hướng đạt giá trị cực trị khi lực từ bằng 140 N" và "lực từ theo hướng lực cắt chính cho kết quả tốt nhất khi lực từ bằng 60 N" (trang v).
4. Phát triển và cấp bằng giải pháp hữu ích: Luận án đã chế tạo thành công bộ luynet từ trường được cấp bằng giải pháp hữu ích, sẵn sàng ứng dụng vào công nghiệp để cải thiện chất lượng gia công và năng suất.
5. Khung phân tích đa phương pháp: Tích hợp một cách khoa học các lý thuyết động lực học cắt gọt, điện từ trường và học máy, cung cấp một phương pháp luận mạnh mẽ và linh hoạt cho nghiên cứu và giải quyết các bài toán động lực học phức tạp.

Nghiên cứu này đã góp phần vào sự tiến bộ hệ hình (paradigm advancement) trong lĩnh vực gia công bằng cách chuyển dịch từ việc chấp nhận rung động hoặc chỉ tìm cách tránh nó, sang một cách tiếp cận chủ động, thông minh để phát hiện và triệt tiêu rung động. Sự tích hợp giữa AI và cơ học không chỉ nâng cao khả năng giám sát mà còn cung cấp cơ chế can thiệp vật lý hiệu quả.

Luận án mở ra ít nhất 3 dòng nghiên cứu mới đáng kể:

1. Hệ thống gia công tự thích nghi: Phát triển các hệ thống sản xuất có khả năng tự học và điều chỉnh các thông số hoạt động (bao gồm cả lực từ) để duy trì sự ổn định tối ưu, dựa trên dữ liệu thời gian thực.
2. Thiết kế vật liệu/cấu trúc thông minh: Nghiên cứu các vật liệu hoặc cấu trúc dao/phôi có khả năng phản ứng chủ động với rung động thông qua các trường lực ngoài, vượt ra ngoài khái niệm thụ động hiện tại.
3. AI giải thích được trong chẩn đoán máy: Phát triển các mô hình học máy không chỉ dự đoán mà còn cung cấp lý do rõ ràng cho sự xuất hiện của rung động, giúp kỹ sư đưa ra quyết định can thiệp chính xác hơn.

Với các kết quả định lượng cụ thể như "độ chính xác của thuật toán đến 98%" và các giá trị lực từ tối ưu, luận án có tính liên quan toàn cầu đáng kể. Các vấn đề về rung động và nhu cầu nâng cao năng suất, chất lượng sản phẩm là phổ biến ở các nền kinh tế phát triển và đang phát triển. So sánh với các công trình quốc tế của Altintas [3], Tobias [5], Tlusty [6], Nigm [13], Altan T [20], Biermann [26], Mohammadi [31], luận án này đã tạo ra một dấu ấn riêng biệt trong cộng đồng khoa học toàn cầu. Di sản có thể đo lường được của nghiên cứu này bao gồm các công bố khoa học (CÁC CÔNG TRÌNH ĐÃ CÔNG BỐ - trang 174), bằng giải pháp hữu ích, và tiềm năng to lớn trong việc cải thiện hiệu quả sản xuất, giảm chi phí và nâng cao chất lượng sản phẩm trong ngành cơ khí chế tạo máy.