Acoustic Emission Monitoring: ดักฟังคลื่นเงียบจากวัสดุเพื่อพยากรณ์ความเสียหายก่อนเกิด

เมื่อวัสดุเครื่องจักรเริ่มแตกร้าว ก่อนที่ตาเราจะเห็น หรือก่อนที่เซ็นเซอร์สั่นสะเทือนจะตรวจจับได้ วัสดุนั้นกำลัง “เคยชิน” คลื่นความเค้น (stress wave) ความถี่สูงออกมาเบาๆ เทคนิคที่ดักฟังคลื่นเงียบนี้คือ Acoustic Emission (AE) Monitoring — หนึ่งในเทคโนโลยี Non-Destructive Testing (NDT) ที่ทรงพลังที่สุดของวงการ Predictive Maintenance

Acoustic Emission คืออะไร?

Acoustic Emission (AE) คือปรากฏการณ์ที่วัสดุปล่อยคลื่นยืดหยุ่นชั่วขณะ (transient elastic wave) ออกมาเมื่อเกิดการเปลี่ยนแปลงโครงสร้างภายใน เช่น การเกิดรอยร้าว (crack initiation/propagation) การหลุดร่อง (delamination) การเสียรูปแบบพลาสติก (plastic deformation) หรือการรั่วของก๊าซ/ของเหลว คลื่นเหล่านี้มีความถี่อยู่ในย่าน 100 kHz ถึง 1 MHz (สูงกว่าเสียงที่หูมนุษย์ได้ยิน) และถูกตรวจจับด้วย เซ็นเซอร์เพียโซอิเล็กทริก (piezoelectric sensor) ที่แปลงคลื่นแรงดันเป็นสัญญาณไฟฟ้า

สิ่งที่ทำให้ AE แตกต่างจากเทคนิค NDT อื่นอย่าง Ultrasonic Testing คือการที่ AE เป็นระบบ “Passive” — ไม่ปล่อยพลังงานเข้าไปกระตุ้น แต่ ดักฟัง สิ่งที่วัสดุปล่อยออกมาเอง นั่นหมายความว่า AE บอกได้ว่ารอยร้าวนั้น “กำลังเติบโตอยู่จริง” หรือไม่ ซึ่งเป็นข้อมูลสำคัญที่ตรวจการณ์แบบ snapshot มอบไม่ได้

พารามิเตอร์สำคัญที่วิศวกรต้องอ่านออก

สัญญาณ AE แต่ละ “Hit” จะถูกสกัดเป็นพารามิเตอร์หลายตัวที่สะท้อนลักษณะของแหล่งกำเนิด:

ลักษณะสัญญาณยังแบ่งได้เป็นสองตระกูล คือ Burst-type (สัญนิยมของการแตกร้าว ผิวหลุด แบบ pulse สั้น) และ Continuous-type (สัญญาณต่อเนื่องจากการรั่วของก๊าซ/ของเหลว หรือแรงเสียดทาน) — การแยกแยะทั้งสองชนิดคือหัวใจของการวิเคราะห์

การระบุตำแหน่งแหล่งกำเนิด (Source Location)

จุดเด่นของ AE คือสามารถ ระบุตำแหน่ง (locate) ของรอยร้าวได้จากการติดเซ็นเซอร์หลายตัวบนโครงสร้าง หลักการคือวัดผลต่างเวลามาถึง (time-of-arrival difference, Δt) ของสัญญาณที่แต่ละเซ็นเซอร์รับ แล้วคำนวณย้อนกลับด้วยความเร็วคลื่นในวัสดุ (เช่น เหล็ก ≈ 3,000–5,000 m/s) เทคนิคนี้เรียกว่า Linear / Planar / 3D Source Location ทำให้เราทราบว่ารอยร้าวอยู่ “ที่ไหน” ไม่ใช่แค่ “มีหรือไม่มี”

AE เทียบกับ Vibration Analysis — อันไหนเหมาะกับอะไร?

ประเด็นสำคัญ: AE กับ Vibration ไม่ใช่คู่แข่ง แต่เป็น เทคนิคเสริมกัน AE มองเห็นบกพร่องระดับวัสดุก่อน ส่วน Vibration ยืนยันและติดตามความรุนแรงทางกล — หลายโรงงานใช้คู่กันเพื่อครอบคลุมทั้ง “ต้นน้ำ” และ “ปลายน้ำ” ของการเสื่อมสภาพ

แอปพลิเคชันอุตสาหกรรมที่ใช้ AE จริงจัง

• ถังแรงดันและถังเก็บ (Pressure Vessel / Storage Tank): ทดสอบตามมาตรฐาน ASME BPVC Section V Article 12 และ ASTM E569 — ติดเซ็นเซอร์รอบถังระหว่าง pressurization เพื่อดักรอยร้าวที่กำลังขยาย
• การตรวจสอบ Partial Discharge ในหม้อแปลง: คลื่น AE ย่าน 40–300 kHz ที่แผ่ออกจากการคายประจุในฉนวน เป็นวิธีหลักวิธีหนึ่งในการตรวจสอบสุขภาพหม้อแปลงกำลัง
• ตรวจจับการรั่วของก๊าซ/ของเหลว: ก๊าซที่รั่วผ่านรอยรั่วเล็กจะสร้างสัญญาณ AE ต่อเนื่อง ใช้ในโรงงานปิโตรเคมีและระบบท่อ
• วัสดุคอมโพสิต: ตรวจจับการหลุดร่อง (delamination) ในถังเก็บความดันคอมโพสิตและโครงสร้างการบิน
• ตลับลูกปืนและเฟืองระยะเริ่มต้น: AE ตรวจจับความผิดปกติได้ก่อน Vibration หลายสัปดาห์ โดยเฉพาะในสภาวะความเร็วต่ำที่ Vibration อ่านยาก

ปรากฏการณ์ Kaiser และ Felicity Ratio

ความทรงจำภาระ (load memory) เป็นอีกหนึ่งจุดเด่นของ AE ตาม Kaiser Effect วัสดุที่เคยรับภาระมาแล้วจะไม่ปล่อย AE อีกเมื่อโหลดใหม่ไม่เกินค่าเดิม แต่ถ้าโหลดยังไม่ถึงค่าเดิมก็มี AE แสดงว่ามีความเสียหายสะสม เรียกว่า Felicity Effect อัตราส่วน Felicity Ratio = โหลดที่เริ่มมี AE ÷ โหลดสูงสุดครั้งก่อน ค่าต่ำกว่า 1 บ่งชี้ความเสียหายรุนแรง — เป็นตัวชี้วัดสำคัญในการประเมินความสมบูรณ์ของถังคอมโพสิตและโครงสร้าง

บูรณาการเข้ากับ IIoT และระบบ Predictive Maintenance

ในอดีต AE มักเป็นการทดสอบ periodic (ทำทุก 1–5 ปีตามรอบ inspection) แต่ปัจจุบันเซ็นเซอร์ AE แบบติดถาวรเข้าถึงได้ง่ายขึ้น ทำให้เกิด Continuous Online AE Monitoring เซ็นเซอร์ส่งข้อมูลผ่านเกตเวย์ IIoT เข้าแพลตฟอร์มคลาวด์ ใช้ Machine Learning จำแนกรูปแบบสัญญาณ (รอยร้าว vs สัญญาณรบกวนจากการทำงานปกติ) และแจ้งเตือนเมื่อพลังงานหรือจำนวน Hit เพิ่มผิดปกติ

ทีมงาน Honey Corporation มีประสบการณ์ออกแบบและติดตั้งระบบ Condition Monitoring แบบครบวงจบในโรงงานอุตสาหกรรม โดยผสานเทคโนโลยี AE เข้ากับเซ็นเซอร์ Vibration และ Thermal Imaging ผ่านแพลตฟอร์ม IIoT ที่แสดงสถานะสินทรัพย์แบบเรียลไทม์ — คล้ายกับแนวทางที่เราใช้ในงานติดตั้งระบบ IoT Monitoring สำหรับตู้แช่ Freezer และอุปกรณ์วิกฤต เพื่อให้ทีมบำรุงรักษาเห็นสัญญาณเตือนภัยก่อนเกิด Breakdown

Key Takeaways

1. AE คือเทคนิค Passive NDT ที่ “ดักฟัง” คลื่นความเค้นความถี่สูง (100 kHz–1 MHz) จากการเปลี่ยนแปลงโครงสร้างวัสดุ — ตรวจจับบกพร่องได้ตั้งแต่ระยะแรกเริ่ม
2. พารามิเตอร์หลัก ได้แก่ Amplitude, Energy, Counts, Duration — แต่ละตัวสะท้อนลักษณะของแหล่งกำเนิดและความรุนแรง
3. Source Location ผ่าน time-of-arrival difference ช่วยระบุ ตำแหน่ง รอยร้าวบนโครงสร้างขนาดใหญ่จากเซ็นเซอร์ไม่กี่ตัว
4. มาตรฐานหลัก ได้แก่ ASME BPVC Section V Article 12, ASTM E569, ISO 12716 — เป็นกรอบการทดสอบที่ยอมรับในวงการ
5. Kaiser Effect / Felicity Ratio คือกลไก “ความทรงจำภาระ” ที่บอกประวัติความเครียดของวัสดุโดยไม่ต้องมีข้อมูลอดีต
6. AE กับ Vibration เสริมกัน — AE เห็นบกพร่องระดับวัสดุก่อน, Vibration ยืนยันและติดตามทางกล
7. Continuous Online AE + Machine Learning ผ่าน IIoT คือทิศทางที่เปลี่ยนจาก “ตรวจเป็นครั้งคราว” เป็น “เฝ้าระวังตลอดเวลา”