http://202.28.34.124/dspace/handle123456789/3 The Faculty of Science / คณะวิทยาศาสตร์ 2026-08-14T20:46:46Z http://202.28.34.124/dspace/handle123456789/3385 Title: Development of the Mathematical Connection ability using 4 MAT with GeoGebra on Systems of Linear Equation with two Variables for Matthayomsuksa 3 Students; การพัฒนาความสามารถในการเชื่อมโยงทางคณิตศาสตร์โดยการจัดการเรียนรู้แบบ 4 MAT ร่วมกับการใช้สื่อ GeoGebra เรื่อง ระบบสมการเชิงเส้นสองตัวแปร ของนักเรียนชั้นมัธยมศึกษาปีที่ 3 Abstract: The objectives for this research were: 1) to determine the efficiency of learning management on the Systems of Linear Equations with two Variables for Matthayomsuksa 3 students using 4 MAT with GeoGebra to meet the 75/75 criteria; 2) to compare learning achievements and mathematical connection ability against the 75% benchmark ; and 3) to study the satisfaction for students using 4 MAT with GeoGebra. Based on cluster random sampling, the samples for this study were 26 Matthayomsuksa 3/2 students from Khuanchangwittayakarn School, during the second semester of 2024. In addition, the study used four research tools, including lesson plans, achievement tests, mathematical connection ability tests, and a student satisfaction questionnaire. The statistics for analyzing results were the average, standard deviation, and Hotelling’s T2 test. The results showed that the efficiency of learning management was 82.11/76.67, which was above the criteria of 75/75 as well as learning achievement and mathematical connection ability were significantly higher than the 75% at 0.05. Additionally, student satisfaction with the 4 MAT with GeoGebra was at the highest level.; การวิจัยครั้งนี้มีความมุ่งหมาย เพื่อ 1) เพื่อพัฒนาแผนการจัดการเรียนรู้ เรื่อง ระบบสมการเชิงเส้นสองตัวแปร ของนักเรียนชั้นมัธยมศึกษาปีที่ 3 โดยใช้วิธีการสอนแบบ 4 MAT ร่วมกับการใช้สื่อ GeoGebra ให้มีประสิทธิภาพตามเกณฑ์ 75/75 2) เพื่อเปรียบเทียบผลสัมฤทธิ์ทางการเรียนและความสามารถในการเชื่อมโยงความรู้ กับเกณฑ์ร้อยละ 75 และ 3) เพื่อศึกษาความพึงพอใจของนักเรียนต่อการจัดการเรียนรู้แบบ 4 MAT ร่วมกับการใช้สื่อ GeoGebra กลุ่มตัวอย่างที่ใช้ในการวิจัยครั้งนี้ คือ นักเรียนชั้นมัธยมศึกษาปีที่ 3/2 จำนวน 26 คน โรงเรียนเขื่อนช้างวิทยาคาร ได้มาจากการสุ่มแบบกลุ่ม เครื่องมือที่ใช้ในการวิจัย ได้แก่ 1) แผนการจัดการเรียนรู้ โดยจัดการเรียนรู้แบบ 4 MAT ร่วมกับการใช้สื่อ GeoGebra 2) แบบทดสอบวัดผลสัมฤทธิ์ทางการเรียน 3) แบบทดสอบวัดความสามารถในการเชื่อมโยงทางคณิตศาสตร์ และ 4) แบบวัดความพึงพอใจต่อการจัดการเรียนรู้ และสถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน การหาประสิทธิภาพของแผนการจัดการเรียนรู้ E1/E2 และการทดสอบสถิติ Hotelling T2 ผลการวิจัยปรากฏดังนี้ 1) ประสิทธิภาพของการจัดการเรียนรู้ เท่ากับ 82.11/76.67 ซึ่งสูงกว่าเกณฑ์ที่กำหนด 75/75  2) ผลสัมฤทธิ์ทางการเรียน และความสามารถในการเชื่อมโยงทางคณิตศาสตร์ สูงกว่าเกณฑ์ร้อยละ 75 อย่างมีนัยสำคัญทางสถิติที่ระดับ 0.05 และ 3) ความพึงพอใจของนักเรียนชั้นมัธยมศึกษาปีที่ 3 ที่มีต่อการจัดการเรียนรู้แบบ 4 MAT ร่วมกับการใช้สื่อ GeoGebra เรื่อง ระบบสมการเชิงเส้น สองตัวแปร อยู่ในระดับมากที่สุด 0012-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3386 Title: A study on bi-interior hyperideals in hypersemigroups; การศึกษาไบอินทิเรียไฮเปอร์ไอดีลในกึ่งกรุปไฮเปอร์ Abstract: In this thesis, we introduce the notion of bi-interior hyperideals in hypersemigroups and investigate some basic properties such as intersection, subbi-interior hyperideal and direct product. Moreover, we present some relations between bi-interior hyperideals and other hyperideals.; ในการวิจัยนี้ ผู้วิจัยได้นำเสนอแนวคิดของไบอินทิเรียไฮเปอร์ไอดีลบนกึ่งกรุปไฮเปอร์และศึกษาสมบัติพื้นฐานบางประการ เช่น การอินเตอร์เซกชัน สับไบอินทิเรียไฮเปอร์ไอดีล และผลคูณตรง รวมถึงนำเสนอความสัมพันธ์ระหว่างไบอินทิเรียไฮเปอร์ไอดีลกับไฮเปอร์ไอดีลชนิดอื่นๆบนไฮเปอร์กึ่งกรุป 0010-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3379 Title: Credit Risk Assessment and Credit Strategy Model Based on Gradient Descent Decision Tree Algorithm and Nonlinear Programming; การประเมินความเสี่ยงและแบบจำลองกลยุทธ์ด้านเครดิตตามอัลกอริทึมแผนผังการตัดสินใจแบบไล่ระดับและโปรแกรมแบบไม่เชิงเส้นตรง Abstract: Small and medium-sized enterprises (SMEs) play a crucial role in economic development, driving innovation, employment, and economic growth. However, due to their relatively small scale, limited capital accumulation, and lack of sufficient collateral, SMEs often face significant challenges in accessing financing. Financial institutions encounter difficulties in accurately assessing credit risk and designing optimal credit strategies when extending loans to SMEs. Traditional credit decision-making approaches typically rely on financial indicators and rule-based judgments, failing to fully leverage transaction data and supply chain relationships, thereby reducing the efficiency of credit resource allocation. This research aims to develop a credit risk assessment and credit strategy optimization model based on the Gradient Descent Decision Tree (GDDT) algorithm and nonlinear programming. By incorporating machine learning techniques, the proposed model captures non-linear and complex relationships within credit data, enhancing the accuracy of credit risk evaluation. Simultaneously, optimizing credit strategies through nonlinear programming ensures a more rational allocation of credit resources, balancing risk control with profit maximization. This study provides technical support for financial institutions, advancing intelligent credit decision-making, enhancing SMEs' financing capabilities, and contributing to sustainable economic development. For objective one, this study determines the risk evaluation index system for small and medium-sized enterprises with a history of credit risk, and select appropriate models to quantify the risks of these enterprises. The company's credit risk will be quantified by the entropy weight method and TOPSIS model, and specific calculation steps will be used. Through the mining and cleaning of original data, eleven risk assessment indicators are obtained, namely total input price and tax, total sales price and tax, total valid invoices, monthly input amount coefficient of variation, monthly sales amount coefficient of variation, number of upstream enterprises, number of downstream enterprises, total profit, operation time, percentage of valid invoices, and credit rating. This study adopts the entropy weight method based on data-driven weight calculation method to assign weights. The weights of the above eleven indicators are 0.3078, 0.1819, 0.0011, 0.0018, 0.0058, 0.1017, 0.0023, 0.0939, 0.1679, 0.1110, and 0.0248 respectively. After obtaining the weights, TOPSIS method is used to quantify the credit risk of each enterprise. Then, the research compares the results of enterprise quantified risk with the credit rating provided by the original data to facilitate verification of the rationality and accuracy of the model. The changing trends of the two variables are basically the same, and the degree of fit is very high, which shows that the credit risk calculated in this paper is very accurate and the credit strategy can be analyzed based on this data. For objective two, Based on the evaluation indicators determined in the previous research, this research improves the traditional decision tree algorithm by adding a regularization function to solve the overfitting problem of the algorithm. It establishes a credit risk assessment model with the default probability of the enterprise as the dependent variable, and then predicts the probability value of the enterprise's default. From the simulation results, the AUC value of the area under the ROC curve of Gradient Descent Decision Tree Algorithm reaches 0.99. At the same time, the AUC value of the AdaBoost algorithm is 0.97, and the AUC value of the traditional decision tree algorithm is 0.82, and The Gradient Descent Decision Tree Algorithm works well. Next, this study will use the Gradient Descent Decision Tree Algorithm to calculate the default probability of 302 companies without credit records. Finally, Using nonlinear programming model to formulate credit strategies for 302 enterprises without credit records. For objective three, Considering that the production, operation and economic benefits of enterprises may be affected by unexpected factors, such as the COVID-19 epidemic, we have comprehensively considered the credit risks of different industries and enterprise categories and their response strategies to ensure that banks can flexibly adjust credit policies in different situations and reduce potential risks. In the end, the bank's total loan amount was 100 million yuan, and the expected return was 5.4004 million yuan. Compared with normal circumstances, considering that the total loan amount of the bank's loan strategy after the policy subsidy did not change, the expected return on the loan was reduced by 1.3502 million yuan. However, this adjustment strategy can help many small and medium-sized enterprises in dire straits to overcome difficulties. It reflects the bank's great sense of responsibility and social responsibility, has produced huge social benefits, and further improved the bank's reputation and customer retention rate. From this perspective, this strategic adjustment has a positive impact.; วิสาหกิจขนาดกลางและขนาดย่อม (SMEs) มีบทบาทสำคัญในการพัฒนาเศรษฐกิจ ขับเคลื่อนการสร้างสรรค์นวัตกรรม การจ้างงาน และการเติบโตทางเศรษฐกิจ อย่างไรก็ตาม เนื่องจากวิสาหกิจขนาดกลางและขนาดย่อมมีขนาดค่อนข้างเล็ก มีการสะสมทุนจำกัด และขาดหลักประกันเพียงพอ วิสาหกิจขนาดกลางและขนาดย่อมจึงมักเผชิญกับความท้าทายที่สำคัญในการเข้าถึงแหล่งเงินทุน สถาบันการเงินประสบปัญหาในการประเมินความเสี่ยงด้านสินเชื่ออย่างแม่นยำและออกแบบกลยุทธ์ด้านสินเชื่อที่เหมาะสมที่สุดเมื่อให้สินเชื่อแก่วิสาหกิจขนาดกลางและขนาดย่อม แนวทางการตัดสินใจด้านสินเชื่อแบบดั้งเดิมมักอาศัยตัวชี้วัดทางการเงินและการตัดสินใจตามกฎเกณฑ์ ซึ่งไม่สามารถใช้ประโยชน์จากข้อมูลธุรกรรมและความสัมพันธ์ในห่วงโซ่อุปทานได้อย่างเต็มที่ จึงลดประสิทธิภาพในการจัดสรรทรัพยากรสินเชื่อลง งานวิจัยนี้มุ่งหวังที่จะพัฒนาแบบจำลองการประเมินความเสี่ยงด้านสินเชื่อและการปรับปรุงกลยุทธ์ด้านสินเชื่อโดยอิงตามอัลกอริทึมต้นไม้การตัดสินใจแบบไล่ระดับ (Gradient Descent Decision Tree หรือ GDDT) และการเขียนโปรแกรมแบบไม่เชิงเส้น โดยการนำเทคนิคการเรียนรู้ของเครื่องจักรมาใช้ แบบจำลองที่เสนอจะจับความสัมพันธ์ที่ไม่เป็นเชิงเส้นและซับซ้อนภายในข้อมูลสินเชื่อ ช่วยเพิ่มความแม่นยำในการประเมินความเสี่ยงด้านสินเชื่อ พร้อมกันนี้ การปรับปรุงกลยุทธ์ด้านสินเชื่อให้เหมาะสมผ่านการเขียนโปรแกรมแบบไม่เชิงเส้นจะช่วยให้จัดสรรทรัพยากรสินเชื่อได้อย่างมีเหตุผลมากขึ้น โดยรักษาสมดุลระหว่างการควบคุมความเสี่ยงกับการเพิ่มผลกำไรสูงสุด การศึกษานี้ให้การสนับสนุนทางเทคนิคแก่สถาบันการเงิน ส่งเสริมการตัดสินใจด้านสินเชื่ออย่างชาญฉลาด เพิ่มศักยภาพด้านการเงินของ SMEs และสนับสนุนการพัฒนาเศรษฐกิจอย่างยั่งยืน สำหรับวัตถุประสงค์ที่หนึ่ง การศึกษานี้จะกำหนดระบบดัชนีการประเมินความเสี่ยงสำหรับวิสาหกิจขนาดกลางและขนาดย่อมที่มีประวัติความเสี่ยงด้านสินเชื่อ และเลือกแบบจำลองที่เหมาะสมเพื่อวัดปริมาณความเสี่ยงของวิสาหกิจเหล่านี้ ความเสี่ยงด้านสินเชื่อของบริษัทจะถูกวัดปริมาณโดยใช้วิธีน้ำหนักเอนโทรปีและแบบจำลอง TOPSIS และจะใช้ขั้นตอนการคำนวณเฉพาะเจาะจง จากการขุดและทำความสะอาดข้อมูลเดิม จะได้รับตัวบ่งชี้การประเมินความเสี่ยง 11 ตัว ได้แก่ ราคาและภาษีปัจจัยการผลิตทั้งหมด ราคาขายและภาษีทั้งหมด ใบแจ้งหนี้ที่ถูกต้องทั้งหมด ค่าสัมประสิทธิ์ความแปรปรวนของปริมาณปัจจัยการผลิตรายเดือน ค่าสัมประสิทธิ์ความแปรปรวนของยอดขายรายเดือน จำนวนวิสาหกิจต้นน้ำ จำนวนวิสาหกิจปลายน้ำ กำไรทั้งหมด เวลาดำเนินการ เปอร์เซ็นต์ของใบแจ้งหนี้ที่ถูกต้อง และอันดับเครดิต การศึกษานี้ใช้วิธีการน้ำหนักเอนโทรปีซึ่งอิงตามวิธีการคำนวณน้ำหนักที่ขับเคลื่อนด้วยข้อมูลเพื่อกำหนดน้ำหนัก ค่าถ่วงน้ำหนักของตัวบ่งชี้ทั้ง 11 ตัวข้างต้นคือ 0.3078, 0.1819, 0.0011, 0.0018, 0.0058, 0.1017, 0.0023, 0.0939, 0.1679, 0.1110 และ 0.0248 ตามลำดับ หลังจากได้ค่าถ่วงน้ำหนักแล้ว วิธี TOPSIS จะใช้ในการวัดปริมาณความเสี่ยงด้านสินเชื่อของแต่ละองค์กร จากนั้น การวิจัยจะเปรียบเทียบผลลัพธ์ของความเสี่ยงเชิงปริมาณขององค์กรกับเรตติ้งสินเชื่อที่ได้จากข้อมูลเดิม เพื่อให้สามารถยืนยันความสมเหตุสมผลและความถูกต้องของแบบจำลองได้ง่ายขึ้น แนวโน้มการเปลี่ยนแปลงของตัวแปรทั้งสองนั้นโดยพื้นฐานแล้วเหมือนกัน และมีระดับความเหมาะสมสูงมาก ซึ่งแสดงให้เห็นว่าความเสี่ยงด้านสินเชื่อที่คำนวณได้ในเอกสารนี้มีความแม่นยำมาก และสามารถวิเคราะห์กลยุทธ์ด้านสินเชื่อได้โดยอาศัยข้อมูลนี้ สำหรับวัตถุประสงค์ที่สอง จากตัวบ่งชี้การประเมินที่กำหนดไว้ในการวิจัยก่อนหน้านี้ การวิจัยนี้ปรับปรุงอัลกอริทึมต้นไม้การตัดสินใจแบบดั้งเดิมโดยเพิ่มฟังก์ชันการปรับมาตรฐานเพื่อแก้ปัญหาการโอเวอร์ฟิตติ้งของอัลกอริทึม โดยสร้างแบบจำลองการประเมินความเสี่ยงด้านสินเชื่อโดยใช้ความน่าจะเป็นเริ่มต้นขององค์กรเป็นตัวแปรตาม จากนั้นจึงทำนายค่าความน่าจะเป็นของการผิดนัดขององค์กร จากผลการจำลอง ค่า AUC ของพื้นที่ใต้เส้นโค้ง ROC ของอัลกอริทึมต้นไม้การตัดสินใจแบบไล่ระดับความชันจะถึง 0.99 ในขณะเดียวกัน ค่า AUC ของอัลกอริทึมต้นไม้การตัดสินใจแบบไล่ระดับความชันคือ 0.97 และค่า AUC ของอัลกอริทึมต้นไม้การตัดสินใจแบบดั้งเดิมคือ 0.82 และอัลกอริทึมต้นไม้การตัดสินใจแบบไล่ระดับความชันก็ทำงานได้ดี ต่อไปนี้ การศึกษาจะใช้อัลกอริทึมต้นไม้การตัดสินใจแบบไล่ระดับความชันเพื่อคำนวณความน่าจะเป็นเริ่มต้นของบริษัท 302 แห่งที่ไม่มีประวัติเครดิต สุดท้าย ใช้แบบจำลองการเขียนโปรแกรมแบบไม่เชิงเส้นเพื่อกำหนดกลยุทธ์สินเชื่อสำหรับบริษัท 302 แห่งที่ไม่มีประวัติเครดิต สำหรับวัตถุประสงค์ที่สาม เมื่อพิจารณาว่าการผลิต การดำเนินงาน และผลประโยชน์ทางเศรษฐกิจขององค์กรอาจได้รับผลกระทบจากปัจจัยที่ไม่คาดคิด เช่น การแพร่ระบาดของ COVID-19 เราได้พิจารณาความเสี่ยงด้านสินเชื่อของอุตสาหกรรมและประเภทองค์กรต่างๆ อย่างครอบคลุม รวมถึงกลยุทธ์การตอบสนองของพวกเขา เพื่อให้แน่ใจว่าธนาคารสามารถปรับนโยบายสินเชื่อได้อย่างยืดหยุ่นในสถานการณ์ต่างๆ และลดความเสี่ยงที่อาจเกิดขึ้นได้ ในท้ายที่สุด ยอดเงินกู้ทั้งหมดของธนาคารอยู่ที่ 100 ล้านหยวน และผลตอบแทนที่คาดหวังอยู่ที่ 5.4004 ล้านหยวน เมื่อเปรียบเทียบกับสถานการณ์ปกติ เมื่อพิจารณาว่ายอดเงินกู้ทั้งหมดของกลยุทธ์สินเชื่อของธนาคารหลังจากเงินอุดหนุนนโยบายไม่เปลี่ยนแปลง ผลตอบแทนที่คาดหวังจากเงินกู้ลดลง 1.3502 ล้านหยวน อย่างไรก็ตาม กลยุทธ์การปรับตัวนี้สามารถช่วยให้วิสาหกิจขนาดกลางและขนาดย่อมจำนวนมากที่อยู่ในภาวะคับขันเอาชนะความยากลำบากได้ สะท้อนให้เห็นถึงความรับผิดชอบอันยิ่งใหญ่และความรับผิดชอบต่อสังคมของธนาคาร 0019-01-01T00:00:00Z http://202.28.34.124/dspace/handle123456789/3384 Title: Wear Resistance Improvement of Cold Work Tool Steels using Low-Temperature Plasma Nitriding; การปรับปรุงความต้านทานการสึกหรอของเหล็กกล้าเครื่องมืองานเย็นโดยใช้พลาสมาไนไตรดิงอุณหภูมิต่ำ Abstract: In this research work, the nitride layer on the cold work toll steel DC53 was prepared using a plasma nitriding process to improve the mechanical and tribological properties. The process started with a 20-minute plasma cleaning process under a hydrogen-argon gas mixture, followed by plasma preheating until the temperature of the sample reached the nitriding temperature. A constant nitrogen gas flow of 1000 sccm was maintained during the process. The effects of nitriding temperature in the range of 350-450 °C, hydrogen to nitrogen ratio of 0.1-0.5 and nitriding time of 4-12 hours were investigated. The plasma was generated with an asymmetric bipolar pulsed power supply operating at 50 kHz and a duty cycle of 20 %.The microstructural characterization of the nitride layers was performed by X-ray diffraction analysis (XRD), while the microhardness of the surface was evaluated using the Vickers method. Depth-dependent hardness profiles were determined by nanoindentation techniques. In addition, detailed elemental composition analysis was performed using glow discharge optical emission spectroscopy (GD-OES), and tribological properties were evaluated by pin-on-disk tests in conjunction with 3D optical surface scans.The results showed that the plasma-nitrided DC53 samples exhibited two types of iron nitride phases: Fe2-3N and Fe4N. The iron nitride Fe2-3N phase showed diffraction peaks at 2θ positions of 38.0°, 43.9° and 56.9°, while the iron nitride Fe4N phase showed peaks at 2θ positions of 41.5°, 47.3° and 69.4°. Vickers microhardness testing at a load of 0.2 kg showed that the samples nitrided at 400°C for 4 hours with a hydrogen content of 0.2 reached the maximum hardness of 1,121.5 ± 69.2 HV. It was found that increasing both the temperature and the duration of the plasma nitriding process led to more intense nitrogen diffusion from the surface to the deeper areas of the samples, resulting in thicker nitride layers. The maximum nitrogen concentration of approx. 11 wt% was found at a depth of up to 20 micrometers after a process duration of 12 hours.Evaluation of the tribological properties showed that the overall coefficient of friction was 0.8 under all conditions, with no significant differences between the control sample. However, analysis of the wear tracks using 3D optical surface scanning showed that the samples treated with a hydrogen content of 0.2 had an average wear area reduced to 13 um2, which was significantly less than that of the non-nitrided sample (approx. 92%). This result shows that the use of suitable nitriding conditions can significantly improve the tribological performance of DC53 cold work tool steels.; การวิจัยนี้ได้ทำการสังเคราะห์ชั้นไนไตรด์บนเหล็กกล้าเครื่องมืองานเย็น DC53 ด้วยกระบวนการพลาสมาไนไตรดิงที่อุณหภูมิต่ำโดยมีวัตถุประสงค์เพื่อปรับปรุงสมบัติเชิงกลและเชิงไตรโบโลยี เริ่มจากการทำความสะอาดผิวด้วยพลาสมาผสมระหว่างไฮโดรเจนและอาร์กอนเป็นเวลา 20 นาที จากนั้นอุ่นร้อนชิ้นงานด้วยพลาสมาจนชิ้นงานมีอุณหภูมิเท่ากับอุณหภูมิในการทำพลาสมาไนไตรดิง ได้ทำการศึกษาผลของอุณหภูมิการทำพลาสมาไนไตรดิงในช่วง 350-450°C ผลของสัดส่วนแก๊สไฮโดรเจนต่อแก๊สไนโตรเจน 0.1 ถึง 0.5 และผลของเวลาการทำพลาสมาไนไตรดิงในช่วง 4 8 และ 12 ชั่วโมง โดยกำหนดอัตราการไหลของแก๊สไนโตรเจนคงที่ เท่ากับ 1000 sccm ภายใต้ความดันปฏิบัติการ 350 Pa โดยการจุดพลาสมาใช้แหล่งจ่ายไฟไบโพลาร์พัลส์แบบไม่สมมาตรที่ความถี่ 50 kHz ปรับค่า Duty cycle ที่ 20%ได้ทำการวิเคราะห์โครงสร้างจุลภาคของชั้นไนไตรด์ด้วยเทคนิคการเลี้ยวเบนรังสีเอกซ์ (XRD) พร้อมกับการตรวจสอบความแข็งเชิงผิวระดับจุลภาคด้วยวิธีวิกเกอร์ และความแข็งตามความลึกด้วยเทคนิคนาโนอินเดนเตชัน นอกจากนี้ การวิเคราะห์องค์ประกอบทางเคมีอย่างละเอียดใช้เทคนิค GD-OES (Glow Discharge Optical Emission Spectroscopy) ขณะที่คุณสมบัติทางไทรโบโลยีตรวจวัดด้วยเทคนิค Pin-on-disk ร่วมกับการวิเคราะห์พื้นผิวด้วยเครื่องสแกนเชิงแสงแบบสามมิติ ผลการวิจัยแสดงให้เห็นว่าชิ้นงาน DC53 ที่ผ่านกระบวนการพลาสมาไนไตรดิงปรากฏเฟสเหล็กในไตรด์ 2 ชนิด ได้แก่ เฟสเหล็กไนไตรด์ Fe2-3N และ Fe4N โดยเฟสเหล็กไนไตรด์ Fe2-3N กับพีคการเลี้ยวเบนที่ตำแหน่ง 2θ เท่ากับ 38.0°, 43.9° และ 56.9° ตามลำดับ ในขณะที่เฟสเหล็กไนไตรด์ Fe4N แสดงพีคที่ตำแหน่ง 2θ เท่ากับ 41.5°, 47.3° และ 69.4° การทดสอบความแข็งเชิงผิวระดับจุลภาคแบบวิกเกอร์ที่แรงกด 0.2 กิโลกรัม พบว่าชิ้นงานที่ผ่านการทำพลาสมาไนไตรดิงเป็นเวลา 4 ชั่วโมง ที่อุณหภูมิ 400°C และอัตราการไหลของแก๊สไฮโดรเจน 200 sccm มีค่าความแข็งสูงสุดที่ 1,121.5 ± 69.2 HV เมื่อเพิ่มอุณหภูมิและระยะเวลาในกระบวนการพลาสมาไนไตรดิง พบว่าอะตอมไนโตรเจนสามารถแพร่กระจายจากผิวเข้าสู่ภายในชิ้นงานมากขึ้น ส่งผลให้ชั้นไนไตรด์มีความหนาเพิ่มขึ้น โดยพบปริมาณไนโตรเจนสูงสุดประมาณร้อยละ 11 โดยมวล ที่ความลึกสูงสุด 20 ไมโครเมตร เมื่อทำพลาสมาไนไตรดิงเป็นเวลา 12 ชั่วโมงผลการทดสอบสมบัติทางไทรโบโลยีพบว่าค่าสัมประสิทธิ์ความเสียดทานของผิวไนไตรด์มีค่าประมาณ 0.8 ซึ่งมีค่าใกล้เคียงกับผิวชิ้นงานควบคุม ในขณะที่ผลการวิเคราะห์ร่องรอยการสึกหรอด้วยเครื่องสแกนพื้นผิวเชิงแสงแบบสามมิติแสดงให้เห็นว่าชิ้นงานที่ผ่านการพลาสมาไนไตรดิงด้วยสัดส่วนแก๊สไฮโดรเจน 200 sccm มีพื้นที่การสึกหรอเฉลี่ยประมาณ 13 ตารางไมโครเมตร เมื่อเทียบกับชิ้นงานที่ไม่ผ่านการทำพลาสมาไนไตรดิงที่มีพื้นที่การสึกหรอสูงถึง 163 ตารางไมโครเมตร แสดงให้เห็นว่าการทำพลาสมาไนไตรดิงด้วยเงื่อนไขที่เหมาะสมสามารถลดอัตราการสึกหรอของชิ้นงานได้ถึงร้อยละ 92 ซึ่งช่วยให้การนำเหล็กกล้าเครื่องมืองานเย็น DC53 ไปประยุกต์ใช้งานเชิงไตรโบโลยีมีประสิทธิภาพมากขึ้น 0030-01-01T00:00:00Z