As the control technologies of CNC machine tools are highly developed, the intelligent machine tool is expected to be realized in the near future, which can autonomously determine the optimum cutting conditions and can change them automatically as required due to changes in the environmental conditions, etc., while the current machine tools must be given the cutting conditions in advance before they start to cut. Turning process is one of the most important processes which are widely used to produce the mechanical parts. One of the long-term concerns in the turning process is the surface roughness of the machined parts. However, the surface roughness cannot be measured while cutting at the same time as there are many factors affecting to the surface roughness of the machining parts. It is therefore required to know the surface roughness during the in-process cutting. In order to realize the intelligent machine tools, the objective of this research is to propose a practical model to predict the in-process surface roughness during the turning process by using the cutting force ratio. The proposed in-process surface roughness model is developed based on the experimentally obtained results by employing the exponential function with six factors of the cutting speed, the feed rate, the tool nose radius, the depth of cut, the cutting force ratio, and the rake angle. The multiple regression analysis is utilized to calculate the regression coefficients with the use of the least square method. The prediction interval of the in-process surface roughness model has been also presented to monitor and control the in-process predicted surface roughness at 95% confident level. It is proved by the cutting tests that the proposed and developed in-process surface roughness model can be used to predict the in-process surface roughness by utilizing the cutting force ratio with the highly acceptable prediction accuracy. เทคโนโลยีการควบคุมเครื่องจักรกลซีเอ็นซีได้ถูกพัฒนาขึ้นมาก เพื่อตระหนักถึงเครื่องจักรอัจฉริยะในอนาคตอันใกล้ ซึ่งเครื่องจักรกลอัจฉริยะสามารถกำหนดเงื่อนไขการตัดที่เหมาะสมและสามารถเปลี่ยนแปลงเงื่อนไขการตัดได้โดยอัตโนมัติ อันเนื่องมาจากสภาวะแวดล้อมของการตัดที่เปลี่ยนแปลงไป ในขณะที่เครื่องจักรกลในปัจจุบันจะต้องมีการกำหนดเงื่อนไขการตัดล่วงหน้าก่อนที่จะเริ่มต้นทำงาน กระบวนการกลึงเป็นหนึ่งในกระบวนการที่สำคัญที่ใช้กันอย่างแพร่หลายในการผลิตชิ้นส่วน โดยปัจจัยที่มีความสำคัญในกระบวนการกลึงคือความขรุขระผิวของชิ้นงาน ซึ่งความขรุขระผิวของชิ้นงานไม่สามารถวัดได้ในขณะที่การทำการตัด และในขณะเดียวกันก็มีปัจจัยหลายอย่างที่ส่งผลต่อความขรุขระผิวของชิ้นงาน ดังนั้นจึงมีความจำเป็นที่ต้องการทราบความขรุขระผิวชิ้นงานในระหว่างการตัดจริง งานวิจัยนี้จึงมีวัตถุประสงค์เพื่อเสนอสมการการพยากรณ์ความขรุขระผิวชิ้นงานขณะตัดในกระบวนการกลึงโดยการประยุกต์ใช้อัตราส่วนแรงตัด เพื่อตระหนักถึงเครื่องจักรกลอัจฉริยะ สมการจากงานวิจัยนี้ได้พัฒนามาจากผลการทดลอง โดยอยู่ในรูปแบบของฟังก์ชันเอ็กโปเนนเชียลที่ประกอบด้วยตัวแปรหกตัวแปร ได้แก่ ความเร็วตัด อัตราการป้อน รัศมีจมูกมีดตัด ความลึกในการตัด อัตราส่วนแรงตัด และมุมคายเศษ ค่าสัมประสิทธ์ในฟังก์ชันเอ็กโปเนนเชียลสามารถคำนวณได้โดยใช้สมการถดถอยพหุคูณด้วยวิธีกำลังสองน้อยที่สุด ทั้งนี้งานวิจัยยังสร้างขอบเขตการพยากรณ์ที่ระดับความเชื่อมั่น 95% ในการพยากรณ์ความขรุขระผิวของชิ้นงาน จากผลการทดลองโดยการนำสมการการพยากรณ์ความขรุขระผิวชิ้นงานไปประยุกต์ใช้ในกระบวนการตัดจริงพบว่า สมการที่สร้างขึ้นสามารถพยากรณ์ความขรุขระผิวชิ้นงานในขณะตัดได้อย่างแม่นยำ