بهینه‌سازی فرآیند کشش عمیق چند مرحله‌ای با استفاده از روش طراحی آزمایش‌های تاگوچی
محل انتشار: کنفرانس ملی مهندسی مکانیک ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 814
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCMII01_486
تاریخ نمایه سازی: 22 اردیبهشت 1393
چکیده مقاله:
در این مقاله سعی شده است با بررسی متدهای قبلی، روشی جدید برای بهینه‌سازی قالب کشش عمیق با هدف کاهش تنشهای پسماند و در نتیجه افزایش عمر محصول و همچنین کاهش هزینه‌های تولیدی ارایه گردد که پاسخگوی نیازمندی‌هایی مانند عملیاتی بودن روش و نیز دقت آن باشد. در این پژوهش، یک قالب کشش عمیق با سه مرحله کشش در نظر گرفته شده که بعد از شبیه‌سازی این مراحل، مقادیر بهینه پارامترهای موثری مانند قطر سنبه کشش در هر مرحله، نیروی ورقگیر، اصطکاک ،شعاع لبه‌های سنبه و ماتریس و ... تعیین می‌شود. بعد از ایجاد شرایط مطلوب برای قالب سه مرحله‌ای، از نتایج بدست آمده جهت حذف مرحله سوم(قالب سوم) با هدف کاهش تنش و قیدهای رسیدن به شعاع گوشه با اندازه کوچک برای قطعه پایانی(در حدود 2 میلی‌متر) و داشتن ضخامت یکنواخت (در حد مطلوب) برای قطعه پایانی به کمک جدول طراحی آزمایش تاگوچی استفاده کرد. نتیجه طراحی آزمایش تاگوچی را در جدولی دیگر قرار داده و این بار قیدهای مسئله را بر روی پیشنهاد روش تاگوچی اجرا می‌کنیم. در نهایت قطعه پایانی با یک مرحله کشش کمتر،کاهش حداکثر تنش، انتخاب شرایطی برای کمترین مقدار حداقل تنش به همراه یکنواختی درکاهش ضخامت می‌باشد
کلیدواژه ها:
کشش عمیق ، قالب سه مرحله ، بهینه‌سازی ، طراحی آزمایش‌های تاگوچی ، حداکثر تنش ، حداقل تنش ، یکنواختی در کاهش ضخامت
نویسندگان
علی جباری
استادیار، گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه اراک، اراک ۸۸۴۹-۸-۳۸۱۵۶ ایران
محمد بساکی
دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه اراک، اراک، ایران،
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :