مهدی بی سپار - دانشجوی کارشناسی ارشد، دانشگاه تهران ، دانشکده فنی
محسن حامدی - استادیار دانشکده فنی دانشگاه تهران

پیش بینی رفتار مذاب در هنگام تزریق و در نتیجه پیش بینی مغایرتهای ابعادی قطعه تولید شده در فرآیند تزریق پلاستیک به دلیل وجود روابط پیچیده و غیر خطی و تکثر پارامترهای موثر کار دشواری است. الزامات بازار رقابتی قطعه سازی، رسیدن به سطح خرابی سه عدد در یک میلیون را برای قطعه سازان ناگزیر می سازد و این امر در گرو بهینه سازی فرآیند تولید است. در این مقاله، ترکیبی از شبکه های عصبی مصنوعی و الگوریتم ژنتیک برای بهینه سازی مغایرتهای ابعادی قطعه کار مورد بحث قرار گرفته است. با استفاده از روش آزمایشهای عاملی پارامترها برسی و آزمایشها طراحی شد. با کاربرد روش تحلیل آماری پارتو، پارامترهای مهم مشخص شد. سپس با استفاده از نتایج آموزشهای تجربی، یک شبکه مصنوعی آموزش داده شد تا رابطه های غیر خطی فرآیند تزریق پلاستیک و تاثیر آن در پدیده انقباض و ایجاد مغایرت ابعادی را مشخص نماید. با مشخص شدن این دسته از روابط و با استفاده از الگوریتم ژنتیک پارامترهای زمان انجماد، دمای مذاب، فشار تزریق و دمای قالب بهینه سازی شدند تا مغایرتهای ابعادی قطعه به حداقل برسد.

تزریق پلاستیک, دقت ابعادی, شبکه عصبی