• Non ci sono risultati.

CARATTERIZZAZIONE DI UN PROCESSO DI STAMPAGGIO AD INIEZIONE

PROGETTAZIONE INTEGRATA PER L’ANALISI E LA CARATTERIZZAZIONE DELLA SENSITIVITÁ DELLE

3. CARATTERIZZAZIONE DI UN PROCESSO DI STAMPAGGIO AD INIEZIONE

La presente sezione affronta l'analisi di sensitività di un processo di stampaggio ad iniezione di un provino rettangolare di plastica. L'obiettivo è la selezione dei Design Candidates che riducono al minimo la sensitività delle performance del processo, simulato attraverso il software di simulazione CAE Moldex3D di CoreTech System Co. Ltd.

Il provino rettangolare misura 60x30mm e ha uno spessore di 3mm. Il materiale è polifenilsulfone (PPSU), un polimero termoplastico ad alte prestazioni utilizzato principalmente per applicazioni nei settori automotive e biomedicale [22]. Seguendo la definizione del problema presentata in 2.2 i DVs sono: la temperatura dello stampo (MoT, ), la temperatura di fusione (MeT, ) e il tempo di impaccamento (Pat, ) che sono inseriti nel vettore ̅ .Ciascun parametro appartiene ad un range specifico, come riportato in Tabella 1.

Le FP sono rappresentate dallo Shrinkage ( ) e dalla Flatness ( ),, che costituiscono il vettore ̅ . I valori dello Shrinkage vengono forniti direttamente dalla simulazione CAE, mentre la planarità viene calcolata considerando lo spostamento di alcuni punti di misura rispetto alla loro posizione iniziale [23]. I dati necessari per costruire il modello quadratico sono ottenuti attraverso metodi di Design of Experiments, specificatamente un piano definito

Circumscribed Central Composite Design , Fig.(4). La Tab. (3) mostra i valori di performance dati dal processo di simulazione CAE. L'analisi di regressione è quindi eseguita per definire la FP per il processo di stampaggio ad iniezione.

Figura 4. Punti simulati.

Tabella 3. Risultati della simulazione

Attraverso i risultati delle simulazioni è possibile calcolare le superfici di risposta per le performance del processo a differenti temperature per lo Shrinkage (da Figura 4a a 4d) e per la Flatness (da 5a a 5d).

Figura 4(b). Shrinkage RS per MeT of 333,4 °C.

Figura 4(c). Shrinkage RS per MeT of 327,0 °C.

Figura 5(a). Flatness RS per MeT of 340,0°C.

Figura. 5(b). Flatness RS per MeT of 333,4 °C.

Figura 5(d). Flatness RS per MeT of 320,0 °C.

Il valore del coefficiente k nell’equazione (4) è assunto pari a 0,035. Con questo valore l’equazione (3) fornisce una tolleranza globale ̂ pari a 0,502. Nella tabella 4 sono indicati i valori dei Design Candidates scelti casualmente in accordo con i dati sul materiale; infine gli indici di sensitività sono riportati in tabella 5. Il Design Candidate n° 12 presenta la miglior combinazione di indici di sensitività pertanto è scelto come insieme di valori nominali per le DVs.

Tabella 5. Indici di sensitività.

4. CONCLUSIONI

Le tecniche di Robust Design sono molto efficaci per l'ottimizzazione di prodotto e processo, ma non sono ugualmente efficaci per effettuare analisi di sensitività. La teoria PSD è stata principalmente sviluppata per fornire una descrizione analitica e geometrica di sensibilità delle prestazioni per meccanismi, soprattutto nel campo della robotica, ma essa presenta la potenzialità per poter essere estesa alla caratterizzazione della sensitività delle prestazioni di un processo manifatturiero. Il lavoro presenta una specializzazione della teoria PSD per effettuare la caratterizzazione della sensibilità di processi tecnologici e, nel contempo, indagare lo spazio delle variazioni dei DVs. In particolare, le limitazioni del PSD, dovute al fatto che è necessario avere un modello analitico, sono state superate attraverso l'adozione di tecniche di regressione. La descrizione delle prestazioni in termini di variabili di processo rappresenta il criterio chiave per l'applicabilità del metodo presentato, quindi la sua efficacia dipende dalla precisione del modello di regressione stesso. Al momento è stato adottato un modello di regressione del secondo ordine, ma ulteriori studi stanno investigando l'uso di diversi modelli, al fine di considerare anche gli effetti di interazione superiori al secondo ordine. L'integrazione della metodologia in un software CAE potrebbe rivelarsi molto utile per fornire al progettista un efficace strumento ingegneristico nella progettazione integrata, soprattutto nelle fasi iniziali di progettazione. Un caso di studio semplice, basato sullo stampaggio a iniezione di un campione rettangolare in materiale polimerico, è stato infine presentato così da validare il metodo

Specializzato PSD, portando alla definizione del valore del Design Candidate che minimizza la sensibilità per il ritiro e la planarità del manufatto.

RINGRAZIAMENTI

Gli autori vogliono ricordare che il presente lavoro è stato supportato dal "Centro Interdipartimentale per la Ricerca Applicata e Servizi nel Settore della Meccanica Avanzata e della Motoristica - INTERMECH-MO.RE", grazie ai fondi europei POR FESR 2007- 2013 della Regione Emilia-Romagna.

BIBLIOGRAFIA

[1] C. F. Wu Jeff and M. Hamada, 2002. Experiments: Planning, Analysis, and Parameter Design

Optimization. Wiley.

[2] S. H. Park, 1996. Robust Design and Analysis for Quality Engineering. Chapman & Hall. [3] Boeing Commercial Airplane Group Technical Report Report #D6-55596 TN, 1992. Key

characteristics: the first step to advance quality, USA.

[4] General Motors Corporation Technical Report 1805 QN, 1996. Key characteristics Designation System: Reference Manual, Detroit, MI, USA.

[5] A.C. Thornton, 1999. “A mathematical framework for the key characteristic process”. Research in engineering design, 11(3), pp.145-157.

[6] J.Y Dantan, A. Hassan, A. Etienne, A. Siadat and P. Martin, 2008. “Information modelling for

Variation Management during the Product and Manufacturing Process Design”. International

Journal on Interactive Design and Manufacturing, 2(2), pp 107-118.

[7] D.C. Montgomery, 2005. Progettazione e analisi degli esperimenti. McGraw- Hill.

[8] J.M. Zhu and K.L. Ting, 2011. “Performance Distribution Analysis and Robust Design”. ASME Journal of Mechanical Design, 123(1), pp 11–17.

[9] D. B. Parkinson, 2000. ”The application of a Robust Design Method to Tolerancing”. ASME Journal of Mechanical Design, 122(2), pp 149–154.

[10]Chen, J. Allen, K.L. Tsui and F. Mistree, 1996. “A Procedure for Robust Design: Minimizing

Variations Caused by Noise Factors and Control Factors”. ASME Journal of Mechanical Design,

118 (4), pp 478–493.

[11]M.-S. Huang and T.-Y. Lin., 2008. “An innovative regression model-based searching method for

setting the robust injection molding parameters”. Journal of Materials Processing Technology,

198(3), pp 436-444.

[12]H. Oktem, et al., 2007.” Application of Taguchi optimization technique in determining plastic

injection molding process parameters for a thin-shell part”. Materials & Design, 28(4), pp 1271-

1278.

[13]W.-C. Chen, G.-L. Fu, P.H. Tai, and W.J. Deng, 2009. “Process parameter optimization for

MIMO plastic injection molding via soft computing”. Expert Systems with Applications, 36(2), pp

114-1122.

[14]Y.Altan, 2009. “Reducing shrinkage in injection moldings via the Taguchi, ANOVA and neural

[15]S. Datta, G. Nandi and A. Bandyopadhyay, 2009.” Application of entropy measurement technique

in grey based Taguchi method for solution of correlated multiple response optimization problems: A case study in welding”. Journal of Manufacturing Systems, 28(2), pp 55-63.

[16]K. Al-Widyan and J. Angeles, 2005.”A Model-Based Formulation of Robust Design”. ASME Journal of Mechanical Design, 127(3), pp 388–396.

[17]X. Lu and H. Li, 2009.”Stability Based Robust Eigenvalue Design for Tolerance”. ASME Journal of Mechanical Design, 131(8), 081007 (7 pp).

[18]X. Lu and H. Li, 2009.”Perturbation Theory Based Robust Design Under Model Uncertainty”. ASME Journal of Mechanical Design, 131(11), 111006 (9 pp).

[19]X. Lu and H. Li and P. Chen, 2010.” Variable Sensitivity-Based Deterministic Robust Design for

Nonlinear System”. ASME Journal of Mechanical Design, 132(6), 064502 (7 pp).

[20]M.-S Huang and T.-Y. Lin,2008.”Simulation of a regression-model and PCA based searching

method developed for setting the robust injection molding parameters of multi-quality characteristics”. International Journal of Heat and Mass Transfer, 51(25), pp. 5828–5837.

[21]S. Caro, F. Bennis and P. Wenger, 2005. “Tolerance Synthesis of Mechanisms: A Robust Design

Approach”. ASME Journal of Mechanical Design, 127(1), pp. 86–94.

[22]BASFWebsite, 2011. URL:

http://www.plasticsportal.net/wa/EU~pl_PL/Catalog/ePlastics/pi/BASF/prodline/ultrason accessed 15 Jan 2011.

[23] ISO/TS 12781-1:2003, Geometrical Product Specifications (GPS), Flatness , Part 1: Vocabulary and parameters of flatness.

DESIGN BETWEEN SCIENCE AND HUMANITIES: