Derin çekme işleminde ürün kalitesinin tahmini ve kontrolü

Abstract

Bu çalışmada, derin çekme işlemlerinde işlem değişkenlerinin ürün kalitesi üzerindeki etkilerinin araştırılması amaçlanmaktadır. Bu amaçla seçilen Al 5764 sac levha malzemesi silindirik kap şeklinde biçimlendirilmiştir. İşlem değişkenleri kalıp kavisi, yağlayıcı, zımba hızı ve baskı plakası kuvveti olarak seçilmiştir. Her işlem değişkeni üç seviyeden oluşmaktadır. Deneysel çalışmada Taguchi L27(213) ortogonal dizini esas alınarak deney seti hazırlanmıştır. Deneyler üçer seviyeli dört değişkenin faklı kombinezonları oluşturularak yapılmıştır. İşlem değişkenlerine göre imalatı gerçekleştirilen kaplar derin çekme işleminde iki temel kusur olan buruşma ve yırtılama esas alınarak test edilmiştir. Deney verileri S/N oranları, ortalama değerler ve ANOVA (varyans analizi) kullanılarak analiz edilmiştir. İşlem değişkenlerinin ürün kalitesi üzerindeki yüzde etkileri ve birbiriyle olan etkileşimleri incelenmiştir. Ürün kalitesi üzerinde en fazla etkiye baskı plakası kuvvetinin sahip olduğu belirlenmiştir. Diğer işlem değişkelerinin de ürün kalitesini doğrudan etkilediği belirlenmiştir. Ayrıca bir işlem değişkeninin ürün kalitesine olan etkisinin diğer işlem değişkenlerinin seviyelerine bağlı olduğu ve ürün kalitesini arttırmak için işlem değişkenlerini bir bütün içerisinde değerlendirmek gerekmektedir. Parçadaki buruşma ve yırtılma miktarının tahmini için Yapay Sinir Ağları (YSA) kullanılmıştır. Bunun için iki farklı ağ modeli geliştirilmiştir. Deneysel çalışmalardan elde edilen verilerden yararlanılarak, oluşturulan YSA modellerinin eğitimi ve testi gerçekleştirilmiştir. Ağ modelinin test sonuçlarında buruşma için %91, yırtılma için %95'lik başarı yakalanmıştır. YSA modeli ile derin çekme işleminde kullanılacak olan işlem parametrelerine göre ürün kalitesi tahmini yapılabileceği ortaya konmuştur. SEY kullanılarak analizler yapılmıştır. Analiz sonuçlarıyla, deney sonuçları karşılaştırılarak modelin doğrulaması yapılmıştır. Böylece ileriki çalışmalarda YSA modelinin genişletilmesi amaçlanmıştır. Yapılan çalışmanın, derin çekme işleminin kontrolü üzerine bundan sonra yapılacak çalışmalara temel oluşturacağı beklenmektedir. Ayrıca, esnek imalat için sac şekillendirme tezgâhlarının tasarım ve üretiminde katkı sağlayacağı ümit edilmektedir.

This study aims to investigate the effects of process variables of deep drawing process on the product quality. For this purpose, a cylindrical cup was formed using Al 5764 sheet. Process variables were selected as the die radius, lubricant, punch speed and blank holder force. Each process variable has three levels. Experimental setup was prepared based on Taguchi L27(213) orthogonal series. Experiments were done with different combinations of four variables having three levels. Cups, being produced according to the process variables, are tested for wearing and tearing which are two main faults in deep drawing process. Experimental data was analyzed using S/N ratios, average value, and ANOVA. The percentage of the effects of process variables on the product quality and their interactions were investigated. It was determined that the blank holder force has the most effect on the product quality. Other process variables were also observed to affect the product quality directly. It was determined that the effect of a process variable on the product quality depends on the levels of the other process variables. Artificial Neural Networks (ANN) were used to estimate the amount of wearing and shearing on the part. Two different network model were developed for this purpose. ANN models were trained and tested using the data obtained from the experimental studies. 99% success was obtained in the training of network model, and 95% was obtained in the test results. It was determined that deep drawn product quality can be estimated using ANN model. This study is expected to serve as a base for the further studies on the control of deep drawing processes. Besides, it is hoped to contribute to the design and production of the sheet forming benches for flexible production.