文献翻译通过实验设计优化微注射成型工艺.docx
- 文档编号:12148293
- 上传时间:2023-06-04
- 格式:DOCX
- 页数:13
- 大小:490.52KB
文献翻译通过实验设计优化微注射成型工艺.docx
《文献翻译通过实验设计优化微注射成型工艺.docx》由会员分享,可在线阅读,更多相关《文献翻译通过实验设计优化微注射成型工艺.docx(13页珍藏版)》请在冰点文库上搜索。
文献翻译通过实验设计优化微注射成型工艺
编号:
毕业设计(论文)外文翻译
(译文)
学院:
机电工程学院
专业:
机械设计制造及其自动化
学生姓名:
学号:
指导教师单位:
姓名:
职称:
2014年5月26日
通过实验设计优化微注射成型工艺
摘要
本文提出通过试验设计(DOE)优化微注射成型(MIM)过程。
MIM是一种相对较新的用于微部件的快速制造的技术。
由于改变工艺参数,为了满足质量和可靠性的限制,减少操作过程中变异的是非常重要。
在这项研究中,对MIM工艺的理解,它是通过DOE的六个影响表面质量的参数,流动长度和长宽比来优化的。
显著单一的工艺参数以及它们之间的相互作用是通过统计分析确定。
为2级的试验中,20:
21:
20的纵横比,分别对应聚丙烯(PP)丙烯腈-丁二烯-苯乙烯(ABS)和聚甲醛(POM)实现
关键词:
微注射成型(MIM),试验设计(DOE),全因子,部分因子,优化设计的设计
第一章引言
因为它的大批量生产能力和低元件成本,微注射成型(MIM)是一种在微型制造行业内流行的相对较新的技术。
为了使MIM以最小的成本实现最高品质的元件,理解的过程并确定不同的独立参数的影响是很重要的。
一种可以采用的调查MIM的整体操作的方法是试验设计(DOE)的设计。
在一般情况下,DOE(DoE)可用于收集从每个过程,并通过数据分析获得加工工艺的理解。
这个程序可以帮助优化过程,并最终使得质量的提高。
本文的结构如下,在MIM工艺在第2节所述,在第3节DOE的介绍,实验数据的收集之后第4节解释,结果和数据分析进行说明在第5节说明。
结果的讨论,在第6节提出,最后在第7节给出结论的文件结束。
2212-8271©2013的作者。
由ElsevierBV公司负责出版,罗伯托特提教授同行评议
DOI:
10.1016/j.procir.2013.09.052
第二章微注射成型(MIM)
微注射成型[1]是在制造世界一个相对较新的技术,因此,它需要被深入研究调查。
据Liu等人[2]进行微粉末注射成型,因为它在许多不同的领域,例如医学,光学和电信,成功的应用,使得微系统技术被广泛使用在新的21世纪,。
带有大批量生产能力和低元件成本,使得MIM技术是进行微制造中的一个关键生产工序。
MIM的组件分为以下两个类别之一:
A型:
外形尺寸小于1mm;B型:
微特征小于200。
由Sha等人[3]在美国DOE进行初步工作和MIM的数据分析,主要集中在5个不同的受三个不同的聚合物材料可达到的高宽比影响的因素(熔体和模具温度,注射速度,压力和流动状态)的分析。
本实验纵横比是一个特殊设计的微特征,其为较长尺寸与较短尺寸的的比率。
他们的研究结论是,熔体温度(TB)和注射速度(六)是受在复制所有三种聚合物材料的微观特性中可达到的长宽比的影响的关键因素。
由Griffiths等人[4]进行的MIM工具的表面质量效果主要集中于影响熔体流动和模具表面之间的流动行为,并相互作用的因素。
这些早期的调查结果都考虑到了这项研究。
图1示出了MIM型机的画面。
DOE的规划和数据分析使用的统计软件包“Minitab16”进行。
图1微型注塑机[5]
第三章设计实验(DOE)
在实验中定义和调查所有可能的条件涉及多重因素的技术被称为实验的设计。
这两种DOE类型被广泛采用是析因设计与田口方法。
根据实验Minitab的设计[6],析因设计是一种设计的实验,允许同时影响研究,一些因素可能对产生同一个影响结果。
当进行实验,不同的所有因素的水平同步,而不是一次一个,允许相互作用的因子的研究。
在全面析因实验,响应于实验因子水平的所有组合计算。
因子水平的组合代表了在响应将被测量的条件。
每个实验条件称为运行和响应测量观察。
整组运行的是“设计”。
为了最大限度地减少时间和成本,因此能够排除一些因子水平的组合。
因子设计中,一个或多个电平组合被排除被称为部分因子设计。
有用的部分因子设计的因素中筛选出来,因为它们减少运行次数以达到可管理的大小。
被执行的运行是一个选择的子集或完全析因设计的一小部分。
但Roy[7]提到,使用全因子和部分因子能源部可能会导致以下问题:
实验在成本和时间变量的数目是大的而变得笨拙;两种设计为相同的实验可能会产生不同的结果;这些设计通常不允许确定各因素的贡献;实验用的大量因素的解释可能是相当困难的。
因此,田口方法,以克服这些问题被开发了。
田口方法是定义和调查所有可能的条件中涉及到多个因素的实验技术。
田口方法首先由田口玄一博士在第二次世界大战[8,9]后提出。
他想出了三个基本概念[7]:
1、质量应该设计到产品中,而不是检查了进去。
2、质量最好通过最小化从一个目标的偏差来实现。
本产品应设计成使得它是免疫不可控的环境因素。
3、质量成本应作为衡量偏离标准的函数和损失应该是衡量整个系统的函数。
田口博士建立了一个三阶段的过程,实现产品质量的依据上述概念的增强DOE,即系统设计,参数设计和容差设计。
在第一阶段,系统设计是确定的设计因素的合适的工作水平。
它包括设计,并根据选定的材料,零件和标称产品/工艺参数的系统测试。
参数设计是一个寻找可以实现产品/过程的最佳性能的因子水平。
公差设计的最后阶段是降低其显著影响产品/工艺因素的耐受性。
构建一组特殊的阵列称为正交阵列(OAS)奠定了实验。
在OA简化了实验设计过程。
它是通过选择最合适的OA完成的,分配的因素、以适当的列并描述称为试验条件的个别实验的组合。
在这项研究中,一个部分因子DOE与Taguch的设计理念为提高质量相结合进行。
第四章实验数据收集
该实验由沙等人[10]所定义的来设计和设置。
该实验的目的是分析六个可实现的高宽比的因素影响,并找到最显著因素,以达到给予最高的长宽比的最佳的设置。
图2示出了测试微特征的一部分和腿具的有两个水平宽度(W),200或500微米,和深度(D),70(D1)或100(D2)微米的形式,其中具有相同深度的特征,D1或D2,分别组成上部分的一侧上。
图2能源部测试部分
三种不同的材料,即,半结晶聚合物,如聚丙烯(PP),聚甲醛(POM)和无定形聚合物,如丙烯腈-丁二烯-苯乙烯(ABS)是在本研究中。
调查的参数为料筒温度(TB),模具温度(Tm),注射速度(V),保压压力(PH),空气疏散(VA)的存在和微腿宽度(W)。
纵横比,即,微特征和它们的深度的长度之间的比率,D1或D2,是在实验过程中测定。
具有相同的W和D(2每部分),同时施加于表1中给出的过程设置,24次的测量的响应的平均值被用于本研究。
表12DOE二级MIM工艺参数
MIM工艺参数和DoE水平
聚合物
级别
铽(ºC)
(ºC)
(毫米/秒
W(微米)
PP
1
200
35
50
No
No
250
2
225
50
100
Yes
Yes
500
POM
1
180
35
50
No
No
250
2
200
60
100
Yes
Yes
500
ABS
1
248
60
50
No
No
250
2
258
75
100
Yes
Yes
500
第五章实验结果与数据分析
在这个实验中应用一个2级六个因素部分因子设计(26-2)。
DOE被用来确定处于活动状态的显著因素,并研究微流道的填充因子。
这个练习的目的是看DOE响应的结果以了解该过程,然后选择显著因素及其达最佳性能所必需的相应的设置。
5.1、结果
这是DOE测定实验熔体填充的长度和通道的深度之间的比率的的反应,或被记录在表2中。
和上表中所示的值是24次测量的平均值的值。
表2为2级MIM工艺参数的实验结果
运行/试验编号
MIM工艺参数
PP
POM
ABS
W
1
1
1
1
1
1
1
4
9
2
4
0.5
8
2
2
1
1
1
2
1
6
13
4
5
4
7
3
1
2
1
1
2
2
7
15
4
6
5
17
4
2
1
1
1
2
8
20
6
12
6
19
5
1
1
2
1
2
2
11
20
1
5
6
20
6
2
1
2
1
1
2
17
18
6
12
7
20
7
1
2
2
1
1
1
10
18
3
6
6
19
8
2
2
2
1
2
1
15
20
6
14
7
20
9
1
1
1
2
1
2
7
11
3
4
3.5
18
10
2
1
1
2
2
2
7
19
4
5
5
20
11
1
2
1
2
2
1
5
10
3
5
0.8
8
12
2
2
1
2
1
1
7
14
5
8
1.2
9
13
1
1
2
2
2
1
9
16
4
6
6
18
14
2
1
2
2
1
1
12
20
5
11
7.5
20
15
1
2
2
2
1
2
11
20
5
11
7
20
16
2
2
2
2
2
2
17
20
8
16
7.5
19
5.2数据分析
统计软件包“Minitab16”是用来分析从实验获得的结果。
该分析用于在D1和D2两种情况下PP的结果,如表3所示。
表3估计效果和PP-D1数据的DOE系数
术语
效果
系数
系数标准误差
T
P
3.125
1.5625
0.3125
5.00
0.038
单
因
素
0.8750
0.4375
0.3125
1.40
0.296
6.375
3.1875
0.3125
10.20
0.009
-0.3750
-0.1875
0.3125
-0.60
0.609
0.1250
0.0625
0.3125
0.20
0.86
W
2.1250
1.0625
0.3125
3.40
0.077
0.3750
0.1875
0.3125
0.60
0.609
相
互
作
用
1.8750
0.9375
0.3125
3.00
0.095
-0.3750
-0.1875
0.3125
-0.60
0.609
0.1250
0.0625
0.3125
0.20
0.860
0.1250
0.0625
0.3125
0.20
0.860
0.3750
0.1875
0.3125
0.60
0.609
-0.6250
-0.3125
0.3125
-1.00
0.423
第六章结果讨论
上述结果分别用于生产更多的证据来支让MIM工艺因素的技术支持。
使用=0.05,适用于PP-,发现值是0.038和为0.009表明,这两个单因素和是显著主要影响,即它们的p值小于0.05。
这两个单因素,其作用和其它计算值在表3中显示。
此外,上述结果表明,没有一个双向的交互是显著的。
这显然是受了“标准化效应正态图”(图3)和“帕累托图theStandardized的影响”(图4)所示。
图3对PP-的正常影响
图4用于PP-帕累托图
6.1正常效果图
请键入文字或网站地址,或者上传文档。
您是不是要找:
TheaboveresultswereutilisedtoproducemoreevidencetosupporttheclaimsforstrongfactorswhichmatterthemostfortheMIMprocess.
、
、一个正常的效果图用于比较相对大小和主、交互效应的统计显着性。
如图3,Minitab中绘制一条直线来指示该点预计将下降,如果所有的效果都接近于零。
不属于直线附近的点,通常有显著信号因素的作用。
这样较大的效果一般去进一步远离拟合直线相比不重要的影响。
默认情况下,Minitab中使用=0.05和标签效果显著。
因子C和A明确标示标签的示于图3。
这是通过在MIM工艺对PP-具有更大的权重的系数C相比,在该图中可以看到系数a。
6.2帕累托图
帕累托图的作用是用来比较相对大小和主、交互效应的统计显着性。
如图4,Minitab绘制以绝对值的因素影响递减顺序的。
图表上的参考线指示哪些因素影响显著。
当你的模型中包含的误差项,默认情况下,Minitab中使用=0.05绘制参考线。
在图3的结果确认图4中显示的结果为因子C和A是已通过参考线仅有的两个因素的影响,并且因子C比因子A具有更大的影响。
6.3主效应图
在分析中的下一个步骤是看的显著相互作用。
表3计算的双向互动效应,可以直观地显示在交互作用图,看看这些影响有多大。
交互作用图显示了两个可疑的相互作用的因素,改变一个因子的设置对另一个因子的影响。
因为交互可以放大或减小主效应,即取决于相互作用是否是正或负,评估相互作用是极其重要的。
而接近平行线表示因子之间很少或没有相互作用,相交线信号的交互。
交互量是成正比的交角,即接近90°表达了强烈的相互作用。
在图6中的交互作用图显示,即在100的高宽比在50更高。
但是,可以看出,使用在100运行和使用在50运行其响应差的差比使用在100运行和使用在50运行的纵横比差别更大。
这表明,以获得最高的长宽比应定为225,而保持在100。
图6PP-交互作用图
这项研究表明,除了在聚甲醛-,ABS-和ABS-用的双向互动,在大多数情况下,纵横比是通过单因素的影响。
对于PP-,只在PP-,和Vi的情况下。
对于POM-,,,和W和对于POM-,,,,W和X。
当ABS用于中的影响因素分别为,,W和X对于的显著因素,W和X。
在表4中以粗体显示的条目指示所选设置的显著因素。
阴影部分在表4中示出的因素之间的双向交互。
使用消除过程中的关键因素的PP被确定为机筒温度()和喷射速度(),对于聚甲醛为机筒温度(),模具温度(),喷射速度()和宽度(W)以及ABS为机筒温度()的,喷射速度()和宽度(W)与模具温度()固定在75,因此该因素保持压力(PH)和空气排出的存在(Va)能在MIM工艺被忽略。
这给出了4项试验适用于PP,16项试验的聚甲醛和8个试验的ABS全阶乘。
另外,作为本研究的结果是,最优设置,为使用不同的材料实现最高的比率方面可以被概括如下:
PP-:
在225和六100;
PP-:
为100;
POM-:
200,为60,在100和W为500;
POM-:
除了W同为;
ABS-:
TB为258,六100,W500,而
是固定在75;
ABS-:
100,W500,而为固定在75。
验证试验中进行验证为已选定的理论上和重复24次平均测得的反应,得到最好的纵横比迄今发现上述设定的最佳性能。
它们如下:
对聚丙烯和聚甲醛20的最佳纵横比和21A的BS。
第七章结论
在本文中已被提出对于理解MIM工艺和利用DOE的工艺参数的分析方法优化。
已经进行一个部分因子实验Taguch的质量概念以节省时间和精力进行判断。
在测量的响应的形式收集的数据已被成功地分析,以确定显著单因素以及双向的相互作用。
进一步,在研究中通过DOE(DoE)方法使用不同的材料所确定最佳工艺参数设置已经由运行试验验证和测量以符合MIM工艺参数的最佳设定值实现的高宽比的响应验证了理论结果。
通过这项研究的MIM获得的知识将有助于理解和优化纳米注射成型(NIM)的过程[11]。
致谢
感谢欧盟FP7FlexiTool项目支持这项工作。
文献
[1]Trotta,G.,Surace,R.,Modica,F.,Spina,R.,Fassi,I.2011聚合物组分AIP机密的微注射成型。
PROC。
2011;1315:
1273-8。
2]Liu,ZY,Loh,NH,Tor,SB,Khor,KA,Murakoshi,Y.,Maeda,R.,Shimizu,T.2002年。
微粉末注射成型。
Ĵ材料加工技术2002;127
(2)中,p。
165。
[3]Sha,B.,Dimov,S.,Griffiths,C.,Packianather,MS,2007年。
微型注塑调查:
影响因素复制质量。
Ĵ材料加工技术2007;183页。
284。
[4]Griffiths,CA,Dimov,SS,Brousseau,EB,Hoyle,RT,,2007。
工具表面质量的微注射成型的效果。
Ĵ
材料加工技术2007;189
(1):
号码。
418。
[5]Griffiths,CA,Dimov,SS,Brousseau,EB,Chouquet,C.,Gavillet,J.,Bigot,S.,2010年。
调查微注射成型。
诠释J先进制造业技术2010;47
(1):
号码。
99。
[6]Minitab的手册。
第5版。
加拿大:
柯特Hinrichs先生;2005在田口方法
[7]Roy,R.,1990。
入门。
美国:
范NOSTRAND莱因霍尔德;1990
[8]Sudhakar,PR.,,1995。
简介质量改进
通过田口方法。
质量1995年,第。
54。
[9]Taguchi,G.1996。
D.O.E.的角色对于强大的工程:
一科芒特里。
诠释J质量和1996年可靠性工程;12:
号码。
73。
[10]Sha,B.,Dimov,S.,Griffiths,C.,Packianather,MS,2007。
显微注射成型:
影响所能达到的高宽比的因素。
诠释J高级制造业│通力2007;33,第147。
[11]Zhang,N.,Cormac,J.,Byrne,CJ,Browne,DJ,Gilchrist,MD,
2012。
迈向纳米注塑成型材料今天2012;15(5),第216。
M.Packianathera*,F.Cha,C.Griffith,S.Dimo,D.T.Pha
aIMME英国卡迪夫CF243AA游行皇后大厦卡迪夫大工程学院
英国伯明翰B152TT伯明翰大学机械工程学院
*通讯作者联系电话:
+44-29-20875911;传真:
+44-29-20874695;电子邮件地址:
packianatherms@cf.ac.uk
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 文献 翻译 通过 实验设计 优化 注射 成型 工艺