Tóm t t k t qu nghiên c u công trình tr c
Mô hình máy g t c n ng
Trong công trình nghiên c u tr c nhóm nghiên c u c a khoa c khí đ i h c Bách Khoa TPHCM đã nghiên c u và ch t o thành công mô hình máy g t c n ng v i các thông s sau:
− Kích th c máy (dài x r ng x cao): 415 x 415 x 860 (mm)
− Ch c n ng máy: g t v c n ng bán t đ ng
S đ nguyên lý và nguyên lý ho t đ ng máy g t c n ng hi n t i
Hình 1.1: S đ nguyên lý-nguyên lý ho t đ ng máy g t c n ng (hình nh t công trình nghiên c u tr c)
Hình 1.2: S đ nguyên lý c t g t (hình nh t công trình nghiên c u tr c)
M t s hình nh v máy g t c n ng hi n t i
Quá trình quy ho ch th c nghi m
Trong công trình nghiên c u tr c đã đ a ra các đánh giá v các y u t đ u vào c a máy g t c n ng
− V n t c c t 200 (vòng/phút) là hi u qu nh t trong thí nghi m
− Th i gian c t nh h ng đ n ch s ch t l ng đ u ra c a s n ph m
Mô hình nghiên cứu trong công trình nghiên cứu trực tiếp đánh giá ảnh hưởng của các nhân tố đầu vào như số lượng dao, thời gian gia công và góc cắt đến hai tiêu chí chất lượng đầu ra, bao gồm độ chính xác và khối lượng còn lại của sản phẩm.
Hình 1.5: B ng giá tr các c p c a nhân t đ u vào (hình nh t công trình nghiên c u tr c)
Hình 1.6: Bi u đ k t qu nh h ng c a các nhân t đ u vào v i các ch tiêu đ u ra
(hình nh t công trình nghiên c u tr c)
M c tiêu đ tài
Các m c tiêu đ t ra trong công trình nghiên c u này:
− C i ti n, ch t o và v n hành máy g t c n ng
− Ti n hành quá trình quy ho ch th c nghi m đ t i u thông s đ u ra theo hai ch tiêu ch t l ng: đ s ch và kh i l ng còn l i c a c n ng
− Xây d ng quy trình l ng hóa các ch tiêu ch t l ng đ u ra: đ s ch và kh i l ng còn l i c a c n ng thành ph m.
Ph m vi đ tài
Ph m vi c a công trình nghiên c u đ tài “T i u hóa máy g t c n ng b ng ph ng pháp th c nghi m Taguchi”
− C i ti n thi t k máy t công trình nghiên c u tr c
− T i u hóa đ ng th i theo hai ch tiêu ch t l ng đ u ra: th i gian theo ch tiêu ch t l ng đ u ra; đ s ch và kh i l ng còn l i c a s n ph m
− Xây d ng quy trình l ng hóa ch tiêu ch t l ng kh i l ng còn l i c a c n ng thành ph m
Xây dựng quy trình lồng ghép các tiêu chí chất lượng dịch chất của các ngành thành phẩm là cần thiết Quá trình này bao gồm việc đánh giá chất lượng dịch chất thông qua các kết quả từ phòng thí nghiệm CDIO của trường Đại học Bách Khoa TPHCM.
C s thi t k , mô ph ng máy
C s thi t k máy
2.1.1.1 C s lý thuy t phân tích, thi t k theo mô đun.
Phương pháp thiết kế cài đặt máy theo mô đun là cách tiếp cận phân tích sản phẩm dựa trên cấu trúc và chức năng chi tiết Qua việc áp dụng các số liệu liên kết, xác định mối quan hệ giữa các chi tiết được thể hiện qua ma trận Bằng các thuật toán nhóm, các chi tiết được sắp xếp thành nhóm phù hợp, có tương tác mạnh mẽ trong cùng nhóm và không tương tác với các nhóm khác Mô đun là khái niệm chỉ một cấu phần hoặc chi tiết có khả năng đáp ứng nhiều chức năng khác nhau Thông qua việc kết hợp các mô đun, ta có thể tạo ra các cấu trúc phức tạp với khả năng đáp ứng chức năng cao hơn, phù hợp hơn Mô đun có thể được thiết kế và chế tạo một cách độc lập dựa trên chức năng của chúng.
Hình 2.1: phân lo i mô đun
Mô đun có th đ c phân bi t thành nhi u lo i khác nhau:
− Mô đun c b n: th c hi n các ch c n ng c b n c a h th ng (đ ng c , h p gi m t c, …)
− Mô đun ph tr : th c hi n ch c n ng ph tr nh m b sung cho các mô đun c b n
− Mô đun đ c bi t: th c hi n các ch c n ng đ c bi t có th không xu t hi n trong ch c n ng t ng th
Mô đun thích nghi là một phần quan trọng trong hệ thống, cho phép thực hiện các chức năng thích ứng với sự thay đổi của một phần hóa học trong môi trường bất ngờ, không thể đoán trước Ví dụ điển hình cho mô đun này bao gồm cầu chì, rơ le và aptomat, giúp đảm bảo sự an toàn và hiệu quả trong hoạt động của hệ thống.
Hệ thống không mô-đun được thiết kế riêng biệt, đáp ứng nhu cầu cụ thể của khách hàng mà không bị ràng buộc bởi các mô-đun có sẵn Điều này cho phép tạo ra một giải pháp linh hoạt, kết hợp cả mô-đun và hệ thống không mô-đun, nhằm tối ưu hóa hiệu suất và tính năng sử dụng.
Vòng đ i c a m t s n ph m đ c thi t k theo mô đun đ c mô t hình 2.2:
Hình 2.2: Vòng đ i c a s n ph m đ c thi t k theo mô đun
2.1.1.2 Phân tích thi t k h th ng máy g t c n ng
Theo kết quả của công trình nghiên cứu trục máy gặt cần ng, đã được thiết kế, lắp đặt và vận hành hoàn chỉnh Tuy nhiên, luồng vận chuyển không được thiết kế máy theo phương pháp mô đun chức năng mà thiết kế theo phương pháp truyền thống Luồng vận này sẽ sử dụng phương pháp mô đun để phân tích lại thiết kế máy gặt cần ng và tiến hành cải tiến máy.
2.1.1.2.1 Phân tích ch c n ng máy g t c n ng. a.Phân tích ch c n ng máy g t c n ng.
Ch c n ng c a máy g t c n ng bao g m:
− G t v c n ng nguyên li u thành c n ng thành ph m
− Chuy n hóa đi n n ng thành đ ng n ng
Hình 2.3: S đ ch c n ng c a máy g t c n ng
Hình 2.4: S đ ch c n ng con c a máy g t c n ng.
2.1.1.2.2 Phân tích thi t k h th ng cho s n ph m a.Phân tích thi t k c u hình máy g t c n ng.
Hình 2.6: S đ k t c u ch c n ng máy g t c n ng. b.Phân tích dòng ch y ch c n ng-k t c u
Hình 2.7: S đ dòng ch y ch c n ng t ng th máy g t c n ng c Các mô đun c a máy g t c n ng.
T các phân tích l i trên ta chia máy g t c n ng thành các mô đun sau:
− Mô đun 1: Mô đun truy n đ ng
C s mô ph ng máy
Trong lu n v n s đi gi i quy t bài toán mô ph ng ki m b n các chi ti t quan tr ng c a máy g t c n ng
Phương pháp phân tích hồi quy là một phương pháp sử dụng để giải quyết các bài toán mô phỏng Phương pháp này chính xác trong việc giải các bài toán được mô tả bởi các phương trình vi phân đạo hàm riêng trên miền xác định có hình dạng và điều kiện biên bất kỳ, mà nghiệm chính xác không thể tìm được bằng phương pháp giải tích Do đó, chúng tôi sẽ sử dụng nó để mô phỏng sự biến động và phạm vi hoạt động của máy gia công cần nâng cao Trong nghiên cứu này, chúng tôi sẽ sử dụng phần mềm ANSYS 2021R2 để mô phỏng tính toán điều kiện biên biến động của các chi tiết quan trọng.
ANSYS 2021R2 là phần mềm phân tích phần tử hữu hạn (FEA) được phát triển và sử dụng rộng rãi trên toàn cầu Phần mềm này cho phép liên kết với các phần mềm thiết kế mô hình 2D và 3D để phân tích ứng suất, biến dạng, nhiệt độ và các tính chất dòng chảy, đồng thời xác định độ mòn, hư hại của chi tiết ANSYS là công cụ hoàn chỉnh cho mô phỏng và tính toán thiết kế công nghiệp, được áp dụng trong nhiều lĩnh vực kỹ thuật như cơ khí, nhiệt, dòng chảy và tương tác giữa các môi trường vật lý Ngoài ra, ANSYS còn cung cấp phiên bản miễn phí cho sinh viên và nghiên cứu sinh, giúp họ học tập và nghiên cứu trong môi trường giáo dục với các tính năng nâng cao.
2.1.2.1 Mô ph ng ki m b n chi ti t máy
Chi ti t máy đ c ki m b n trên ph n m m Ansys theo quy trình nh hình 2.8:
Hình 2.8: Quy trình ki m b n chi ti t máy
− D li u k thu t là các thông s đ u vào: các thông s v v t li u và các thông s v phân tích l c
− Thi t k 2D: thi t k chi ti t máy b ng 2D
− Mô hình hóa 3D: s d ng ph n m m đ mô hình hóa 3D chi ti t
− Thi t l p d li u: thi t l p các thông s cho mô hình đã đ c mô hình hóa 3D
− Mô ph ng: ti n hành mô ph ng ki m b n chi ti t máy
− Trích xu t d li u: trích xu t d li u mô ph ng ra file PDF ho c các file liên quan
Hình 2.9 là k t qu mô ph ng chi ti t tr c c a mô đun truy n đ ng b ng ph n m m
Hình 2.9: K t qu mô ph ng chi ti t tr c c a mô đun truy n đ ng b ng ph n m m
Thi t l p d li u Mô ph ng Trích xu t d li u
Quy ho ch th c nghi m b ng ph ng pháp Taguchi
Ti n s Taguchi (Nh t B n) là ng i đ t n n móng cho ph ng pháp thi t k b n v ng (Robust Design), c ng là ng i đ ra ph ng pháp th c nghi m mang tên ông
Phương pháp Taguchi nhằm thiết kế quá trình học sản phẩm ít chịu ảnh hưởng bởi những nhân tố gây ra sai lệch chất lượng Mục đích chính là điều chỉnh các thông số để đạt được chất lượng tối ưu nhất cho sản phẩm Phương pháp này sử dụng các dãy thử nghiệm trong quy hoạch thực nghiệm.
Phương pháp Taguchi cho phép sử dụng tối thiểu các thí nghiệm cần thiết để nghiên cứu ảnh hưởng của các thông số đến một đáp ứng nào đó trong quá trình học sản phẩm Phương pháp này giúp điều chỉnh các thông số tiến đến tối ưu một cách nhanh chóng và hiệu quả.
− Ph ng pháp Taguchi b sung cho hai ph ng pháp quy ho ch th c nghi m toàn ph n (TNT) và riêng ph n (TNR)
− Ph ng pháp Taguchi d a trên ma tr n th c nghi m tr c giao xây d ng tr c và ph ng pháp đ phân tích đánh giá k t qu
− Các nhân t có th có 2, 3, 4, 5,…, 8 m c giá tr
− Ph ng pháp Taguchi s d ng t t nh t v i các nhân t kh o sát t 3 đ n 50, s t ng tác ít và khi ch có m t s ít nhân t có ý ngh a.
Phương pháp quy hoạch thí nghiệm theo Taguchi là một lựa chọn hiệu quả để thực hiện thu thập và xử lý dữ liệu Mô hình nghiên cứu quá trình được thể hiện qua hình 2.10, trong đó X đại diện cho các yếu tố đầu vào, Y là đầu ra nghiên cứu và G là các yếu tố nhiễu trong quá trình.
Hình 2.10: Mô hình nghiên c u quá trình áp d ng quy ho ch th c nghi m
Trước khi xây dựng mô hình thực nghiệm, cần thực hiện phân tích hệ thống bằng cách xác định các nhân tố có thể ảnh hưởng đến quá trình Quy trình xác định mô hình nhân tố được thể hiện qua hình 2.11.
Th c hi n quá trình quy ho ch th c nghi m theo quy trình hình 2.12 đ xác đ nh s nh h ng c a các nhân t đ n s n ph m đ u ra
Hình 2.12: Mô hình áp d ng quy ho ch th c nghi m
Ph ng pháp Taguchi s d ng tín hi u/ nhi u (Signal to Noise Ratio) S/N đ c chuy n đ i t hàm m t mát
L: là m t mát do s ch l ch giá tr đáp ng y nh n đ c so v i giá tr đáp ng m mong mu n k: là h ng s
T s S/N đ c xây d ng và chuy n đ i đ tính toán cho 3 tr ng h p chính:
− N u giá tr đáp ng c n đ t l n h n t t nh t thì:
− N u giá tr đáp ng c n đ t nh h n t t nh t thì:
− N u giá tr đáp ng c n đ t ho c đánh giá nh h ng c a các nhân t thì:
; v i l n l t là s thí nghi m l p, đ l ch chu n và gia tr trung bình
Trong m i tr ng h p thì t s S/N càng l n thì tính đ c tính nh n đ c càng t t
Phương pháp Taguchi không cung cấp một con số chính xác về ảnh hưởng của các yếu tố đầu vào đến kết quả đầu ra, mà chỉ mang tính định hướng Tuy nhiên, việc đánh giá qua tỷ số S/N giúp chúng ta nhận biết xu hướng và mức độ ảnh hưởng của từng thông số công nghệ đến kết quả đầu ra Từ những nhận định này, chúng ta có thể nhanh chóng xác định các thông số công nghệ và phạm vi cần tác động để đạt hiệu quả đầu ra tối ưu Trên cơ sở đánh giá ảnh hưởng riêng lẻ, các thông số có thể được tìm ra để tối ưu hóa kết quả đầu ra mong muốn.
Lý thuy t t i u hóa đ ng th i nhi u thông s đ u ra theo lý thuy t h s xám
Tính toán và trình t chu n hóa d li u (data normalization)
"Cao hơn là tốt hơn" là nguyên tắc quan trọng trong việc xác định trạng lượng còn lại của các năng lượng Để tối ưu hóa năng lượng còn lại, cần phải đạt được mức tối đa so với năng lượng ban đầu trước khi có sự giảm thiểu Do đó, công thức cho việc tính toán chuẩn hóa dữ liệu theo nguyên tắc "cao hơn là tốt hơn" là rất cần thiết.
Việc xác định vật liệu còn lại sau quá trình gặt và xử lý cần phải tuân theo phương pháp pháp lý, nhằm đảm bảo độ chính xác của các căn cứ Do đó, công thức tính toán chuẩn hóa dữ liệu theo "thập phân là tối thiểu" được áp dụng để đạt được kết quả chính xác nhất.
* x k i : chu i d li u sau trình t chu n hóa d li u
( ) maxx i 0 k : D li u l n nh t t chu i d li u x i 0 ( ) k
( ) minx i 0 k : d li u nh nh t t chu i d li u x k i * ( )
Tính toán trình t sai l ch chu n
Là b c ti p theo c a trình t chu n hóa d li u, công th c cho vi c tính toán trình t sai l ch chu n đ c bi u di n d i d ng:
Tính toán h s xám (Grey relation coefficient)
H s xám đ c dùng đ bi u th m i quan h gi a k t qu c a chu i trình t th ng hóa d li u lý t ng và th c t c a chu i Công th c tính toán h s xám đ c bi u di n d i d ng sau:
: h s phân bi t c a mô hình phân tích quan h xám H s phân bi t s đ c ch n trong kho ng t [0;1], nh ng thông th ng s đ c ch n chính xác 0.5.
Tính toán c p quan h xám
Công thức tính toán hệ số quan hệ xám giúp đo lường mối quan hệ giữa các yếu tố không gian màu và chuỗi kết quả Sau khi thu được kết quả từ việc tính toán hệ số xám, bước tiếp theo là tính trung bình để xác định hệ số quan hệ xám chính xác Công thức có thể được biểu diễn như sau:
i : c p quan h xám n: T ng s l ng bi n s đ u ra c a thí nghi m (bi n s ph n h i)
Quy trình ki m tra đ s ch c a s n ph m
nh ngh a đ s ch: đ s ch là t l ph n v còn l i c a s n ph m trên t ng di n tích b m t c a s n ph m
Trong quá trình xây dựng quy trình kiểm tra độ chính xác của sản phẩm bằng phương pháp x lý nh trúc, việc thực hiện sau khi gặt băng máy gặt cần được chú trọng Quy trình này được thể hiện chi tiết trong hình 2.14.
Hình 2.14: Quy trình ki m tra đ s ch c a s n ph m
Công th c tính đ s ch c a c n ng thành ph m
Thu th p d li u nh X lý d li u nh Phân tích d li u Trích xu t d li u í ò í ă à
Ph n m m ImageJ là ph n m m v x lý nh đ c ch n và s d ng trong lu n v n này
Quy trình x lý nh trong lu n v n là ng d ng k t qu c a quá trình x lý nh đ đánh giá đ s ch c a c n ng t phòng thí nghi m CDIO c a đ i h c bách khoa
TPHCM Quy trình x lý nh đ c th hi n ph l c I c a lu n v n, đ bi t thêm chi ti t vui lòng xem ph l c I đ c đính kèm ph n cu i lu n v n.
Quy trình ki m tra tr ng l ng c a s n ph m
Kh i l ng còn l i t ng đ i c a s n ph m đ c xác đ nh b ng t s g a kh i l ng c a s n ph m v i kh i l ng c a c n ng ban đ u
Quy trình kiểm tra trạng lượng sản phẩm được thực hiện bằng phương pháp sử dụng cân điện tử để đo lường trạng lượng của sản phẩm trước và sau khi gói bằng máy Hình 2.15 minh họa quy trình này.
Hình 2.15: quy trình ki m tra tr ng l ng c a s n ph m
− Cân nguyên li u là quá trình cân tr ng l ng nguyên li u tr c g t v
− Cân thành ph m là quá trình cân tr ng l ng c a s n ph m thành ph m sau g t v
− Tính toán và trích xu t d li u là quá trình tính toán và ghi nh n t l tr ng l ng tr c và sau khi g t v b ng máy.
Cân đi n t là d ng c đo c a phòng CDIO đ i h c Bách Khoa TPHCM nh hình 2.16 đ c dùng đ cân nguyên li u và thành ph m trong lu n v n này
Cân nguyên li u Cân thành ph m Tính toán và trích xu t d li u
Công th c tính toán ph n tr m kh i l ng còn l i
V i: mI: là kh i l ng c a c n ng thành ph m mF: là kh i l ng c a c n ng nguyên li u ms: ph n tr m kh i l ng còn l i c a c n ng
CH NG 3: C I TI N, THI T K VÀ CH T O MÁY
Thi t k và c i ti n máy
Thi t k c i ti n mô đun tr c truy n đ ng
M t s nh n xét c a giáo viên ph n bi n v các v n đ còn t n t i thi t k c a mô đun truy n đ ng:
Hình 3.1: Nh n xét c a giáo viên ph n bi n công trình nghiên c u tr c
Giáo viên cần thực hiện kiểm tra và khắc phục các vấn đề còn tồn tại trong công trình Những vấn đề này thường liên quan đến việc đánh giá công suất thực tế so với các tính toán và phân tích trước đó.
Quá trình phân tích động học và tính toán lưu lượng chất lỏng trong các mạch truyền động được thực hiện chi tiết trong phụ lục II Luận văn sử dụng phương pháp mô phỏng trên phần mềm Assys để kiểm nghiệm lưu trữ Để biết thêm chi tiết, vui lòng xem phụ lục II được đính kèm ở phần cuối của luận văn.
Nhận xét về thiết kế hiện đại và động bơm, cần đảm bảo tính truyền động và độ bền của các chi tiết trong quá trình hoạt động máy Tuy nhiên, việc sử dụng động cơ điển hình quá lớn so với thiết kế sẽ dẫn đến những nhược điểm như lượng tiêu thụ điện năng lớn và tổng trọng lượng của máy.
• V i k t c u mô đun truy n đ ng hi n t i ta có th s d ng đ ti n hành thí nghi m và thu th p d li u
Khi thực hiện cải tiến máy với các thông số tiêu chuẩn, việc bảo vệ tính kinh tế là rất quan trọng Trong quá trình này, cần sử dụng kết cấu hiện tại để thực hiện thí nghiệm và điều chỉnh các thông số Để tiến hành cải tiến, chúng ta có thể thực hiện cài đặt mô-đun truyền động sau khi đã xác định rõ các thông số tiêu chuẩn.
Thi t k c i ti n mô đun g t v
Trong quá trình máy ho t đ ng ba tác đ ng chính đ c s d ng đ g t v bao g m:
− Hình 3.2 a: tác đ ng gi a b l i dao và đít c n ng
− Hình 3.2 b: tác đ ng gi a l i dao và đ u c n ng
− HÌnh 3.2 c: tác đ ng gi a l i dao và thân c n ng
Hình 3.2: Các tác đ ng chính trong quá trình g t v
Trong quá trình g t v máy g t c n ng s d ng b dao c t v i các thông s chính c a b dao đ c th hi n hình 3.3 v i các thông s :
− h: kho ng cách gi a mép dao c t đ n b m t mâm quay
− b: kho ng cách gi a mép dao c t đ n thành bên c a mâm quay
Trong quá trình gặt, việc tìm mối liên hệ giữa các thông số của cánh tay gặt và thông số của bầu gặt khi lắp lên máy là rất quan trọng Mô hình được sử dụng để xác định các mối quan hệ này có thể được thể hiện qua hình 3.4.
Hình 3.4 Mô hình ch ng minh m i liên h gi a các thông s dao c t
Các thông s ban đ u c a b dao khi l p lên máy đ c tính toán và đo đ c nh sau: á đ â à à à á đ â à é ê đĩ à à à
Xét m i liên h song song gi a 2 đ ng th ng a và a’ ta có m i liên h gi a các góc c t
V y ta có m i liên h gi a các thông s dao nh bi u th c sau:
Thi t k hi n t i c a mô đun g t v đ c th hi n hình 3.5 v i b dao khi đ c g n trên mâm quay và b dao khi đ c tháo r i ra đ c th hi n hình 3.6
Trong quá trình gặt, việc không kiểm soát được thông số của các b dao dẫn đến sai lệch thông số thiết lập Phân tích này cho thấy tầm quan trọng của việc kiểm soát các thông số dao, và để làm rõ vấn đề này, chúng ta tiến hành sử dụng số liệu nhân t Hình 3.8 đã phân tích các yếu tố ảnh hưởng đến mô đun gặt.
Hình 3.7: Phân tích l i thi t k trong c m dao c t hi n t i
Hình 3.8: S đ nhân t đ c tính phân tích y u t nh h ng đ n mô đun g t v
T s đ nhân t đ c tính hình 3.8 ta đ a ra các nh n xét sau:
− Y u t v mâm quay gá dao có th kh ng ch trong quá trình ch t o và l p ghép máy móc
Việc thiết kế góc sắc cho các con dao cắt là rất quan trọng Do đó, cần cân nhắc để đảm bảo độ sắc bén và tính hiệu quả trong việc sử dụng các con dao cắt Điều này không chỉ giúp cải thiện hiệu suất mà còn đảm bảo tính đồng nhất trong hình thức của các con dao cắt.
Việc thiết kế hệ thống điều khiển chiều cao cho dao cắt là rất quan trọng, vì các dao không được căn chỉnh đúng sẽ dẫn đến hiệu suất không ổn định trong quá trình máy hoạt động Do đó, cần thiết kế cơ cấu điều chỉnh để đảm bảo dao cắt được định vị chính xác, nhằm tránh sai lệch thông số hình học của dao trong quá trình hoạt động.
T các phân tích c a mô đun thi t k hi n t i ta c i ti n mô đun g t v v i hai ph n chính g m:
− Thi t k c i ti n c m dao c t th a mãn các tiêu chí ch a đáp ng nh đã phân tích trên
− a ra ph ng pháp thi t l p dao đ m b o đ t ng đ ng v thông s hình h c gi a các c m dao c t
Để đảm bảo độ chính xác trong việc kiểm tra độ đồng tâm của mâm quay và cách lắp đặt, cần chú ý đến các yếu tố như gá đỡ và gá chặn mâm quay Việc điều chỉnh gá dao song song với mặt bàn làm việc là rất quan trọng để đạt được hiệu quả tối ưu.
C m dao c t đ c thi t k c i ti n thêm b ph n d n h ng nh hình 3.9
Hình 3.9: C i ti n c m dao c t v i k t c u then d n h ng
Thi t k , ch t o d ng c n góc đ đ m b o đ t ng quan các thông s hình h c gi a các c m dao c t Hình 3.10 th hi n thông s d ng c n góc và cách thi t l p c n đ đ m b o đ t ng quan thông s hình h c
Hình 3.10: B n v d ng và v trí g n d ng lên c m dao.
Ch t o và l p ghép máy
Trong lu n v n ch t o m i các chi ti t dùng đ c i ti n c m dao c t và các d ng c n góc dùng đ thi t l p thông s dao
Mâm dao sau khi đ c l p đ t hoàn chnh nh hình 3.11 Máy sau khi đ c l p đ t hoàn ch nh nh hình 3.12
Hình 3.11: Mâm dao sau khi đ c l p đ t hoàn ch nh
Hình 3.12: Máy sau khi đ c l p đ t hoàn ch nh
Quá trình ch t o các chi ti t và l p ghép máy đ c th hi n chi ti t ph l c III bi t thêm chi ti t vui lòng xem ph l c III đ c đính kèm ph n cu i c a lu n v n.
V n hành th và ki m tra ho t đ ng c a máy,
Quá trình ch t o các chi ti t và l p ghép máy đ c th hi n chi ti t ph l c III bi t thêm chi ti t vui lòng xem ph l c III đ c đính kèm ph n cu i c a lu n v n
CH NG 4: QUY HO CH TH C NGHI M
Bài toán quy ho ch th c nghi m
Xác đ nh các nhân t đ u vào c a quy ho ch th c nghi m
Theo s đ ch c n ng và k t c u c a máy g t c n ng hình 2.6 các nhân t có th tác đ ng đ n k t qu đ u ra bao g m: ph ng pháp th c hi n, mô đun truy n đ ng, mô đun g t v
Trong thí nghiệm phương pháp cấp nguyên liệu thủ công bằng tay, việc chọn lựa phương pháp thực hiện là rất quan trọng Do đó, thời gian cắt được xem là yếu tố đầu vào quyết định đến chất lượng đầu ra.
Trong thí nghi m mô đun truy n đ ng là m t k t c u máy ph bi n do đó nhân t t c đ quay đ c nh n đ nh là nhân t đ u vào nh h ng đ n ch t l ng đ u ra
Trong thí nghiệm mô đun g t v, các tác động chính khi g t v và các thông số của dao cắt đã được phân tích Sau khi xem xét các yếu tố cấu thành và chiều sâu cắt, nhận định rằng yếu tố đầu vào ảnh hưởng đến chất lượng đầu ra Các yếu tố tác động đến quá trình g t v được thể hiện qua hình 3.2 Mối liên hệ hình học giữa các thông số dao cắt được trình bày trong hình 3.3 và đã được chứng minh qua công thức.
Sau khi phân tích và xác định các nhân tố đầu vào, ta nhận thấy mối liên hệ giữa các nhân tố đầu vào và đầu ra, bao gồm thời gian gia tốc, vận tốc cực đại, góc cất và độ sâu cất Các yếu tố này tạo thành phẩm với hai tiêu chí chất lượng đầu ra: độ chính xác và khối lượng còn lại, như thể hiện trong hình 4.1.
Hình 4.1: S đ nhân t -đ c tính máy g t c n ng
4.1.2 Xác đ nh các c p đ l y m u c a các nhân t
D a trên các nghiên c u tr c và quá trình phân tích nhân t -đ c tính c a máy g t c n ng trong nghiên c u này các nhân t đ c l a ch n đ t i u là: góc c t; chi u cao c t; v n t c c t; th i gian g t v a.Góc c t
Góc c t được tính bằng độ (˚), và sau khi cải tiến, lãi suất có thể điều chỉnh với việc sử dụng thêm chiều cao h đ làm nhân tố đầu vào Để kiểm tra độ lặp lại của hai nhân tố, cần giảm biên độ dao động để đảm bảo cả hai nhân tố luôn được kiểm soát Các cặp độ lặp lại được xác định là 43, 45, 47 tương ứng với cặp 1, cặp 2, cặp 3 mà không thay đổi độ lặp lại của cặp 2 (˚) Chiều cao c t cũng cần được xem xét trong quá trình này.
Chi u cao c t h là m t thông s m i đ c xác đnh là có nh h ng đ n ch t l ng c a c n ng thành ph m Ta ti n hành dùng ph ng pháp hình h c đ tính toán các c p đ c a h
Theo các thông s v góc c t và các y u t hình h c khi l p dao thì ta tính đ c kho ng cao đ thay đ i 3 c p đ l y m u nh hình 4.2 và hình 4.3.
Hình 4.2: Cao đ h m c th p nh t khi đo t i 3 c p đ l y m u c a góc c t
Hình 4.3: Cao đ h m c cao nh t khi đo t i 3 c p đ l y m u c a góc c t
Th ng kê l i và tính toán kho ng h giao nhau t i 3 c p đ l y m u nh hình 4.4
Hình 4.4: Kho ng giao nhau c a cao đ t i 3 c p đ l y m u c a góc c t
T phân tích trên ta ch n 3 c p đ l y m u là 4; 5; 6 t ng ng v i c p 1, c p 2, c p 3 v i kho ng thay đ i m i c p đ là 1 (mm) c.V n t c c t
V n t c c t đ c tính b ng đ n v (vòng/phút), theo kinh nghi m v n hành máy ta ch n 3 c p đ l y m u là 80; 100; 120 t ng ng v i c p 1, c p 2, c p 3 v i kho ng thay đ i m i c p đ là 20 (vòng/phút) d.Th i gian g t v
Th i gian g t v c n ng đ c tính b ng đ n v giây, theo kinh nghi m v n hành máy ta ch n 3 c p đ l y m u là 60; 90; 120 t ng ng v i c p 1, c p 2, c p 3 v i kho ng thay đ i m i c p đ là 30 (s)
K t lu n: Sau khi đã phân tích các nhân t đ u vào ta xác đnh c p đ l y m u c a các nhân t nh trong b ng 4.1
B ng 4.1 : B ng giá tr các nhân t đ u vào
Bài toán quy ho ch th c nghi m
Để xác định độ ổn định của sản phẩm, cần xem xét hai yếu tố chính: độ chính xác của các thông số và khả năng chịu ảnh hưởng của các yếu tố như thời gian, vật liệu, góc cắt và chiều cao Việc áp dụng phương pháp thực nghiệm Taguchi và tối ưu hóa độ ổn định thông qua quan hệ xám sẽ giúp nâng cao chất lượng đầu ra.
Mô hình thí nghiệm sử dụng phương pháp Taguchi với 4 yếu tố và 3 mức giá trị được trình bày trong bài báo này Quy hoạch nhân tố riêng phần được áp dụng với ma trận quy hoạch trắc nghiệm L9 và N=thí nghiệm Mỗi thí nghiệm được lặp lại 3 lần để đo đạc sức chịu đựng và khối lượng còn lại của các sản phẩm.
Các nhân t gây nhi u đ c xác đnh: ch t l ng v t li u gia công, y u t gá đ t,đ s ch c a dao c t, đ s c c a dao c t,…
Ph ng pháp th c hi n quy ho ch th c nghi m
Th c hi n quy ho ch th c nghi m theo l u đ kh i hình 4.5
Hình 4.5: L u đ kh i ph ng pháp th c hi n quy ho ch th c nghi m
CH NG 5: PHÂN TÍCH D LI U THU TH P
5.1 Phơn tích d li u th c nghi m.
Sau khi thu th p và x lý d li u nh mô t l u đ kh i hình 4.5 ta đ c các thông s nh b ng 5.1:
B Ｖ ng 5.1: B ng thu th p d li u th c nghi m
N A B C D s ch (CV) Kh i l ng còn l i (RV)
Trong tiêu chí vận hành, cần đảm bảo rằng thành phẩm càng sạch càng tốt để hỗ trợ cho các hoạt động phía sau Do đó, đánh giá độ sạch (CV) cần được thực hiện theo tiêu chí "lower is best".
Trong tiêu chí đánh giá chất lượng đầu ra của các sản phẩm, khối lượng còn lại (RW) là một yếu tố quan trọng Do đó, khối lượng còn lại được xác định theo tiêu chí "Cao hơn là tốt hơn".
Th công th c 2.1 đ tính toán h s S/N cho tiêu chí kh i l ng còn l i
Th công th c 2.2 đ tính toán h s S.N cho tiêu chí đ s ch
Sau khi th công th c và tính toán ta đ c b ng thông s S/N c a hai ch tiêu ch t l ng nh b ng 5.2
B ng 5.2: B ng ch s S/N c a đ s ch (CV), kh i l ng còn l i (RW)
5.2 T i u hóa đa m c tiêu b ng lý thuy t h s xám
5.2.1.Tính toán trình t chu n hóa d li u
Th công th c 2.4 đ tính toán h s S/N cho tiêu chí kh i l ng còn l i
Th công th c 2.5 đ tính toán h s S.N cho tiêu chí đ s ch
K t h p v i ch s S/N nh b ng 5.2 ta đ c b ng tính toán trình t chu n hóa d li u nh b ng 5.3
B ng 5.3: B ng chu n hóa d li u
5.2.2.Tính toán sai l ch chu n
Tính toán trình t sai l ch chu n theo công th c 2.6 k t h p v i b ng chu n hóa d li u 5.3 Sau khi tính toán ta đ c k t qu nh b ng 5.4
B ng 5.4: B ng tính toán sai l ch chu n
Chu n hóa d li u Sai l ch chu n
5.2.3.Tính toán h s xám và c p quan h xám
Để tính toán hệ số xám, chúng ta sử dụng công thức 2.7 kết hợp với bảng chuẩn hóa dữ liệu 5.3 và bảng tính toán sai lệch chuẩn 5.4 Sau khi hoàn tất các phép tính, kết quả sẽ được ghi lại trong bảng 5.5 Cuối cùng, sau khi đã có hệ số xám, chúng ta tiến hành sắp xếp theo giá trị của hệ số này.
B ng 5.5: B ng tính toán h s xám
Bi n s đ u ra H s xám C p quan h xám X p h ng
CV RW Mean CV Mean RW (GRG)
5.2.4.Áp d ng minitab đ tính toán th c nghi m
Dựa vào phân tích thống kê thông thường, chúng tôi đánh giá giả thuyết rằng hai biến số đầu ra không tương quan với mức ý nghĩa 95% Vì vậy, phân tích này không cần tính đến thành phần chính Z (Z test score) vì không thể bác bỏ giả thuyết vô hiệu (null hypothesis) rằng hai đặc tính chất lượng không liên quan Do đó, phân tích tiếp tục chuyển trực tiếp sang phân tích quan hệ xám.
Minitab là phần mềm thống kê được phát triển tại Đại học Pennsylvania bởi Barbara F Ryan, Thomas A Ryan, Jr và Brian L Joiner vào năm 1973 Phần mềm này được sử dụng phổ biến trong việc phân tích các quy trình bằng phương pháp thống kê Hiện nay, phiên bản Minitab 2019 đang được sử dụng rộng rãi.
Sau khi thu đ c h s xám nh b ng 5.5 b ng th c nghi m đ c vi t l i nh b ng 5.6
B ng 5.6: B ng k t qu th c nghi m theo h s xám a A B C D H s xám (GRG)
Trong bài toán được mô tả ở phần 4.1.3 và bảng kết quả thực nghiệm ở phần 5.5, chúng ta đã lựa chọn tiêu chí đánh giá cho hệ thống GRC dựa trên các thông số đã được trình bày Tiêu chí này nhằm tối ưu hóa quá trình phân tích thực nghiệm.
K t qu thu th p đ c trên ph n m m minitab
Hình 5.1: Ph n h i v m c đ nh h ng c a các nhân t (minitab)
Hình 5.2: Phân tích nh h ng c a các nhân t (minitab)
Hình 5.3: B ng mô hình tuy n tính Anova
5.2.5 Phân tích k t qu th c nghi m
D a trên b ng k t qu 5.6, l n ch y th nghi m đ u tiên A1B1C1D1 có giá tr
GRG cao nhất và do đó được xếp hạng 1 cho các biến số đầu ra CV và RW tiêu chuẩn nhất Tuy nhiên, kết quả chỉ phản ánh một kết quả nhất định của thí nghiệm dựa trên phạm vi và yếu tố được đo đạc, và nó chưa bao gồm đầy đủ tất cả các tác động chưa biết (các yếu tố đồng hình) Vì vậy, mô hình này cần thiết lập một số lần lặp thí nghiệm kết hợp các biểu đồ phân tích thống kê khác để xác minh tính hiệu quả và tin cậy.
Kết quả từ GRG đã được tính toán và trích xuất dữ liệu trên phần mềm Minitab Biểu đồ ảnh hưởng chính của các nhân tố (Main Effects Plot) thể hiện các đánh giá khách quan về ảnh hưởng của GRG đến các thông số thí nghiệm đầu vào Qua việc phân tích và đánh giá thông tin từ biểu đồ, các nhân tố có sự thay đổi và nghiêng được coi là yếu tố có ảnh hưởng nhất đến thí nghiệm Do đó, các nhân tố đầu có sự thay đổi đáng kể và nghiêng được xác định là có tác động đến quá trình gia tăng Trong đó, vận tốc cắt và thời gian cắt là những thông số có mức ảnh hưởng lớn nhất.
Nghiên cứu sử dụng bảng phản hồi cho các yếu tố đầu vào và kết quả, được trích xuất từ phần mềm Minitab, cho thấy rằng các yếu tố như giá trị delta, thời gian cắt, chiều cao cắt và góc cắt có mối quan hệ chặt chẽ với nhau.
Theo b ng ph n h i v m c đ nh h ng đ c trích xu t t minitab, ta ti n hành chuy n sang b ng 5.7 đ d dàng phân tích:
B ng 5.7: B ng ph n h i v m c đ nh h ng c a các nhân t
C p đ Góc c t Chi u cao c t V n t c c t Th i gian c t
Trung bình, các lệnh chạy thử nghiệm với vận tốc 80 RPM cho thấy hiệu quả lẫn nhau so với vận tốc 100 RPM hoặc 120 RPM Tổng thời gian chạy với giá trị 60 giây được coi là có ý nghĩa thống kê cao hơn so với hai giá trị còn lại.
Cuối cùng, mục đích định hình đối với góc cắt và chiều cao cắt được chứng minh tại tiêu chuẩn là 45° và 5mm Do đó, các thông số tiêu chuẩn cho máy gọt cần được xác định biểu định hình chính như hình 5.4.
Hình 5.4: Giá tr t i u theo bi u đ nh h ng chính
T hình 5.4 ta đ a ra b ng thông s các giá tr t i u trong th c nghi m
B ng 5.8: B ng thông s t i u nh t trong th c nghi m
Trong nghiên cứu này, chúng tôi đã xác định ảnh hưởng của các nhân tố đến kết quả đầu ra thông qua phân tích giá trị phương sai (ANOVA) như được trình bày trong hình 5.3 Chúng tôi đã thực hiện tính toán mức độ ảnh hưởng và chuyển đổi hình 5.3 sang dạng bảng, từ đó tính toán tỷ lệ phần trăm ảnh hưởng của các nhân tố.
B ng 5.9: B ng mô hình tuy n tính Anova
M c DF Adj SS Adj MS F-Value P-Value M c đ nh h ng
Chúng tôi tiến hành phân tích sâu hơn về các tác động chính thông qua việc sử dụng bảng ANOVA, tập trung vào hai yếu tố quan trọng là vật chất và thời gian cắt Bằng cách này, chúng tôi đảm bảo độ chính xác của các giá trị thống kê bằng cách kiểm soát bậc tự do, nhằm tránh sai sót và lặp lại trong quá trình phân tích Các giá trị không đáng kể sẽ được loại bỏ, và chúng tôi sẽ xây dựng bảng phân tích ANOVA riêng biệt cho hai yếu tố vật chất và thời gian cắt.
B ng cách s d ng minitab t ng t nh trên ta có b ng mô hình tuyên tính ANOVA gi a v n t c c t và th i gian c t
B ng 5.10 : B ng mô hình tuy n tính ANOVA gi a v n t c c t và th i gian c t
M c DF Adj SS Adj MS F-Value P-Value M c đ nh h ng
Kết quả phân tích ANOVA cho thấy tất cả các yếu tố đều có vai trò quan trọng trong quá trình gặt Cụ thể, giá trị P cho các yếu tố này nhỏ hơn 0,05, cho thấy sự ảnh hưởng đáng kể Trong đó, yếu tố thời gian cắt chiếm 69.9%, trong khi các yếu tố khác chỉ chiếm 23.22% và 6.9% tương ứng.
Hình 5.5:Bi u đ tròn th hi n m c đ nh h ng c a v n t c c t và th i gian c t
M c đ nh h ng gi a v n t c c t và th i gian c t (%)
CH NG 6: K T QU VÀ XU T
− Mô hình th c nghi m tr c giao ma tr n L9 ch ng minh r ng vi c l a ch n là hi u qu và đ y đ đ đ t đ c đánh giá cho t ng y u t riêng
Trong nghiên cứu về vi sinh vật, các yếu tố đầu vào được đánh giá bao gồm góc cắt, chiều cao cắt, tốc độ cắt và thời gian cắt, ảnh hưởng đến độ chính xác và khả năng tạo thành sản phẩm Các thông số cụ thể trong thí nghiệm máy dập được quy định như sau: A: Góc cắt 45°; B: Chiều cao cắt 5mm; C: Tốc độ cắt 80RPM; D: Thời gian cắt 60 giây.
6.2 Các v n đ còn t n đ ng trong nghiên c u
− Tình tr ng v sinh c a máy ch a đ c đáp ng t t nh t vì s n ph m sau khi gia công dính nhi u b i b n, d u máy
T i u hóa đa m c tiêu b ng lý thuy t h s xám
Tính toán trình t chu n hóa d li u
Th công th c 2.4 đ tính toán h s S/N cho tiêu chí kh i l ng còn l i
Th công th c 2.5 đ tính toán h s S.N cho tiêu chí đ s ch
K t h p v i ch s S/N nh b ng 5.2 ta đ c b ng tính toán trình t chu n hóa d li u nh b ng 5.3
B ng 5.3: B ng chu n hóa d li u
Tính toán sai l ch chu n
Tính toán trình t sai l ch chu n theo công th c 2.6 k t h p v i b ng chu n hóa d li u 5.3 Sau khi tính toán ta đ c k t qu nh b ng 5.4
B ng 5.4: B ng tính toán sai l ch chu n
Chu n hóa d li u Sai l ch chu n
Tính toán h s xám và c p quan h xám
Để tính toán hệ số xám, chúng ta sử dụng công thức 2.7 kết hợp với bảng chuẩn hóa dữ liệu 5.3 và bảng tính toán sai lệch chuẩn 5.4 Sau khi hoàn tất các phép tính, kết quả sẽ được trình bày trong bảng 5.5 Cuối cùng, chúng ta tiến hành sắp xếp theo giá trị của hệ số xám đã tính toán.
B ng 5.5: B ng tính toán h s xám
Bi n s đ u ra H s xám C p quan h xám X p h ng
CV RW Mean CV Mean RW (GRG)
Áp d ng minitab đ tính toán th c nghi m
Dựa vào phân tích thống kê thông thường, chúng tôi đánh giá giả thuyết và nhận thấy rằng hai biến số đầu ra không tương quan một cách có ý nghĩa ở mức 95% Vì vậy, phân tích này không cần tính đến tham số chính Z (Z test score) vì không thể bác bỏ giả thuyết vô hiệu (null hypothesis) rằng hai đặc tính chất lượng không liên quan Do đó, phân tích tiếp tục chuyển trực tiếp sang phân tích quan hệ xám.
Minitab là phần mềm phân tích thống kê được phát triển tại Đại học Pennsylvania bởi Barbara F Ryan, Thomas A Ryan, Jr và Brian L Joiner vào năm 1973 Phần mềm này được sử dụng phổ biến trong việc cải tiến quy trình bằng các phương pháp thống kê Hiện nay, người dùng đang sử dụng phiên bản Minitab 2019.
Sau khi thu đ c h s xám nh b ng 5.5 b ng th c nghi m đ c vi t l i nh b ng 5.6
B ng 5.6: B ng k t qu th c nghi m theo h s xám a A B C D H s xám (GRG)
Trong bài toán mô tả tại phần 4.1.3, chúng tôi đã tiến hành thu thập các thông số cần thiết và trình bày kết quả thực nghiệm trong bảng 5.5 Đối với hệ thống GRC, tiêu chí đánh giá được lựa chọn là nhằm tối ưu hóa quá trình phân tích thực nghiệm.
K t qu thu th p đ c trên ph n m m minitab
Hình 5.1: Ph n h i v m c đ nh h ng c a các nhân t (minitab)
Hình 5.2: Phân tích nh h ng c a các nhân t (minitab)
Hình 5.3: B ng mô hình tuy n tính Anova.
Phân tích k t qu th c nghi m
D a trên b ng k t qu 5.6, l n ch y th nghi m đ u tiên A1B1C1D1 có giá tr
GRG cao nhất và do đó được xếp hạng 1 cho các biến đầu ra CV và RW tối ưu nhất Tuy nhiên, kết quả phản ánh một kết quả nhất định của thí nghiệm dựa trên phạm vi và yếu tố được đo đạc, và nó chỉ chứa đựng một phần các tác động chưa biết (các yếu tố đồng sáng lập) cùng với việc kiểm soát các yếu tố gây nhiễu thí nghiệm Vì vậy, mô hình này cần thiết một số lần lặp thí nghiệm kết hợp các biểu đồ phân tích thống kê khác để xác minh tính hiệu quả và tin cậy.
Kết quả từ việc tính toán và trích xuất dữ liệu trên phần mềm Minitab cho thấy biểu đồ ảnh hưởng chính của các yếu tố (Main Effects Plot) cung cấp những đánh giá khách quan về tác động của GRG đến các thông số thí nghiệm Từ biểu đồ này, các yếu tố có sự thay đổi và nghiêng đáng kể được coi là có ảnh hưởng nhất đến thí nghiệm Do đó, các yếu tố đầu vào có sự thay đổi đáng kể và nghiêng cần được xem xét kỹ lưỡng vì chúng có ảnh hưởng rõ rệt đến quá trình gia công Trong số đó, vật liệu và thời gian gia công là những thông số có mức độ ảnh hưởng lớn nhất.
Nghiên cứu sử dụng bảng phản hồi về các yếu tố đầu vào để phân tích kết quả, qua đó trích xuất thông tin từ phần mềm Minitab Kết quả cho thấy, các yếu tố được sắp xếp theo mức độ ảnh hưởng đến giá trị delta, bao gồm thời gian cắt, chiều cao cắt và góc cắt, theo thứ tự giảm dần.
Theo b ng ph n h i v m c đ nh h ng đ c trích xu t t minitab, ta ti n hành chuy n sang b ng 5.7 đ d dàng phân tích:
B ng 5.7: B ng ph n h i v m c đ nh h ng c a các nhân t
C p đ Góc c t Chi u cao c t V n t c c t Th i gian c t
Trung bình, các lệnh chạy thử nghiệm với vận tốc 80 RPM cho thấy hiệu quả cao hơn so với vận tốc 100 RPM hoặc 120 RPM Tổng thể, nhân tố thời gian kết hợp với giá trị 60 giây được coi là có ý nghĩa thống kê cao hơn so với hai giá trị còn lại.
Cuối cùng, mực định hướng với góc cắt và chiều cao cắt được xác định tại 45° và 5mm Do đó, các thông số tiêu chuẩn cho máy gọt cần được thể hiện bằng biểu đồ như hình 5.4.
Hình 5.4: Giá tr t i u theo bi u đ nh h ng chính
T hình 5.4 ta đ a ra b ng thông s các giá tr t i u trong th c nghi m
B ng 5.8: B ng thông s t i u nh t trong th c nghi m
Trong nghiên cứu này, chúng tôi đã sử dụng phương pháp phân tích giá trị phản hồi sai (ANOVA) để xác định mức độ ảnh hưởng của các yếu tố đến kết quả đầu ra Hình 5.3 minh họa quá trình chuyển đổi dữ liệu sang dạng bảng và tính toán phần trăm ảnh hưởng của các yếu tố Thời gian thực hiện thí nghiệm là 60 giây với tốc độ 80 vòng/phút và góc nghiêng 45 độ, cùng với kích thước mẫu là 5mm.
B ng 5.9: B ng mô hình tuy n tính Anova
M c DF Adj SS Adj MS F-Value P-Value M c đ nh h ng
Chúng tôi tiến hành phân tích sâu hơn về tác động của hai yếu tố chính, đó là vận tốc cắt và thời gian cắt, bằng cách sử dụng bảng ANOVA Phân tích này đảm bảo độ chính xác thống kê thông qua việc kiểm soát bậc tự do, giúp tránh sai số và lặp lại ảnh hưởng Các giá trị không đáng kể và các nhánh góc cắt được loại bỏ, từ đó tạo ra bảng phân tích mới ANOVA dành riêng cho hai yếu tố này.
B ng cách s d ng minitab t ng t nh trên ta có b ng mô hình tuyên tính ANOVA gi a v n t c c t và th i gian c t
B ng 5.10 : B ng mô hình tuy n tính ANOVA gi a v n t c c t và th i gian c t
M c DF Adj SS Adj MS F-Value P-Value M c đ nh h ng
Trong bảng mô hình ANOVA, các yếu tố như thời gian cắt và giá trị P dưới 0,05 cho thấy chúng đều có vai trò quan trọng trong quá trình gặt Cụ thể, yếu tố thời gian cắt chiếm 69,9% trong việc ảnh hưởng đến kết quả, trong khi đó, yếu tố giá trị P chỉ chiếm 23,22% và 6,9% là ảnh hưởng từ các nhân tố khác.
Hình 5.5:Bi u đ tròn th hi n m c đ nh h ng c a v n t c c t và th i gian c t
M c đ nh h ng gi a v n t c c t và th i gian c t (%)
CH NG 6: K T QU VÀ XU T
Tóm t t k t qu th c nghi m
− Mô hình th c nghi m tr c giao ma tr n L9 ch ng minh r ng vi c l a ch n là hi u qu và đ y đ đ đ t đ c đánh giá cho t ng y u t riêng
Nghiên cứu về việc sử dụng máy dập đã đưa ra đánh giá về các nhân tố đầu vào bao gồm góc cắt, chiều cao cắt, tốc độ cắt và thời gian cắt Cụ thể, các thông số được thiết lập trong thí nghiệm bao gồm: góc cắt 45 độ, chiều cao cắt 5mm, tốc độ cắt 80RPM và thời gian cắt 60 giây Những yếu tố này có ảnh hưởng đáng kể đến chất lượng sản phẩm cuối cùng.
Các v n đ còn t n đ ng trong nghiên c u
− Tình tr ng v sinh c a máy ch a đ c đáp ng t t nh t vì s n ph m sau khi gia công dính nhi u b i b n, d u máy
Các yếu tố đầu vào cho mô hình thực nghiệm cần được lựa chọn cẩn thận để đảm bảo đánh giá và nhận xét chính xác Việc nghiên cứu sâu trên từng thực nghiệm riêng lẻ không thể đạt được kết quả tối ưu nếu không xác định được các chỉ số đầu vào phù hợp.
Trong quá trình vận hành, có nhiều yếu tố liên quan đến tiềm năng mô-đun truyền động mà cần được xem xét Những yếu tố này có thể gây ra sự nhiễu loạn liên tục trong quá trình thực nghiệm.
− V n đ liên quan đ n s d ng đ ng c v i công su t l n h n công su t c n thi t quá nhi u.
Các đ xu t cho h ng nghiên c u ti p theo
− Gi thông s t i u c a hai nhân t không có nh h ng nhi u đ n ch t l ng đ u ra bao g m: góc c t và chi u cao c t Ti n hành th c nghi m toàn ph n b c
Để tối ưu hóa hiệu suất máy, việc tìm ra thông số cắt và thời gian cắt là rất quan trọng Sau khi xác định được các thông số này, cần cân nhắc đến việc giảm ngăn ngừa sự suy giảm bằng cách tìm thông số tối ưu cho thông số b.
Vệ sinh an toàn thực phẩm là yếu tố quan trọng đối với máy chế biến nông sản Do đó, cần thiết kế hệ thống dẫn nước và tìm phương pháp chế tạo chống dính trên các bề mặt tiếp xúc với thực phẩm.
− Vì máy g t c n ng hi n t i sau khi th c hi n lu n v n ch là phiên b n th 2 do đó c n c i ti n thêm mođun truy n đ ng c a máy (tr c, m t bích, ki u l p ráp,… vv)
Quá trình thử nghiệm nhấn thể răng lốc ly tâm đích nhìn nhận là một trong những vấn đề nghiêm trọng, vì nó chịu đựng lực dồn nén quay sát bên ngoài thành tường khi vận hành máy Lực ma sát tác động vào tường có thể làm bong tróc và hỏng phần thiết kế cần ngăn Do đó, việc tăng cường lực ly tâm bằng cách thêm thiết kế có khả năng gia cố thành là rất cần thiết.
Multi-variable optimization for cleanliness value and remaining weight ratio of water chestnut peeling process using Taguchi-based grey relational analysis
(Áp d ng ph ng pháp phân tích Taguchi xám trong vi c t i u hóa quy trình g t v c n ng theo thông s đ s ch và kh i l ng còn l i)
Dang Quoc Thang 1,2,3* , Bui The Hao 1,3 , Tran Hoang Trong 1,3 , Ph.D Banh Quoc Nguyen 1,2,3
1 Faculty of Mechanical Engineering, Ho Chi Minh City University of Technology (HCMUT), 268 Ly Thuong Kiet
Street, District 10, Ho Chi Minh City, Vietnam
2 Office for International Study Programs, Ho Chi Minh City University of Technology (HCMUT), 268 Ly Thuong
Kiet Street, District 10, Ho Chi Minh City, Vietnam
3 Vietnam National University Ho Chi Minh City, Linh Trung Ward, Thu Duc District, Ho Chi Minh City, Vietnam
*Corresponding author: thang.dang269@hcmut.edu.vn
This research paper focuses on the experimental optimization of an existing chestnut peeling machine through a design of experiments approach The study specifically evaluates the peeling process by analyzing the cutting parameters of a turntable cutter integrated into the machine, alongside the resulting quality of the final product.
To achieve high accuracy and reliability in test results, the Taguchi-based Grey Relational method is utilized for the experimental model This approach involves manually setting four cutting parameters on the turntable cutter prior to conducting the experiment The inputs for the experiment include the Remaining Weight (RW) ratio and Cleanliness Value.
The outputs of the experiment, known as coefficient of variation (CV), are derived from the percentage difference between the initial and final weights of each batch, measured using a precision scale Since the CV indicates the amount of unpeeled skin remaining on water chestnuts, which is challenging to assess visually or with conventional equipment, this study employs digital image processing techniques for evaluation The results are presented through main effect plots and ANOVA interaction plots to analyze the significant effects of various input parameters, allowing for their ranking based on their influence on the peeling process's overall performance.
Bài báo nghiên cứu khoa học này tập trung vào việc cải tiến và tối ưu hóa máy bóc vỏ ngô thông qua quy hoạch thực nghiệm Nghiên cứu nhấn mạnh vào quá trình gặt và đánh giá bằng các thông số của các chức năng của máy cắt bàn xoay được lắp đặt trên máy, cùng với chất lượng của sản phẩm cuối cùng Mục tiêu là mang lại sự chính xác và độ tin cậy cao cho kết quả thí nghiệm.
Taguchi là phương pháp được áp dụng cho mô hình thí nghiệm nghiên cứu này Dựa trên yêu cầu của bài toán, thông số đầu vào đã được xác định bằng cách thiết lập thí nghiệm cho dao cụ bàn xoay trước khi thực hiện việc chạy máy Trong đó, trọng lượng (RW) và giá trị chất lượng (CV) là kết quả thông số đầu ra của thí nghiệm RW có thể được thu thập nhanh chóng thông qua việc tính toán phần trăm chênh lệch giữa trọng lượng ban đầu và trọng lượng cuối cùng Ngược lại, do CV thể hiện phần vật chất còn sót lại trên bề mặt và rất khó đánh giá bằng một thống kê bất kỳ nào, nên không được xử lý trong nghiên cứu này Kết quả thí nghiệm được chứng minh thông qua biểu đồ hình chính và biểu đồ phân tích phương sai ANOVA nhằm kiểm tra và đánh giá các tác động nội bộ từ tất cả các thông số đầu vào, từ đó xếp hạng theo tác động của chúng đến hiệu suất chung của quá trình bóc tách.
Keywords : Chestnut peeling machine; Taguchi method; Remaining Weight; Cleanliness Value; Digital image processing; Main effect plot; ANOVA interaction plot
This research paper focuses on optimizing the peeling machine for water chestnuts to enhance their quality The study examines key cutting parameters, including cutting angle, cutting height, cutting velocity, and peeling duration, which are critical for assessing the quality through Cleanliness Value and Remaining Weight To determine the optimal settings among these factors, a robust design approach is employed, emphasizing the need for effective methods that improve product quality while minimizing variation effects The Taguchi-based Grey Relational Analysis is utilized in this optimization process.
Analysis is statistically the best fit for the already-stated problem
The Taguchi method, which was developed by Genichi
The Taguchi method is an experimental approach that helps identify key parameters affecting outcomes while minimizing the influence of less significant factors By utilizing a standard orthogonal array, this technique allows for an unbiased evaluation of how design parameters impact response values.
Optimizing the experimental design is essential to ensure that the conclusions drawn from small-scale experiments are valid across the entire range of controllable factors and their settings This approach minimizes the overall duration of the experiments while enhancing the reliability of the findings.
Grey Relation Analysis (GRA), developed by Professor Julong Deng, is a technique utilized to identify the optimal conditions of multiple input parameters, aiming to achieve the highest quality characteristics.
Generally, Grey Relational Analysis is effectively applied in evaluating or judging the performance of a complex project with meager information Therefore, when the method is incorporated with Taguchi method (Hybrid
Taguchi-GRA), it is superb to derive optimum condition for multi-objective problems by providing weightages to individual responses
The peeling experiment of water chestnut is conducted on the chestnut peeling machine, which is shown in the Fig 1
Each experimental batch of water chestnuts is weighed at 300 grams to ensure compatibility with the machine design The peeling module features a turntable cutter equipped with six cutting structures, which effectively removes the tuber peels Figure 2 illustrates the final shape of the water chestnuts before and after the peeling process.
Fig.2 Water Chestnut before and after peeling process
The cutting mechanism is crucial, with cutting height (h) significantly impacting peeling efficiency, while the shim angle (β) is essential for enhancing productivity Consequently, an experimental relationship has been established between these cutting parameters.
The cutting parameters can be categorized as follows: 'h' represents the height of the blade protruding from the tool holder's surface, 'b' denotes the width of the gap between the blade tip and the wall blade tip angle, while 'α' indicates the tip angle of the blade, and 'β' signifies the shim angle.
