TỔNG QUAN
Tóm tắt kết quả nghiên cứu công trình trước
Các kết quả đã đạt được ở công trình nghiên cứu trước
− Thiết kế và chế tạo máy gọt củ năng
− Xác định các thông số cho chỉ tiêu chất lượng qua quá trình quy hoạch thực nghiệm
1.1.1 Mô hình máy gọt củ năng
Trong công trình nghiên cứu trước nhóm nghiên cứu của khoa cơ khí đại học Bách Khoa TPHCM đã nghiên cứu và chế tạo thành công mô hình máy gọt củ năng với các thông số sau:
− Kích thước máy (dài x rộng x cao): 415 x 415 x 860 (mm)
− Chức năng máy: gọt vỏ củ năng bán tự động
Sơ đồ nguyên lý và nguyên lý hoạt động máy gọt củ năng hiện tại
Hình 1.1: Sơ đồ nguyên lý-nguyên lý hoạt động máy gọt củ năng (hình ảnh từ công trình nghiên cứu trước)
Sơ đồ nguyên lý cắt gọt
Hình 1.2: Sơ đồ nguyên lý cắt gọt (hình ảnh từ công trình nghiên cứu trước)
Một số hình ảnh về máy gọt củ năng hiện tại
1.1.2 Quá trình quy hoạch thực nghiệm
Trong công trình nghiên cứu trước đã đưa ra các đánh giá về các yếu tố đầu vào của máy gọt củ năng
− Vận tốc cắt 200 (vòng/phút) là hiệu quả nhất trong thí nghiệm
− Thời gian cắt ảnh hưởng đến chỉ số chất lượng đầu ra của sản phẩm
Mô hình nghiên cứu trong công trình nghiên cứu trước: đánh giá sự ảnh hưởng của các nhân tố đầu vào: số lượng dao, thời gian gọt vỏ, góc cắt, vận tốc cắt đến hai chỉ tiêu chất lượng đầu ra bao gồm: độ sạch và khối lượng còn lại của củ năng
Hình 1.5: Bảng giá trị các cấp của nhân tố đầu vào (hình ảnh từ công trình nghiên cứu trước)
Hình 1.6: Biểu đồ kết quả ảnh hưởng của các nhân tố đầu vào với các chỉ tiêu đầu ra
(hình ảnh từ công trình nghiên cứu trước)
Mục tiêu đề tài
Các mục tiêu đặt ra ở trong công trình nghiên cứu này:
− Cải tiến, chế tạo và vận hành máy gọt củ năng
− Tiến hành quá trình quy hoạch thực nghiệm để tối ưu thông số đầu ra theo hai chỉ tiêu chất lượng: độ sạch và khối lượng còn lại của củ năng
− Xây dựng quy trình lượng hóa các chỉ tiêu chất lượng đầu ra: độ sạch và khối lượng còn lại của củ năng thành phẩm.
Phạm vi đề tài
Phạm vi của công trình nghiên cứu đề tài “Tối ưu hóa máy gọt củ năng bằng phương pháp thực nghiệm Taguchi”
− Cải tiến thiết kế máy từ công trình nghiên cứu trước
− Tối ưu hóa đồng thời theo hai chỉ tiêu chất lượng đầu ra: thời gian theo chỉ tiêu chất lượng đầu ra; độ sạch và khối lượng còn lại của sản phẩm
− Xây dựng quy trình lượng hóa chỉ tiêu chất lượng khối lượng còn lại của củ năng thành phẩm
− Xây dựng quy trình lượng hóa chỉ tiêu chất lượng độ sạch của củ năng thành phẩm Ứng dụng kết quả của quá trình xử lý ảnh để đánh giá độ sạch của củ năng từ phòng thí nghiệm CDIO của đại học bách khoa TPHCM.
CƠ SỞ LÝ THUYẾT
Cơ sở thiết kế, mô phỏng máy
2.1.1 Cơ sở thiết kế máy
2.1.1.1 Cơ sở lý thuyết phân tích, thiết kế theo mô đun
Phương pháp thiết kế máy theo mô đun phân tích sản phẩm theo cấu trúc và chức năng đến cấp độ chi tiết Sau đó, xác định mối quan hệ giữa các chi tiết thông qua sơ đồ liên kết và sơ đồ dòng chảy chức năng Mối quan hệ này được thể hiện dưới dạng ma trận độ tương đồng Các chi tiết được phân nhóm lại thành các mô đun dựa trên thuật toán nhóm đối tượng hoặc mô hình toán Mỗi mô đun là một cụm có thể đáp ứng một hoặc nhiều chức năng khác nhau và có thể được thiết kế và chế tạo độc lập dựa trên chức năng của chúng.
Hình 2.1: phân loại mô đun
Mô đun có thể được phân biệt thành nhiều loại khác nhau:
− Mô đun cơ bản: thực hiện các chức năng cơ bản của hệ thống (động cơ, hộp giảm tốc, …)
− Mô đun phụ trợ: thực hiện chức năng phụ trợ nhằm bổ sung cho các mô đun cơ bản
− Mô đun đặc biệt: thực hiện các chức năng đặc biệt có thể không xuất hiện trong chức năng tổng thể
− Mô đun thích ứng: là mô đun trong đó chức năng thích ứng được thực hiện, nhằm thích nghi với sự thay đổi của 1 phần hoặc một hệ thống trong những trường hợp bất ngờ, không dự đoán được (VD: cầu chì, rơ le, aptomat)
− Non – module: thực hiện những chức năng không được đảm bảo bởi hệ thống mô đun, chúng phải được thiết kế riêng biệt và đáp ứng một số nhu cầu cụ thể của khách hàng, nếu được đưa vào sự dụng sẽ tạo nên một hệ thống hỗn hợp trong đó kết hợp mô đun và non – module
Vòng đời của một sản phẩm được thiết kế theo mô đun được mô tả ở hình 2.2:
Hình 2.2: Vòng đời của sản phẩm được thiết kế theo mô đun
2.1.1.2 Phân tích thiết kế hệ thống máy gọt củ năng
Tiếp nối công trình nghiên cứu trước đã thiết kế, lắp đặt và vận hành hoàn chỉnh máy gọt củ năng, luận văn này sử dụng phương pháp mô đun chức năng để phân tích lại thiết kế của máy theo phương pháp truyền thống Thông qua phương pháp mô đun, luận văn tiến hành cải tiến máy nhằm nâng cao hiệu quả và tối ưu hóa thiết kế.
2.1.1.2.1 Phân tích chức năng máy gọt củ năng a Phân tích chức năng máy gọt củ năng
Chức năng của máy gọt củ năng bao gồm:
− Gọt vỏ củ năng nguyên liệu thành củ năng thành phẩm
− Chuyển hóa điện năng thành động năng
Hình 2.3: Sơ đồ chức năng của máy gọt củ năng
Hình 2.4: Sơ đồ chức năng con của máy gọt củ năng
Hình 2.5: Sơ đồ sắp xếp chức năng con
2.1.1.2.2 Phân tích thiết kế hệ thống cho sản phẩm a Phân tích thiết kế cấu hình máy gọt củ năng
Hình 2.6: Sơ đồ kết cấu chức năng máy gọt củ năng b Phân tích dòng chảy chức năng-kết cấu
Hình 2.7: Sơ đồ dòng chảy chức năng tổng thể máy gọt củ năng c Các mô đun của máy gọt củ năng
Từ các phân tích lại trên ta chia máy gọt củ năng thành các mô đun sau:
− Mô đun 1: Mô đun truyền động
− Mô đun 2: Mô đun gọt vỏ
2.1.2 Cơ sở mô phỏng máy
Trong luận văn sẽ đi giải quyết bài toán mô phỏng kiểm bền các chi tiết quan trọng của máy gọt củ năng
Phương pháp phần tử hữu hạn được chọn để tiến hành giải quyết các bài toán mô phỏng Phương pháp phần tử hữu hạn là một phương pháp số tương đối chính xác để 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, vì vậy mà chúng tôi sử dụng nó để mô phỏng sự biến dạng và phạm vi hoạt động của máy gọt củ năng.Trong nghiên cứu này, chúng tôi sử dụng phần mềm ANSYS 2021R2 để mô phỏng tính toán để kiểm nghiệm độ bền biến dạng của các chi tiết quan trọng
ANSYS 2021R2 là một phần mềm mạnh được phát triển và ứng dụng rộng rãi trên thế giới Trong tính toán thiết kế cơ khí, phần mềm ANSYS có thể liên kết với các phần mềm thiết kế mô hình học 2D và 3D để phân tích trường ứng suất, biến dạng, trường nhiệt độ, tốc độ dòng chảy, có thể xác định được độ mòn, mỏi và phá hủy của chi tiết ANSYS là một gói phần mềm phân tích phần tử hữu hạn (Finite Element Analysis, FEA) hoàn chỉnh dùng để mô phỏng, tính toán thiết kế công nghiệp, đã và đang được sử dụng trên thế giới trong hầu hết các lĩnh vực kỹ thuật: kết cấu, nhiệt, dòng chảy, tương tác giữa các môi trường, giữa các hệ vật lý Thêm vào đó phần mềm ANSYS được cấp bản quyền dành cho sinh viên và nghiên cứu sinh nên đây là phần mềm tối ưu dùng để học tập và nghiên cứu ở phạm vi trong giáo dục với phiên bản giới hạn đủ để nghiên cứu và phát triển sản phẩm
2.1.2.1 Mô phỏng kiểm bền chi tiết máy
Chi tiết máy được kiểm bền trên phần mềm Ansys theo quy trình như hình 2.8:
Hình 2.8: Quy trình kiểm bền chi tiết máy
− Dữ liệu kỹ thuật là các thông số đầu vào: các thông số về vật liệu và các thông số về phân tích lực
− Thiết kế 2D: thiết kế chi tiết máy bằng 2D
− Mô hình hóa 3D: sử dụng phần mềm để mô hình hóa 3D chi tiết
− Thiết lập dữ liệu: thiết lập các thông số cho mô hình đã được mô hình hóa 3D
− Mô phỏng: tiến hành mô phỏng kiểm bền chi tiết máy
− Trích xuất dữ liệu: trích xuất dữ liệu mô phỏng ra file PDF hoặc các file liên quan
Hình 2.9 là kết quả mô phỏng chi tiết trục của mô đun truyền động bằng phần mềm
Hình 2.9: Kết quả mô phỏng chi tiết trục của mô đun truyền động bằng phần mềm
Dữ liệu kỹ thuật Thiết kế
2D Mô hình hóa 3D Thiết lập dữ liệu Mô phỏng Trích xuất dữ liệu
Quy hoạch thực nghiệm bằng phương pháp Taguchi
Tiến sĩ Taguchi, người Nhật Bản, được biết đến là cha đẻ của phương pháp Thiết kế Bền vững (Robust Design) và phương pháp thực nghiệm mang tên ông Mục đích của phương pháp Taguchi là thiết kế hệ thống hoặc sản phẩm sao cho ít bị tác động bởi các yếu tố gây ra biến động chất lượng Phương pháp này tập trung vào việc tối ưu các thông số để đạt được mức chất lượng ổn định và cao nhất Một đặc điểm nổi bật của phương pháp Taguchi là sử dụng dãy trực giao để lập kế hoạch thực nghiệm.
Phương pháp Taguchi là phương pháp tối ưu hóa thiết kế thử nghiệm được sử dụng để xác định các thông số quan trọng nhất ảnh hưởng đến hiệu suất của sản phẩm hoặc quy trình Phương pháp này dựa trên khái niệm về chỉnh giao, giúp giảm thiểu số lượng thí nghiệm cần thiết để nghiên cứu ảnh hưởng của các thông số lên đáp ứng của sản phẩm hoặc quy trình Bằng cách sử dụng phương pháp Taguchi, các nhà nghiên cứu có thể nhanh chóng tối ưu hóa các thông số để đạt được hiệu quả mong muốn.
− Phương pháp Taguchi bổ sung cho hai phương pháp quy hoạch thực nghiệm toàn phần (TNT) và riêng phần (TNR)
− Phương pháp Taguchi dựa trên ma trận thực nghiệm trực giao xây dựng trước và phương pháp để phân tích đánh giá kết quả
− Các nhân tố có thể có 2, 3, 4, 5,…, 8 mức giá trị
− Phương pháp Taguchi sử dụng tốt nhất với các nhân tố khảo sát từ 3 đến 50, số tương tác ít và khi chỉ có một số ít nhân tố có ý nghĩa
Phương pháp quy hoạch thực nghiệm theo Taguchi được lựa chọn để tiến hành thu thập và xử lý dữ liệu Mô hình nghiên cứu quá trình được thể hiện ở hình 2.10 với X là các nhân tố đầu vào; Y là đối tượng nghiên cứu và G là các nhân tố nhiễu trong quá trình
Hình 2.10: Mô hình nghiên cứu quá trình áp dụng quy hoạch thực nghiệm
Trước khi tiến hành xây dựng mô hình thực nghiêm ta tiến hành phân tích hệ thống bằng sơ đồ nhân tố đặc tính để xác định các nhân tố có thể ảnh hưởng đến quá trình Sơ đồ quy trình xác định mô hình nhân tố đặc tính được thể hiện ở hình 2.11
Hình 2.11: Sơ đồ nhân tố đặc tính
Thực hiện quá trình quy hoạch thực nghiệm theo quy trình ở hình 2.12 để xác định sự ảnh hưởng của các nhân tố đến sản phẩm đầu ra
Hình 2.12: Mô hình áp dụng quy hoạch thực nghiệm
Phương pháp Taguchi sử dụng tín hiệu/ nhiễu (Signal to Noise Ratio) S/N được chuyển đổi từ hàm mất mát 𝐿 = 𝑘(𝑦 − 𝑚) 2
L: là mất mát do sạch lệch giá trị đáp ứng y nhận được so với giá trị đáp ứng m mong muốn k: là hằng số
Tỷ số S/N được xây dựng và chuyển đổi để tính toán cho 3 trường hợp chính:
− Nếu giá trị đáp ứng 𝑦 𝑖 cần đạt lớn hơn tốt nhất thì:
− Nếu giá trị đáp ứng 𝑦 𝑖 cần đạt nhỏ hơn tốt nhất thì:
− Nếu giá trị đáp ứng 𝑦 𝑖 cần đạt hoặc đánh giá ảnh hưởng của các nhân tố thì:
𝑛−1∑ 𝑛 𝑢=1 (𝑦 𝑢 − 𝑦̅) 2 với 𝑛, 𝑠, 𝑦̅ lần lượt là số thí nghiệm lặp, độ lệch chuẩn và gia trị trung bình
Trong mọi trường hợp thì tỉ số S/N càng lớn thì tính đặc tính nhận được càng tốt
Do không sử dụng toàn bộ các tổ hợp thí nghiệm nên phương pháp Taguchi không đưa ra được một con số chính xác về ảnh hưởng của một nhân tố đầu vào đến kết quả đầu ra mà chỉ mang tính định hướng Mặc dù vậy, bằng việc đáng giá qua tỷ số S/N giúp ta có thể biết xu hướng và mức độ ảnh hưởng của từng thông số công nghệ đến kết quả đầu ra Từ các nhận biết này sẽ giúp ta nhanh chóng tìm ra các thông số công nghệ và phạm vi cần tác động để nhận được hiệu quả đầu ra tốt nhất Trên cơ sở đáng giá ảnh hưởng riêng lẻ các thông số có thể tìm ra được tổ hợp các thông số công nghệ tối ưu cho kết quả đặc tính đầu ra mong muốn.
Lý thuyết tối ưu hóa đồng thời nhiều thông số đầu ra theo lý thuyết hệ số xám
Với nhược điểm của phương pháp thực nghiệm Taguchi là chỉ tối ưu được các bài toán đơn mục tiêu do đó trong luận văn sử dụng lý thuyết hệ số xám để tối ưu bài toán đa mục tiêu Để tối ưu hóa đồng thời nhiều thông số trong phương pháp Taguchi ta cần tổng hợp các thông số đó thành một hệ số tương đương Vấn đề quan trọng nhất trong việc tổng hợp này là việc xác định hệ số của các chỉ tiêu Lý thuyết hệ số xám giúp xác định trọng số của chỉ tiêu theo giá trị của nó đạt được trong quá trình thực nghiệm Mô hình nghiên cứu quá trình được thể hiện ở hình 2.13
Hình 2.13: Mô hình nghiên cứu áp dụng hệ số xám
2.3.1 Tính toán và trình tự chuẩn hóa dữ liệu (data normalization)
Ưu tiên trọng lượng còn lại đạt tối đa so với ban đầu, công thức chuẩn hóa dữ liệu theo phương thức "cao hơn là tốt hơn":
Trình tự 2: “thấp hơn là tốt hơn”
Mặt khác, việc xác định vỏ củ năng còn lại bằng phương pháp xử lý ảnh sau quá trình gọt vỏ, ta ưu tiên độ sạch của củ năng phải bé nhất so với củ năng ban đầu Vì vậy, công thức tính toán chuẩn hóa dữ liệu theo “thấp hơn là tốt hơn” có dạng:
0 x k i : chuỗi dữ liệu ban đầu
* x k i : chuỗi dữ liệu sau trình tự chuẩn hóa dữ liệu
( ) maxx k i 0 : Dữ liệu lớn nhất từ chuỗi dữ liệu x k i 0 ( )
( ) minx k i 0 : dữ liệu nhỏ nhất từ chuỗi dữ liệu x k i * ( )
2.3.2 Tính toán trình tự sai lệch chuẩn
Là bước tiếp theo của trình tự chuẩn hóa dữ liệu, công thức cho việc tính toán trình tự sai lệch chuẩn được biểu diễn dưới dạng:
: điểm đối chiếu so sánh
2.3.3 Tính toán hệ số xám (Grey relation coefficient)
Hệ số xám được dùng để biểu thị mối quan hệ giữa kết quả của chuỗi trình tự thường hóa dữ liệu lý tưởng và thực tế của chuỗi Công thức tính toán hệ số xám được biểu diễn dưới dạng sau:
: hệ số xám của mỗi biến số phản hồi
: hệ số phân biệt của mô hình phân tích quan hệ xám Hệ số phân biệt sẽ được chọn trong khoảng từ [0;1], nhưng thông thường sẽ được chọn chính xác 0.5
2.3.4 Tính toán cấp quan hệ xám
Cấp quan hệ xám dùng để đo đạc mối tương quan giữa yếu tố không gian mẫu và chuỗi kết quả các thông số sau khi hệ số xám của chuỗi dữ liệu rời rạc được tạo ra Sau khi có được kết quả từ việc tính toán hệ số xám, ta tiếp tục lấy trung bình từ kết quả hệ số xám để xác định cấp quan hệ xám Công thức có thể được biểu diễn dưới dạng sau:
i : cấp quan hệ xám n: Tổng số lượng biến số đầu ra của thí nghiệm (biến số phản hồi)
Quy trình kiểm tra độ sạch của sản phẩm
Định nghĩa độ sạch: độ sạch là tỷ lệ phần vỏ còn lại của sản phẩm trên tổng diện tích bề mặt của sản phẩm
Trong luận văn sẽ đi xây dựng quy trình kiểm tra độ sạch của sản phẩm bằng phương pháp xử lý ảnh trước và sau khi gọt vỏ bằng máy gọt củ năng Quy trình thực hiện phương pháp này được thể hiện như hình 2.14
Hình 2.14: Quy trình kiểm tra độ sạch của sản phẩm
Công thức tính độ sạch của củ năng thành phẩm
Thu thập dữ liệu ảnh Xử lý dữ liệu ảnh Phân tích dữ liệu Trích xuất dữ liệu
Phần mềm ImageJ là phần mềm về xử lý ảnh được chọn và sử dụng trong luận văn này
Quy trình xử lý ảnh trong luận văn là ứng dụng kết quả của quá trình xử lý ảnh để đánh giá độ sạch của củ năng từ phòng thí nghiệm CDIO của đại học bách khoa TPHCM Quy trình xử lý ảnh được thể hiện ở phụ lục I của luận văn, để biết thêm chi tiết vui lòng xem phụ lục I được đính kèm ở phần cuối luận văn.
Quy trình kiểm tra trọng lượng của sản phẩm
Khối lượng còn lại tương đối của sản phẩm được xác định bằng tỷ số gữa khối lượng của sản phẩm với khối lượng của củ năng ban đầu
Trong luận văn sẽ đi xây dựng quy trình kiểm tra trọng lượng của sản phẩm bằng phương pháp sử dụng cân điện tử trọng lượng của củ năng trước và sau khi gọt vỏ bằng máy Quy trình được thể hiện như hình 2.15
Hình 2.15: quy trình kiểm tra trọng lượng của sản phẩm
− Cân nguyên liệu là quá trình cân trọng lượng nguyên liệu trước gọt vỏ.
− Cân thành phẩm là quá trình cân trọng lượng của sản phẩm thành phẩm sau gọt vỏ.
− Tính toán và trích xuất dữ liệu là quá trình tính toán và ghi nhận tỷ lệ trọng lượng trước và sau khi gọt vỏ bằng máy.
Cân điện tử là dụng cụ đo của phòng CDIO đại học Bách Khoa TPHCM như hình 2.16 được dùng để cân nguyên liệu và thành phẩm trong luận văn này
Cân nguyên liệu Cân thành phẩm Tính toán và trích xuất dữ liệu
Công thức tính toán phần trăm khối lượng còn lại
Với: mI: là khối lượng của củ năng thành phẩm mF: là khối lượng của củ năng nguyên liệu ms: phần trăm khối lượng còn lại của củ năng.
CẢI TIẾN, THIẾT KẾ VÀ CHẾ TẠO MÁY
Thiết kế và cải tiến máy
Theo như phân tích ở mục 2.1.1.2.2 ở chương 2 thì máy gọt củ năng gồm 2 mô đun chức năng chính:
3.1.1 Thiết kế cải tiến mô đun ổ trục truyền động
Một số nhận xét của giáo viên phản biện về các vấn đề còn tồn tại ở thiết kế của mô đun truyền động:
Hình 3.1: Nhận xét của giáo viên phản biện ở công trình nghiên cứu trước
Dựa trên nhận xét của giáo viên phản biện ở công trình trước ta tiến hành kiểm tra và khắc phục các vấn đề còn tồn tại Vấn đề tồn tại ở luận văn trước bao gồm: động cơ có công suất quá lớn so với tính toán và phần tính toán trục chưa đúng
Quá trình phân tích động học và tính toán lại động lực học của cụm truyền động được thể hiện chi tiết ở phụ lục II Trong luận văn sử dụng phương pháp mô phỏng lực trên phần mềm Assys để kiểm nghiệm lại trục Để biết thêm chi tiết vui lòng xem phụ lục II được đính kèm ở phần cuối của luận văn
Với thiết kế sử dụng động cơ điện quá lớn so với thiết kế sẽ dẫn đến nhược điểm đáng kể Lượng tiêu thụ điện năng lớn, làm tăng trọng lượng của máy Điều này ảnh hưởng đến hiệu quả hoạt động và tính tiện dụng của máy trong quá trình sử dụng.
• Với kết cấu mô đun truyền động hiện tại ta có thể sử dụng để tiến hành thí nghiệm và thu thập dữ liệu
• Để có thể cải tiến máy với các thông số tối ưu mà vẫn đảm bảo về tính kinh tế khi thực hiện thì trong luận văn này vẫn sẽ sử dụng kết cấu hiện tại để thực hiện thí nghiệm và tối ưu các thông số Ta có thể tiến hành cải tiến mô đun truyền động khi đã xác định được các thông số tối ưu
3.1.2 Thiết kế cải tiến mô đun gọt vỏ
Trong quá trình máy hoạt động ba tác động chính được sử dụng để gọt vỏ bao gồm:
− Hình 3.2 a: tác động giữa bề lưỡi dao và đít củ năng
− Hình 3.2 b: tác động giữa lưỡi dao và đầu củ năng
− HÌnh 3.2 c: tác động giữa lưỡi dao và thân củ năng
Hình 3.2: Các tác động chính trong quá trình gọt vỏ
Trong quá trình gọt vỏ máy gọt củ năng sử dụng bộ dao cắt với các thông số chính của bộ dao được thể hiện ở hình 3.3 với các thông số:
− h: khoảng cách giữa mép dao cắt đến bề mặt mâm quay
− b: khoảng cách giữa mép dao cắt đến thành bên của mâm quay
Hình 3.3: Các thông số của cụm gọt vỏ trong quá trình gọt Để tìm mối liên hệ giữa các thông số trong cụm dao cắt ta kết hợp giữa thông số của bộ dao cắt với thông số của bộ dao khi lắp lên máy và mô hình dùng để tìm mối liên hệ giữa các thông số của cụm dao cắt được thể hiện như hình 3.4
Hình 3.4 Mô hình chứng minh mối liên hệ giữa các thông số dao cắt
Các thông số ban đầu của bộ dao khi lắp lên máy được tính toán và đo đạc như sau:
Xét mối liên hệ song song giữa 2 đường thẳng a và a’ ta có mối liên hệ giữa các góc cắt
Xét điều kiện ban đầu
𝑏 ′′′ = 21,35 𝑐𝑜𝑡𝑔(𝛽) − 7,34 Vậy ta có mối liên hệ giữa các thông số dao như biểu thức sau:
a Mô đun gọt vỏ hiện tại
Thiết kế hiện tại của mô đun gọt vỏ được thể hiện ở hình 3.5 với bộ dao khi được gắn trên mâm quay và bộ dao khi được tháo rời ra được thể hiện ở hình 3.6
Hình 3.5: Bản vẽ lắp mô đun gọt vỏ hiện tại
Hình 3.6: Bản vẽ lắp cụm dao gọt vỏ hiện tại
Dưới phân tích ở hình 3.7 ta có thể thấy được trong quá trình gọt vỏ với thiết kế hiện tại thì không thể kiểm soát được thông số của các bộ dao trong quá trình gọt vỏ dẫn tới sai lệch các thông số thiết lập Để phân tích rõ việc không kiểm soát được các thông số dao trong quá trình gọt vỏ ta tiến hành sử dụng sơ đồ nhân tố, đặc tính như hình 3.8 để phân tích các yếu tố ảnh hưởng đến mô đun gọt vỏ
Hình 3.7: Phân tích lỗi thiết kế trong cụm dao cắt hiện tại
Hình 3.8: Sơ đồ nhân tố đặc tính phân tích yếu tố ảnh hưởng đến mô đun gọt vỏ
Từ sơ đồ nhân tố đặc tính hình 3.8 ta đưa ra các nhận xét sau:
− Yếu tố về mâm quay gá dao có thể khống chế trong quá trình chế tạo và lắp ghép máy móc
− Với thiết kế hiện tại góc chưa có sự đồng nhất của các cụm dao cắt Do đó cần cải tiến cụm dao cắt để đảm bảo độ đồng nhất giữa các con dao cắt hoặc sử dụng phương pháp sét dao để đảm bảo độ đồng nhất về thông số hình học giữa các cụm dao cắt
− Với thiết kế hiện tại khi chỉnh chiều cao h của dao cắt sẽ khiến các dao không đồng nhất vì không có cơ cấu dẫn hướng cho dao Do đó trong quá trình máy hoạt động sẽ dẫn đến không đồng bộ về thông số thiết lập Chính vì lý do trên ta cũng cần thiết kế cải tiến cụm dao cắt để đảm bảo tránh bị sai lệch thông số hình học cụm dao cắt trong quá trình hoạt động b Mô đun gọt vỏ cải tiến
Từ các phân tích của mô đun thiết kế hiện tại ta cải tiến mô đun gọt vỏ với hai phần chính gồm:
− Thiết kế cải tiến cụm dao cắt thỏa mãn các tiêu chí chưa đáp ứng như đã phân tích ở trên
− Đưa ra phương pháp thiết lập dao đảm bảo độ tương đồng về thông số hình học giữa các cụm dao cắt
Để đảm bảo các yếu tố gá đặt đảm bảo như phân tích và cải tiến, cần áp dụng phương pháp kiểm tra độ đảo mặt đầu của mâm quay Song song đó, lắp đặt, gá chỉnh mâm quay và gá dao đúng cách để đảm bảo độ song song với mặt bàn làm việc Bằng cách này, quá trình gá đặt sẽ chính xác, góp phần vào hiệu quả gia công cao.
Cụm dao cắt được thiết kế cải tiến thêm bộ phận dẫn hướng như hình 3.9
Hình 3.9: Cải tiến cụm dao cắt với kết cấu then dẫn hướng
Thiết kế, chế tạo dưỡng căn góc để đảm bảo độ tương quan các thông số hình học giữa các cụm dao cắt Hình 3.10 thể hiện thông số dưỡng căn góc và cách thiết lập căn để đảm bảo độ tương quan thông số hình học
Hình 3.10: Bản vẽ dưỡng và vị trí gắn dưỡng lên cụm dao.
Chế tạo và lắp ghép máy
Trong luận văn chế tạo mới các chi tiết dùng để cải tiến cụm dao cắt và các dưỡng căn góc dùng để thiết lập thông số dao
Mâm dao sau khi được lắp đặt hoàn chỉnh như hình 3.11 Máy sau khi được lắp đặt hoàn chỉnh như hình 3.12
Hình 3.11: Mâm dao sau khi được lắp đặt hoàn chỉnh
Hình 3.12: Máy sau khi được lắp đặt hoàn chỉnh
Quá trình chế tạo các chi tiết và lắp ghép máy được mô tả tỉ mỉ trong Phụ lục III Vui lòng tham khảo Phụ lục III đính kèm ở phần cuối của luận văn để biết thêm thông tin chi tiết.
Vận hành thử và kiểm tra hoạt động của máy,
Quá trình chế tạo các chi tiết và lắp ghép máy được thể hiện chi tiết ở phụ lục III Để biết thêm chi tiết vui lòng xem phụ lục III được đính kèm ở phần cuối của luận văn.
QUY HOẠCH THỰC NGHIỆM
Bài toán quy hoạch thực nghiệm
− Đối tượng nghiên cứu: củ năng
− Xác định các thông số tối ưu dành cho máy
− Đánh giá mối quan hệ giữa các yếu tố tác động đầu vào với các chỉ tiêu chất lượng đầu ra của máy gọt củ năng
4.1.1 Xác định các nhân tố đầu vào của quy hoạch thực nghiệm
Theo sơ đồ chức năng và kết cấu của máy gọt củ năng ở hình 2.6, các yếu tố có thể tác động đến kết quả đầu ra gồm: phương pháp thực hiện, mô đun truyền động và mô đun gọt vỏ Trong đó, phương pháp thực hiện là cách thức mà máy gọt củ năng hoạt động, ví dụ như gọt theo hình xoắn ốc hoặc gọt theo chiều dọc Mô đun truyền động cung cấp năng lượng để máy hoạt động, thường bao gồm động cơ điện và hệ thống truyền động như dây đai hoặc bánh răng Mô đun gọt vỏ là bộ phận trực tiếp tiếp xúc với củ năng, có hình dạng và cấu tạo phù hợp để gọt sạch vỏ củ năng.
Trong thí nghiệm phương pháp cấp nguyên liệu thủ công bằng tay được chọn là phương pháp thực hiện Do đó yếu tố về thời gian cắt được nhận định là nhân tố đầu vào ảnh hưởng đến tiêu chí chất lượng đầu ra
Trong thí nghiệm mô đun truyền động là một kết cấu máy phổ biến do đó nhân tố tốc độ quay được nhận định là nhân tố đầu vào ảnh hưởng đến chất lượng đầu ra
Trong thí nghiệm mô đun gọt vỏ chịu ảnh hưởng bởi các tác động chính khi gọt vỏ và các thông số của dao cắt như đã được phân tích ở mục 3.1.2 Sau khi phân tích nhân tố góc cắt và chiều sâu cắt h được nhận định là nhân tố đầu vào ảnh hưởng đến chất lượng đầu ra Các nhân tố tác động đến quá trình gọt vỏ được thể hiện ở hình 3.2 Mối liên hệ hình học giữa các thông số dao được thể hiện ở hình 3.3 và qua công thức đã được chứng minh
Sau khi phân tích và xác định các nhân tố đầu vào ta vẽ sơ đồ nhân tố đặc tính hình thể hiện mối liên hệ giữa nhân tố đầu vào gồm: thời gian gọt vỏ, vận tốc cắt, góc cắt và độ sâu cắt tới đặc tính đầu ra là củ năng thành phẩm với hai tiêu chí chất lượng đầu ra gồm độ sạch và khối lượng còn lại như hình 4.1
Hình 4.1: Sơ đồ nhân tố-đặc tính máy gọt củ năng
4.1.2 Xác định các cấp độ lấy mẫu của các nhân tố
Dựa trên các nghiên cứu trước và quá trình phân tích nhân tố-đặc tính của máy gọt củ năng trong nghiên cứu này, các nhân tố được lựa chọn để tối ưu hóa là: góc cắt, chiều cao cắt, vận tốc cắt và thời gian gọt vỏ Góc cắt là góc tạo ra giữa lưỡi dao cắt và phương tiếp tuyến với bề mặt củ năng tại điểm tiếp xúc.
Góc cắt (độ): Sau khi cải tiến cụm dao cắt, thêm chiều cao cắt h làm nhân tố đầu vào, để kiểm tra đồng thời cả hai nhân tố thì cần giảm biên độ dao động để có thể thiết lập cả hai nhân tố Ở luận văn này lựa chọn 3 mức mẫu là 43; 45; 47 ứng với mức 1, mức 2, mức 3, khoảng thay đổi mỗi mức là 2 (độ).
Chiều cao cắt h là một thông số mới được xác định là có ảnh hưởng đến chất lượng của củ năng thành phẩm Ta tiến hành dùng phương pháp hình học để tính toán các cấp độ của h
Theo các thông số về góc cắt và các yếu tố hình học khi lắp dao thì ta tính được khoảng cao độ thay đổi ở 3 cấp độ lấy mẫu như hình 4.2 và hình 4.3
Hình 4.2: Cao độ h ở mức thấp nhất khi đo tại 3 cấp độ lấy mẫu của góc cắt
Hình 4.3: Cao độ h ở mức cao nhất khi đo tại 3 cấp độ lấy mẫu của góc cắt
Thống kê lại và tính toán khoảng h giao nhau tại 3 cấp độ lấy mẫu như hình 4.4
Hình 4.4: Khoảng giao nhau của cao độ tại 3 cấp độ lấy mẫu của góc cắt
Từ phân tích trên ta chọn 3 cấp độ lấy mẫu là 4; 5; 6 tương ứng với cấp 1, cấp 2, cấp 3 với khoảng thay đổi mỗi cấp độ là 1 (mm) c Vận tốc cắt
Tốc độ cắt (đơn vị: vòng/phút) được chia thành 3 cấp độ thử nghiệm dựa trên kinh nghiệm vận hành máy: cấp 1 là 80 vòng/phút, cấp 2 là 100 vòng/phút, cấp 3 là 120 vòng/phút, mỗi cấp độ chênh lệch 20 vòng/phút.
Thời gian gọt vỏ củ năng được tính bằng đơn vị giây, theo kinh nghiệm vận hành máy ta chọn 3 cấp độ lấy mẫu là 60; 90; 120 tương ứng với cấp 1, cấp 2, cấp 3 với khoảng thay đổi mỗi cấp độ là 30 (s)
Kết luận: Sau khi đã phân tích các nhân tố đầu vào ta xác định cấp độ lấy mẫu của các nhân tố như trong bảng 4.1
Bảng 4.1 : Bảng giá trị các nhân tố đầu vào
STT Nhân tố Đơn vị Cấp độ lấy mẫu
3 C: Vận tốc cắt vòng/phút 80 100 120
4.1.3 Bài toán quy hoạch thực nghiệm
Xác định đồng thời sự phụ thuộc của hai yêu tố chỉ tiêu chất lượng đầu ra: độ sạch của củ năng và khối lượng còn lại của củ năng do các nhân tố:thời gian gọt vỏ; vận tốc cắt; góc cắt ; chiều cao h tác động bằng phương pháp thực nghiệm Taguchi và tối ưu hóa đồng thời các nhân tố đầu ra bằng quan hệ xám
Mô hình thực nghiệm sử dụng phương pháp Taguchi với 4 nhân tố và 3 mức giá trị Quy hoạch nhân tố riêng phần có ma trận quy hoạch trực giao L9 (N = 34-2 = 9 thí nghiệm) được sử dụng Mỗi thí nghiệm lặp lại n = 3 lần để đo độ sạch và khối lượng còn lại của củ năng.
Các nhân tố gây nhiễu được xác định: chất lượng vật liệu gia công, yếu tố gá đặt,độ sạch của dao cắt, độ sắc của dao cắt,…
Phương pháp thực hiện quy hoạch thực nghiệm
Thực hiện quy hoạch thực nghiệm theo lưu đồ khối hình 4.5
Hình 4.5: Lưu đồ khối phương pháp thực hiện quy hoạch thực nghiệm.
PHÂN TÍCH DỮ LIỆU THU THẬP
Phân tích dữ liệu thực nghiệm
Sau khi thu thập và xử lý dữ liệu như mô tả ở lưu đồ khối hình 4.5 ta được các thông số như bảng 5.1:
B ả ng 5.1: Bảng thu thập dữ liệu thực nghiệm
N A B C D Độ sạch (CV) Khối lượng còn lại (RV)
Trong tiêu chí về chất lượng thì củ năng thành phẩm càng sạch càng tốt để giảm tải các hoạt động phía sau Do đó độ sạch (CV) được chọn đánh giá theo tiêu chí nhỏ hơn tốt nhất “lower is best”
Trong tiêu chí chất lượng đầu ra, khối lượng còn lại sau khi gọt (RW) được đánh giá theo chuẩn "Cao hơn là tốt hơn" (Higher is better) Bởi vì khối lượng còn lại cao nhất sẽ đáp ứng tối ưu cho yếu tố năng suất gọt.
Thế công thức 2.1 để tính toán hệ số S/N cho tiêu chí khối lượng còn lại
Thế công thức 2.2 để tính toán hệ số S.N cho tiêu chí độ sạch
Sau khi thế công thức và tính toán ta được bảng thông số S/N của hai chỉ tiêu chất lượng như bảng 5.2
Bảng 5.2: Bảng chỉ số S/N của độ sạch (CV), khối lượng còn lại (RW)
Tối ưu hóa đa mục tiêu bằng lý thuyết hệ số xám
5.2.1 Tính toán trình tự chuẩn hóa dữ liệu
Thế công thức 2.4 để tính toán hệ số S/N cho tiêu chí khối lượng còn lại
Thế công thức 2.5 để tính toán hệ số S.N cho tiêu chí độ sạch
Kết hợp với chỉ số S/N như bảng 5.2 ta được bảng tính toán trình tự chuẩn hóa dữ liệu như bảng 5.3
Bảng 5.3: Bảng chuẩn hóa dữ liệu
STT CV RW S/N Chuẩn hóa dữ liệu
5.2.2 Tính toán sai lệch chuẩn
Tính toán trình tự sai lệch chuẩn theo công thức 2.6 kết hợp với bảng chuẩn hóa dữ liệu 5.3 Sau khi tính toán ta được kết quả như bảng 5.4
Bảng 5.4: Bảng tính toán sai lệch chuẩn
STT CV RW Chuẩn hóa dữ liệu Sai lệch chuẩn
5.2.3 Tính toán hệ số xám và cấp quan hệ xám
Tính toán hệ số xám theo 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 tính toán ta được kết quả như bảng 5.5 Sau khi tính toán hệ số xám ta tiến hành xếp hạng theo giá trị của hệ số xam
Bảng 5.5: Bảng tính toán hệ số xám
TT Biến số đầu ra Hệ số xám Cấp quan hệ xám Xếp hạng
CV RW Mean CV Mean RW (GRG)
5.2.4 Áp dụng minitab để tính toán thực nghiệm
Dựa trên phân tích thống kê, kiểm định giả thuyết về mối tương quan giữa hai biến số đầu ra cho thấy không có mối tương quan đáng kể ở mức ý nghĩa 95% Do đó, không cần tính điểm thành phần chính Z (điểm kiểm định Z) vì không thể bác bỏ giả thuyết vô hiệu (hoặc giả thuyết 0) cho rằng hai đặc tính chất lượng không liên quan và chuyển thẳng sang phân tích quan hệ xám.
Minitab là phần mềm ứng dụng thống kê được phát triển ở đại học Pennsylvania bởi bởi Barbara F Ryan, Thomas A Ryan, Jr và Brian L Joiner năm 1973 Minitab được sử dụng phổ biến để cải tiến các quy trình bằng phương pháp thống kế Trong luận văn sử dụng phần mêm Minitab phiên bản 2019
Sau khi thu được hệ số xám như bảng 5.5 bảng thực nghiệm được viết lại như bảng 5.6
Bảng 5.6: Bảng kết quả thực nghiệm theo hệ số xám a A B C D Hệ số xám (GRG)
Theo bảng kết quả thực nghiệm tại Bảng 5.5, chúng ta thiết lập các thông số trên phần mềm theo bài toán đã mô tả tại mục 4.1.3 Trong đó, đối với hệ số GRC, ta lựa chọn tiêu chí đánh giá giá trị lớn hơn thể hiện chất lượng phân tích tốt hơn để tiến hành phân tích thực nghiệm.
Kết quả thu thập được trên phần mềm minitab
Hình 5.1: Phản hồi về mức độ ảnh hưởng của các nhân tố (minitab)
Hình 5.2: Phân tích ảnh hưởng của các nhân tố (minitab)
Hình 5.3: Bảng mô hình tuyến tính Anova
5.2.5 Phân tích kết quả thực nghiệm
Dựa trên bảng kết quả 5.6, lần chạy thử nghiệm đầu tiên A1B1C1D1 có giá trị
GRG cao nhất và do đó được xếp hạng 1 cho các biến số đầu ra CV và RW tối ưu nhất Tuy nhiên, kết quả chỉ phản ánh một kết quả nhỏ của thử nghiệm dựa trên phạm vi và yếu tố được dự đoán, và nó chưa bao gồm đầy đủ tất cả các tác động chưa biết (cofounding factors) cũng như kiểm soát các yếu tố gây nhiễu từ thử nghiệm Vì vậy, mô hình này cần thiết một số lần lặp thí nghiệm cũng như các biểu đồ phân tích thống kê khác để xác minh tính hiệu quả và tin cậy
Dựa trên kết quả GRG thu được từ việc tính toán và trích xuất dữ liệu ở trên phần mềm minitab Biểu đồ ảnh hưởng chính của các nhân tố (Main Effects Plot) ở hình 5.3 sẽ được sử dụng để đưa ra các đánh giá khách quan về yếu tố ảnh hưởng của GRG đến các thông số thí nghiệm đầu vào Để kết luận và đánh giá thông tin từ biểu đồ ảnh hưởng chính, các nhân tố có sự thay đổi về độ nghiêng dốc được coi là yếu tố có ảnh hưởng nhất đến thí nghiệm Do đó, cả bốn nhân tố đều có sự thay đổi đáng kể về độ nghiêng dốc nên có thể kết luận rẳng chúng đều có ảnh hưởng đến quá trình gọt vỏ Trong đó, vận tốc cắt và thời gian cắt là những thông số có mức độ ảnh hưởng lớn nhất
Ngoài ra, bảng phản hồi về mức độ ảnh hưởng của các nhân tố (Response table for Means) từ phần mềm Minitab như hình 5.1 được sử dụng để xếp hạng các yếu tố đầu vào dựa trên kết quả Vận tốc cắt được xếp hạng cao nhất với giá trị delta cao nhất Tiếp theo lần lượt là thời gian cắt, chiều cao cắt và góc cắt với giá trị delta giảm dần tương ứng.
Theo bảng phản hồi về mức độ ảnh hưởng được trích xuất từ minitab, ta tiến hành chuyển sang bảng 5.7 để dễ dàng phân tích:
Bảng 5.7: Bảng phản hồi về mức độ ảnh hưởng của các nhân tố
Cấp độ Góc cắt Chiều cao cắt Vận tốc cắt Thời gian cắt
Trung bình, các lần chạy thử nghiệm với vận tốc cắt 80 RPM cho thấy độ hiệu quả lớn hơn so với vận tốc cắt 100 RPM hoặc 120 RPM Tương tự, nhân tố thời gian cắt với giá trị 60 giây được coi là có ý nghĩa thống kê cao hơn so với hai giá trị còn lại Cuối cùng, mức độ ảnh hưởng đối với góc cắt và chiều cao cắt được chứng minh tối ưu lần lượt là 45 và 5mm Vì vậy, các thông số tối ưu nhất cho máy gọt củ năng có thể được chọn bởi biểu đồ ảnh hưởng chính như hình 5.4:
Hình 5.4: Giá trị tối ưu theo biểu đồ ảnh hưởng chính
Từ hình 5.4 ta đưa ra bảng thông số các giá trị tối ưu trong thực nghiệm
Bảng 5.8: Bảng thông số tối ưu nhất trong thực nghiệm
A: Góc cắt () B: Chiều cao cắt
Để xác định ảnh hưởng của các nhân tố đến kết quả đầu ra, phân tích giá trị phương sai (ANOVA) được sử dụng Bảng được lập từ hình 5.3 để tính toán tỷ lệ phần trăm ảnh hưởng của từng nhân tố.
Bảng 5.9: Bảng mô hình tuyến tính Anova
Mục DF Adj SS Adj MS F-Value P-Value Mức độ ảnh hưởng
Ngoài ra, để có một phân tích chuyên sâu hơn về mặt thống kê giữa các tác động chính, ta tiến hành phân tích riêng biệt hai yếu tố cao nhất là vận tốc cắt và thời gian cắt bằng cách sử dụng bảng ANOVA Để đảm bảo bậc tự do (degree of freedoms) đầy đủ cho sai số thống kê và tránh lặp lại hệ số ảnh hưởng, Các giá trị không đáng kể hoặc cực nhỏ như góc cắt và chiều cao cắt được bỏ qua Do đó, ta tiến hành tạo ra bảng phân tích mới ANOVA dành riêng cho hai yếu tố vận tốc cắt và thời gian cắt Bằng cách sử dụng minitab tương tự như trên ta có bảng mô hình tuyên tính ANOVA giữa vận tốc cắt và thời gian cắt
Bảng 5.10 : Bảng mô hình tuyến tính ANOVA giữa vận tốc cắt và thời gian cắt
Mục DF Adj SS Adj MS F-Value P-Value Mức độ ảnh hưởng
Như thể hiện trong bảng mô hình tuyến tính ANOVA giữa vận tốc cắt và thời gian cắt, giá trị P cho cả giá trị nhỏ hơn 0,05, do đó tất cả chúng đều đóng vai trò quan trọng trong suốt quá trình gọt vỏ Với tỷ lệ phần trăm các mức độ ảnh hưởng, giá trị của vận tốc cắt thể hiện mức ảnh hưởng lớn với 69.9% so với chỉ 23,22% thuộc về yếu tố thời gian cắt, và 6.9% là mức ảnh hưởng của các nhân tố chưa xác định
Hình 5.5:Biểu đồ tròn thể hiện mức độ ảnh hưởng của vận tốc cắt và thời gian cắt
Mức độ ảnh hưởng giữa vận tốc cắt và thời gian cắt (%)
Vận tốc cắt Thời gian cắt
KẾT QUẢ VÀ ĐỀ XUẤT
Tóm tắt kết quả thực nghiệm
Mô hình thực nghiệm trực giao ma trận L9 chứng minh cho việc lựa chọn này không chỉ hiệu quả mà còn đầy đủ để đánh giá từng yếu tố riêng lẻ.
− Với việc sử dụng hệ số xám trong nghiên cứu 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 đến đồng thời hai nhân tố đầu ra bao gồm: độ sạch và khối lượng còn lại của củ năng thành phẩm Trong nghiên cứu các thông số tối ưu nhất khi thiết lập máy dựa trên quy hoạch thực nghiệm: A: Góc cắt (45); B: Chiều cao cắt (5mm); C: Tốc độ cắt (80RPM); D: Thời gian cắt (60 giây).
Các vấn đề còn tồn đọng trong nghiên cứu
− Tình trạng vệ sinh của máy chưa được đáp ứng tốt nhất vì sản phẩm sau khi gia công dính nhiều bụi bẩn, dầu máy
Các yếu tố đầu vào thích hợp cho đánh giá và nhận xét, tuy nhiên có thể chưa đủ để phân tích sâu; các nghiên cứu thực nghiệm riêng biệt cũng không xác định được kết quả tối ưu cho thông số đầu vào.
− Vẫn còn tồn đọng một số lỗi liên quan trực tiếp đến mô-đun truyền động trong quá trình vận hành Do đó, đây có thể được coi là các yếu tố gây nhiễu xuyên suốt quá trình thực nghiệm
− Vấn đề liên quan đến sử dụng động cơ với công suất lớn hơn công suất cần thiết quá nhiều.
Các đề xuất cho hướng nghiên cứu tiếp theo
− Giữ thông số tối ưu của hai nhân tố không có ảnh hưởng nhiều đến chất lượng đầu ra bao gồm: góc cắt và chiều cao cắt Tiến hành thực nghiệm toàn phần bậc
II hai thông số tốc độ cắt và thời gian cắt để tìm ra thông số tối ưu nhất cho máy Sau khi đã tối ưu được thông số tốc độ cắt và thời gian cắt có thể cân nhắc đến việc tăng năng suất gọt bằng cách tìm thông số tối ưu cho thông số b
− Vấn đề vệ sinh an toàn thực phẩm cực kỳ quan trọng đối với máy chế biết nông sản do đó cần thiết kế thêm hệ thống dẫn nước và tấm phủ che chống dầu nhớt bám dính trên củ năng thành phẩm
− Vì máy gọt củ năng hiện tại sau khi thực hiện luận văn chỉ là phiên bản thứ 2 do đó cần cải tiến thêm mođun truyền động của máy (trục, mặt bích, kiểu lắp ráp,… vv)
− Qua quá trình thực nghiệm nhận thấy rằng lực ly tâm được nhìn nhận là một trong những vấn đề nghiêm trọng vì nó chủ yếu đẩy hạt dẻ nước quay sát bên ngoài thành tường khi vận hành máy (lực ma sát tác động vào tường là cũng có thể làm bong tróc vỏ hoặc phần thịt củ năng) Do đó, ta có thể tận dụng lực ly tâm bằng cách thêm thiết kế có khả năng gọt vỏ ở thành
Multi-variable optimization for cleanliness value and remaining weight ratio of water chestnut peeling process using Taguchi-based grey relational analysis
(Áp dụng phương pháp phân tích Taguchi xám trong việc tối ưu hóa quy trình gọt vỏ củ năng theo thông số độ sạch và khối lượng còn lại)
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 continues the experimental optimization of the already-built chestnut peeling machine via design of experiments The investigation emphasis is laid on the peeling process, which is evaluated by the cutting parameters of a turntable cutter assembled on the machine, and the final quality of the product
With the aim of yielding high accuracy and reliability of the test result, the Taguchi based Grey Relational method is primarily conducted for the experimental model As requested by the experiment, four features of cutting parameter, which are defined by manually setting the turntable cutter before running the experiment, are represented as the input While the Remaining Weight (RW) ratio and Cleanliness Value
The experimental outputs include the RW (ratio weight) and CV (coefficient of variation) The RW is calculated as the percentage difference between initial and final weights The CV reflects the unpeeled skin remaining on the chestnuts As the CV is difficult to assess directly, digital image processing is utilized The main effect plot and ANNOVA interaction plot visually represent the experimental outcomes, allowing for the identification of the most influential input parameters and their ranking based on their impact on the peeling performance.
Bài báo nghiên cứu khoa học này trình bày việc kế thừa và tiếp tục tối ưu hóa máy bóc vỏ củ năng đã được chế tạo thông qua quy hoạch thực nghiệm Trọng tâm của nghiên cứu nhấn mạnh vào quá trình gọt vỏ được đánh giá bằng các thông số của cơ chế cắt của máy cắt bàn xoay được lắp đặt trên máy, và chất lượng của sản phẩm cuối cùng Nhằm mang lại sự chính xác và độ tin cậy cao cho kết quả thử nghiệm, phương pháp
Taguchi được lựa chọn để áp dụng cho mô hình thử nghiệm ở nghiên cứu này Theo yêu cầu được đặt ra của bài toán, bốn thông số cắt, được xác định bằng cách thiết lập thủ công cho dao cắt bàn xoay trước khi thực hiện việc chạy máy sẽ được biểu diễn dưới dạng thông số đầu vào Trong khi tỷ lệ Trọng lượng Còn lại (RW) và Giá trị Độ sạch (CV) là kết quả thông số đầu ra của thử nghiệm Về RW, giá trị có thể được thu thập nhanh thông qua việc tính toán phần trăm chênh lệch giữa trọng lượng ban đầu và trọng lượng cuối cùng (mỗi mẫu được cân trên cân tiểu ly) Mặt khác, do CV thể hiện phần vỏ chưa được bóc còn sót lại trên quả củ năng và rất khó đánh giá bằng mắt thường hoặc bằng bất kỳ thiết bị nào, nên kỹ thuật xử lý ảnh sẽ được áp dụng trong nghiên cứu này Kết quả thực nghiệm được chứng minh thông qua biểu đồ ảnh hưởng chính và biểu đồ phân tích phương sai ANNOVA nhằm kiểm tra và đánh giá các tác động nổi bật từ các thông số đầu vào, và do 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
In this research paper, in order to gain assessment on the quality of peeled water chestnut, the optimization of the water chestnut peeling machine is primarily conducted via the peeling mechanism, which is the turntable cutter assembled on the top of the machine From the analysis, the study indicates the cutting parameters, also referred as influencing factors, including cutting angle, cutting height, cutting velocity and peeling duration are the control factors which operate at three levels As a result, the quality parameters representative in this experiment are the two aforementioned factors: Cleanliness Value and Remaining Weight Since the study requires a number of experimental iterations to figure out the most optimized factors among the four cutting parameters, this situation literally calls for a robust design, which means the need for the most standout method that improves the quality of a product by minimizing the effects of variation without eliminating the causes In this case, the Taguchi-based Grey Relational
Analysis is statistically the best fit for the already-stated problem
The Taguchi method, which was developed by Genichi
Taguchi, is the experimental model facilitates identifying key effect parameters and disposing parameters with little effect Taguchi technique establishes a standard orthogonal array to evaluate the effects of design parameters on the response value in an unbiased manner The orthogonal array
Orthogonal array (OA) reduces the number of experiments needed to validate conclusions drawn from small-scale experiments over a broader experimental space defined by controllable factors and their settings.
On the other hand, Grey Relation Analysis (GRA), which is originated by Professor Julong Deng, is a method used to determine the optimum condition of various input parameters to obtain the best 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 chestnut is weighted 300 grams for the fitness of the machine design The peeling module, which is the turntable cutter consists of six cutting structures, is primarily responsible for removing tuber peels As a result, the final shape of water chestnut before and after peeling process is indicated in the Fig.2
Fig.2 Water Chestnut before and after peeling process