Luận văn thạc sĩ Kỹ thuật cơ khí: Nghiên cứu tối ưu các thông số công nghệ chính trong Hot Spif cho vật liệu Titanium đảm bảo khả năng tạo hình với sai số kích thước nhỏ nhất

Tuy nhiên, nếu ta xác định đượccác thông số công nghệ chính phù hợp đặc biệt là nhiệt độ cho vật liệu thì có théứng dụng công nghệ biến dạng cục bộ liên tục đơn điểm ở nhiệt độ cao HOT S

TONG QUAN, MỤC TIỂU VÀ NHIEM VỤ NGHIÊN CỨU 1.1 Giới thiệu về công nghệ biến dạng cục bộ liên tục đơn điểm ở nhiệt độ cao

Nam 1967, Leszak [42] phát minh một phương pháp tạo hình kim loại không dùng khuôn băng cách sử dụng chuyển động của dụng cụ được điều khiến số.

Phương pháp này sử dụng một dụng cụ đơn giản, biến dạng từ vật liệu kim loại dạng tắm theo từng lớp để đạt được hình dạng của sản phẩm hoàn thiện Tuy nhiên, tại thời điểm đó, khả năng áp dụng điều khiển số còn hạn chế, do vậy việc ứng dụng phương pháp này vào thực tiễn vẫn còn chưa khả thi.

Ngày nay, cùng với sự phát triển của kỹ thuật điện toán hỗ trợ quy trình CAD- CAM-CNC, nhiều kỹ thuật tạo mẫu nhanh trên tam đã ra đời Các kỹ thuật này có thé áp dụng tốt trong quá trình sản xuất đơn chiếc, nhỏ hay vừa và có thé ứng dụng trong nhiều ngành công nghiệp: ô tô, hàng không, y học Tuy nhiên, trong hau hết các phương pháp tạo mẫu trên tam đều cần đến khuôn mẫu cho mô hình can gia công Do đó nhu câu một phương pháp tạo hình đơn giản và ít tốn kém hơn ra đời.

Có thé thay răng trong chi phí sản xuất một sản phẩm tam thông thường thì giá trị của khuôn mẫu chiếm tỉ lệ cao Do đó, ý tưởng về một công nghệ tạo mẫu nhanh trên tắm không cần dùng khuôn ra đời.

Single Point Incremental Forming (SPIF): Tạo hình bằng công nghệ tao hình cục bộ liên tục đơn điểm, lực tác dụng trên một bên mặt của tắm còn mặt kia để biến dang tự do (giống công nghệ miết nhưng không cần khuôn, tam không xoay tron mà dụng cụ tạo hình sẽ chuyển động) Phương pháp này không cần dùng khuôn có hình dáng của sản phẩm mà chi cần có tam tựa dưới có hình dáng don giản thường có dang là chu vi của sản phẩm và tam kẹp trên để giữ cố định phôi tam cân tạo hình (hình 1.1) SPIF có đồ gá và dung cụ tạo hình đơn giản.

Two Point Incremental Forming TPIF tạo hình bang bién dang cục bộ liên tục hai điểm có lực tạo hình tác dụng trên cả hai mặt của tắm (tương tự công nghệ miết có khuôn nhưng tâm không xoay tròn mà chuyên động của dụng cụ tạo hình sẽ tạo hình bang cách miết lên mặt tam tựa hay dưỡng tạo phân lôi).

Tấm kep_ Dụng cụ Dưỡng tạo phân lồi

Hình 1.2 TPIF.a) Trước gia công, b) Dang gia công

Phương pháp này ngoài tam tựa dưới như SPIF còn cần phải dùng thêm dưỡng tạo phân lồi có định Toàn bộ đồ gá và tam tựa dưới sẽ di chuyển xuống theo đầu dụng cụ tạo hình còn dưỡng tạo phân lồi thì cố định trên bàn máy.

SPIF bị giới hạn là không thé tạo các chi tiết tam vừa lõm vừa có vùng lồi còn TPIF dùng thêm dưỡng, kết cấu đồ gá có thé chuyển động hạ xuống, nâng lên cùng với đầu dụng cụ tạo hình, do đó phạm vi tạo hình rộng hơn có thé tạo hình các chỉ tiết tắm vừa lõm vừa có vùng lôi.

Hai phương pháp này được gọi chung là công nghệ tạo hình cục bộ liên tục chỉ tiết dạng tam không dùng khuôn Incremental Sheet Forming (ISF).

Hình 1.3 Quy trình tạo sản phẩm từ công nghệ ISF

Công nghệ này đã thu hút sự quan tâm của nhiều nhà khoa học trong vài thập niên trở lại đây [1 2.3.5] Một trong những ưu điểm của phương pháp này là không yêu cầu khuôn đất tiền và thiết bị phức tạp, giảm thời gian chuẩn bị và gá đặt Công nghệ ISF sử dụng may CNC để tạo hình vật liệu tắm với dụng cụ biến dạng đầu chom cầu không cạnh cắt Tam vật liệu được kẹp chắc trên một khung và gá chắc chan trên ban máy CNC Dụng cụ tạo hình sẽ được lập trình chạy theo biên dạng sản phẩm và biến dang tam theo từng lớp vật liệu cho đến khi hoàn chỉnh hình dạng thực của sản phẩm Khả năng biến dạng của công nghệ này hơn hắn công nghệ truyền thống nên có thể thực hiện với các mô hình phức tạp và đáp ứng việc tạo mẫu nhanh cho các sản phẩm làm từ vật liệu tắm (kim loại tắm hoặc polymer tắm) Thời gian để tạo hình sản phẩm từ giai đoạn mô hình hóa 3D sản phẩm đến tạo hình bằng công nghệ này có thé chỉ mất một ngày với chi phí gia công rất thấp.

Chỉ tiết có hình dạng phức tạp có thé được tạo hình bang cách sử dung máy gia công điều khiến số (CNC) Quá trình sử dung dữ liệu CAD chính xác dé miêu ta chỉ tiết tạo hình Không yêu cầu có nguyên công gia công bang tay đáng ké và vì thế khả năng lặp lại của quá trình rất tốt Hạn chế của quá trình là thời gian tạo hình tương đối dài Vì lý do này, ISF có thể thực hiện được trong tạo mẫu và sản xuất loạt nhỏ Kỹ thuật tạo hình cục bộ liên tục được phát triển trong khoảng một thập niên gần đây.

Không giống những quá trình bién dạng kim loại tam khác, quá trình tao hình tam băng biến dạng cục bộ liên tục không yêu câu bất kỳ chày hay khuôn chuyên dụng nào để tạo ra những hình dạng phức tạp, bởi vậy nó giống như tạo mẫu nhanh Quá trình sử dụng một dụng cụ đầu dạng cầu (không có lưỡi cắt), tiêu chuẩn, đường kính có thé nhỏ hơn rất nhiều so với chỉ tiết được gia công Suốt qua trình biến dang, dụng cụ di chuyển theo một chuỗi các đường cong kín theo hình dạng cuối cùng của chỉ tiết và biến dạng mở rộng dân cho đến hình dạng mong muốn Sự biến dạng chỉ hạn chế trong vùng xung quanh dụng cụ Những vùng không tiếp xúc với dụng cụ sẽ không bị biến dạng Quá trình tạo hình tắm cục bộ liên tục được thực hiện trên nguyên tắc gia công theo lớp, ở đây mô hình được chia nhỏ thành từng lát cắt ngang Đường chạy dao được điều khiến số được lập trình sử dụng đường viên của những lát cắt này. Đầu những năm của thập niên 90, có một số nghiên cứu công bố về phương pháp này trong lĩnh vực kim loại tắm [1, 10, 23, 24] nhưng còn nhiều hạn chế trong nghiên cứu Van đề về độ chính xác của phương pháp này vẫn còn là một thách thức vì thế chúng chưa trở thành một phương pháp có thể ứng dụng đại trà trong công nghiệp. Đến cuối năm 2005, phương pháp đã này trở thành một trong các chủ đề của nhiều hội nghị khoa học trên thế giới, nhiều nghiên cứu khoa học được công bố ứiỳp từng bước hiểu r mối quan hệ giữa cỏc thụng số va quỏ trỡnh biến dạng của công nghệ tạo hình kim lọai tắm này [1, 2, 3, 14].

Công nghệ SPIF thích hop cho các loạt sản phẩm vừa và nhỏ, giảm giá thành sản phẩm Trong thời điểm hiện tại, các nghiên cứu đã tập trung vào hau hết các khía cạnh của quá trình gia công như: máy — thiết bi, dụng cụ tạo hình, các thông số ảnh hưởng đến gia công (đường kính dao, chiều dày tâm, vận tốc quay trục chính, điều kiện tiếp xúc, loại vật liệu ), co chế biến dạng [3, 8, 11, 14, 16, 21].

Các nhà nghiên cứu đang cô gắng giải thích đặc trưng biến dạng của tâm xảy ra trong quá trình gia công [17, 19, 21, 30] Có nhiều giả thiết được đặt ra nhưng chưa có một sự thống nhất giữa các tác giá Thêm vào đó là việc dự đoán và giải thích quá trình phá hủy vật liệu cũng chưa được đề cập.

Các nghiên cứu trước đây hầu hết được thực hiện ở nhiệt độ phòng với vật liệu nhôm, dong, thép mém [20] Còn đối với các vật liệu có độ cứng, độ bền cao như: thép không gi, hợp kim nhôm-đồng, nhôm-Magiê, Titanium rất khó biến dạng và định hình vì khả năng đàn hồi cao Tuy nhiên, nếu ta xác định được nhiệt độ phù hợp thì có thé ứng dụng công nghệ SPIF dé gia công các vật liệu này Khi đó công nghệ HOT SPIF ra đời.

1.2 Tình hình nghiên cứu trong và ngoài nước

Công nghệ SPIF tại nhiệt độ phòng đã được nhóm tác gia tai Phong thí nghiệm trọng điểm Quốc gia về Điều khiến số & Kỹ thuật hệ thống (DCSELAB) thực hiện nghiên cứu vào năm 2009 Các thí nghiệm được thực hiện tại DCSELAB thông qua một số đề cấp trọng điểm Đại học Quốc gia và đề tài cấp Quốc gia doGS TS Nguyễn Thanh Nam dẫn dau Nhóm tiếp tục nghiên cứu chuyên sâu theo hướng phát triển công nghệ này Bên cạnh đó, nhóm cố gắng tìm hướng ứng dụng của công nghệ cho phù hợp với điều kiện của Việt nam và gần đây, nhóm nghiên cứu đã bắt đầu nghiên cứu công nghệ HOT SPIF cho vật liệu INOX, đạt được một số kết quả bước đâu.

Jeswiet et al [1] đã tong hop các kết quả về sử dụng công nghệ SPIF cho đến năm 2005 Ké từ thời điểm đó, nhiều nghiên cứu đã được tiến hành sâu hơn về công nghệ này va ứng dụng cua nó trong công nghiệp Vi vậy, học viên cao học sẽ phân tích các kết quả nghiên cứu chính của thé giới về khả năng biến dang, phân tích số liệu, mô phỏng và dự đoán khuyết tật trong vòng từ năm 2005 trở lại đây.

1.3 Các nghiên cứu về sự ảnh hưởng ¢ a các thông số trong quá trình gia công:

CƠ SỞ LÝ THUYET 2.1 Lý thuyết về biến dạng dẻo

Biến dang dẻo là một quá trình biến dạng không thuận nghịch do đó định luật HOOKE không còn đúng như đối với miền đàn hôi nữa (hình 2.1) Biến dạng dẻo can phải được nghiên cứu trong bài toán SPIF vì tạo hình sản phẩm từ tam phẳng luôn là một quá trình biến dạng dẻo phức tạp có cả hiện tượng phục hồi sau tạo hình do tính chất đàn dẻo của hầu hết các vật liệu Vấn đề cần được nghiên cứu ở đây là xác định ảnh hưởng của các yếu tố công nghệ đầu vào như: đường kính dụng cụ D, vận tốc di chuyển dụng cu V¿y, bước tiến dụng cụ theo phương z A¿, Nhiệt độ tạo hình phù hợp với các thông số của tâm kim loại như vật liệu, bề dày tam t dé đạt được kha năng biến dạng lớn nhất (góc ơ), đạt chất lượng bề mặt tốt nhất (lượng phục hồi sau tạo hình bé nhất) mà không phá hủy vật liệu tạo hình. stress

Hình 2.1 Biến dạng đàn hồi va biến dạng dẻo khi kéo không đồng trục [45] Đường cong ứng suất, biến dạng thực của vật liệu trong vùng chảy (vùng màu đỏ trên hình 2.1) gọi là đường cong chảy đặc trưng Đồ thị này cho thay mỗi quan hệ tuyến tính giữa biến dạng và ứng suất theo định luật Hooke chỉ đúng dưới giá trị ứng suất chảy (vùng màu vàng) tức là nằm trong vùng đàn hồi.

Khi ra khỏi vùng đàn hỏi thì kim loại bị biến dạng dẻo trong vùng biến cứng (strain harderning), lúc đó quan hệ của ứng suất o và biến dạng s không còn tuyến tính nữa, vì vậy giữa ứng suất và biễn dạng không thể tỉ lệ tuyến tính với bất kỳ một hăng số nào như vùng đàn hôi Các đặc tinh của vùng chảy dẻo:

Trên hình 2.2, khi tải tác dụng được tháo bỏ lúc ứng suất đạt tới điểm A thì biến dạng sẽ giảm từ ¢, xuống đến g; với một tỷ lệ gần đúng là o/E với E là module đàn hôi của vật liệu Nhu vậy độ dôc của đường giảm tải cũng gân bang độ doc của vùng đàn hôi. o "

Hình 2.2 Duong cong ứng suất và biến dạng thực của vật liệu dẻo [45]

/ a.G1am tai ae b.Tăng tai © é

Hình 2.3 Đường cong ứng suất và biến dang trong tiến trình giảm tải trong vùng đẻo (a) đường giảm tải (b) khi tang tải

Biến dạng &¡ - € là biến dạng phục hồi sau tạo hình (Springback) đồng thời cũng xuất hiện một phần của biến dang 6: - €3 được gọi là ứng xử không đàn hồi (Anelastic Behavior) sẽ biến mat dan theo thời gian, giá tri này được bỏ qua trong lý thuyết biến dạng dẻo.

Thông thường thì đường cong giảm tải trong vùng biến dạng dẻo không hoàn toàn tuyến tính và song song với đường ứng suất biến dang trong vùng đàn hồi như hình 1.3 mà có dạng chính xác hơn như đường cong phi tuyến (a) trên hình 2.3.

Tuy nhiên trong tiến trình tăng tải lại thì đường nay sẽ tuyến tính theo đường b song song với vùng đàn hồi cũ và do hiện tượng biến cứng, giới hạn chảy sau khi đó biến cứng là ứo' lớn hơn ứng suất chảy oo ban dau.

Qua thực nghiệm lần đầu tiên vào năm 1900, Ludwik đã đưa ra phương trình quan hệ ứng suất và biến dạng thực cho phép tính giá trị ứng suất can thiết dé tạo biến dạng dẻo của vật liệu Phương trình Luwik biểu diễn đường cong ứng suất và biến dạng dẻo từ lúc bắt đầu chảy dẻo đến ứng suất phá hủy khi xuất hiện co thắt: o=K.c"

K: hệ số đặc trưng của vật liệu dẻo - module dẻo là ứng suất tại vị trí mà e=1; n: hệ số mũ biến dạng - biễn cứng của vùng gạch chéo trên hình 2.4.

Như vậy quan hệ giữa ứng suat và biên dạng trong cả hai vùng được biêu diễn như sau: o=Es khi G0.05: chấp nhận Ho -> đủ điều kiện dé phân tích tiếp anova Phan 2:

ANOVA test: Kiểm định anova Ho: “Trung bình băng nhau”

Sig đủ điều kiện dé khang định có sự khác biệt giữa các nhóm đôi với biên phụ thuộc

Sig >0.05: chấp nhận Ho -> chưa đủ điều kiện dé khang định có sự khác biệt giữa các nhóm đôi với biên phụ thuộc

Khi có sự khác biệt thì có thể phân tích sâu hơn để tìm ra sự khác biệt như thế nào giữa các nhóm quan sát băng các kiêm định Tukey, LSD, Bonferroni, Duncan như hình dưới Kiêm định sâu anova gọi là kiêm định Post-Hoc. Áp dụng cho bài toán của mình.

1 Họ = tị = Hạ = Hạ H„:ít nhất một cái khác mean.a = 0.05

2 Tính các bậc tự do © dfpetween, =“K—1—=4—1=3.

3 Tính các giá tri trung bình. e X,=9 e X,=0.45 e X; = 1250 e X,T0

Tinh các giá trị tống bình phương e Sum of square(total) = ⁄(X — X)* = 8((12 — 449.8625)? + (6 — 449.8625)2 + (0.3 — 449.8625)2 + (0.6 — 449.8625) + (1000 — 449.8625)2 + (1500 — 449.8625)2 + (480 — 449.8625)? + (600 — 449.8625)2) = 17772562. e Sum of square(within) = ¥\(X; — X,)* = 8((12 — 9)? + (6 — 9)* + (0.3 — 0.45)? + (0.6 — 0.45)? + (1000 — 1250)? + (1500 — 1250)? + (480 — 540)2 + (600 — 540)? = 1057744. e Sum of square(between) = 17772562 — 1057744 = 16714818.

4 Tinh các giá tri bình phương trung vị e Mean sguare(between) = HT — eet = 5571606. ¢ Mean square(within) = ch = ev = 17629.07.

5 Tinh gia tri F © Frege = between — 5271616 = 316.0465 — MSwithin 17629.07 e Tín hiệu cao gap 316.0465 lân so với độ nhiêu.

Thử lại bằng excel,chọn Data > Data analysis như hình minh họa bên dưới.

Data Review Vie Add-ins Autodesk Vault a

3 ctions ( =) = > Gs eCE re req) 2 AL ARổ | 3] Conne ion A| BH á = 85 = km 5) ale | HIẾP = iy Data pes

“- eS h i =e Ha es LE LH Bì rãi Sort Filter XS Text to Remove Data Consolidate What-If Group Ungroup Subtotal : sit „ Advanced Columns Duplicates Validation * Analysis Y

Chon Anova:Single Factor>OK

| Anova: Two-Factor With Replication Cancel

| Anova: Two-Factor Without Replication 3

|F-Test Two-Sample for Variances (Fourier Analysis

Nhap chon vùng dữ liệu như hình minh họa bên dưới.

Nhap OK xác nhận se Single rector ap — 5

Input Input Range: sesz:sesi7 [BS] =| Grouped By: @) Columns ©) Rows ’

Bảng giá tri ANOVA giống tinh tay d9-eœ-z

A1 vO fe | Anova: Single Factor

Ta thử tính lại bang phan mềm R.

Ta nhập giá tri vào như hình minh họa bên dưới.

Nhập giá tri group như hình minh họa bên dưới.

> group=c(rep("D",16),rep("DELTAZ",16),rep("Vxy",16),rep("I",16) )

[1] mp, mp" pf, mp pf, mp" pf, mp"

[9] Dp" mp wp" mp Dp" mp" Dp" mp.

[17] "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ"

[25] "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ" "DELTAZ"

[33] "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "xy"

[41] "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "Vxy" "yxy"

[49] wre wT w wre wT ew wre wT ew oT} wyTw [57] wT wT wT il Md wT i Md Te} wT

Nhập giá trị dat vào như hình minh họa bên dưới.

Ta tính phương sai như hình minh họa bên dưới.

> av=aov (x~as.factor (grouP) )

Df Sum Sq Mean Sq F value Pr(>F) as.factor(gqroup) 3 16714818 5571606 316 | Ta thay kết quả giống nhau Giá tri nằm trong vùng cho phép nên dat yêu cau.

3.3 Thành lập phương trình hồi quy 3.3.1 Phương trình hồi quy cho khả năng tạo hình

Sau khi mã hóa các thông sô công nghệ ta có bảng mã hóa như sau:

T x2) n) l +] -] -l -l 72.2241 71,1 |1,56841/4 2 +1 +1 -l -l 70,935 | 724 | 2,044162 3 +1 +1 -l +1 72421} 70.5 | 2,688198 4 +1 -l -l +1 73,069 | 724 | 0,919784 5 +1 +1 +1 +1 71.1191 71,7 | 0,813617 6 +1 -l +1 -l 71,109} 71 0,153403 7 +] -l +1 +1 71,386] 713° | 0,120544 8 +1 +1 +1 -l 70,567 | 71 0,611724 9 -l +1 -l +1 70,262 | 73,2 | 4,095858 10 -l -l +1 -l 69,994 70 0.008572 II -l +1 -l -l 69,915 69 1317352 12 -l -l -l -l 69,907 | 70.4 | 0,702745 13 -l +1 +1 -l 68,/16|_ 72 4.667557 14 -] -l -l +1 70,771 | 73.1 | 3,237623 15 -l +1 +1 +1 69 228 70 1,108972 16 -l -l +1 +1 70,251 | 71,1 | 1.201265 e Ta có phương trình hồi qui của a như sau: a =bot+b 1x1 +b2x2+b3x3+b4x4+b 12X 1X2 +b13x 1X3+b 14x 1X4+b23X2X3+bo4X7X4+b34X3X4,b 104 X1X2X4+b 34 X1X3X4+b234 X2X3X4t+b1234 X1X2X3X4 e Dựa vào phần mềm Minitab, ta có phương trình hồi quy: e Chọn Stat>DOE> Factorial> Create Factorial Design như hình minh hoa bên dưới.

Stat Graph Editor Tools Window Help Assistant

I Basic Statistics ` | o &@ | i aa Ian Li) l +) 11|L] E8 ie | fe a7 So Dữ

Control Charts ằ H == Design uality Tools > Response Surface '” Defir= —

~ i /Smal › me ad TÍ Create Factorial Design- > Làn d

Iabilfty/Surviva — c— x== Create a 2-level or full factorial design, ora

Multivariate } Taguchi k _ Pre-H Plackett-Burman design.

Ll, Modify Design |_| Analyze Factorial Design

Power and Sample Size > >< Factorial Plots f) Cube Plot fi) Contour Plot

(avi Surface Plot ey Overlaid Contour Plot

Chon Number of factors là 4 như hình minh họa bên dưới.

Type of Design (* 24evel factorial (default generators) ( 24evel factorial (specify generators) ( 24evel split-plot (hard-to-change factors) (2 to 7 factors) ( Plackett-Burman design

Number of factors: [2 v| Display Available Designs _|

Nhap chon Designs như hình.

Type of Design (* 24evel factorial (default generators) (2 to 15 factors) ( 24evel factorial (specify generators) (2 to 15 factors) {” 24evel split-plot (hard-to-change factors) (2 to 7 factors) {` Plackett-Burman design (2 to 47 factors) ( General full factorial design (2 to 15 factors)

Number of factors: [4] vị Display Available Designs i i

Chọn Full factorial như hình.

Nhap OK xác nhận như hình minh họa bên dưới.

| Number of replicates for corner points: 1

Chon các thông số như hình minh họa bên dưới.

Nhấp OK thực hiện lệnh.

Nhập giá tri œ vào cột ALPHA như hình minh hoa bên dưới.

| Welk + P || xlix|lllầ Tao LH]:

GT Session Full Factorial Design

Factors: 4 Base Design: 4, 16 Runs: 16 Replicates: 1 Blocks: 1 Center pts (total): 0

All terms are free from aliasing.

‡ C1 c2 C3 c4 = C6 C7 C8 co C10 ci StdOrder RunOrder CenterPt| Blocks XI x2 x3 x4 ALPHA

Chon DOE Factorial> Analyze Factorial Design như hình minh họa bên dưới.

Basic Statistics D Olli & 100 film Oso x || fe go = ot fr | % Mixture >| T] Select Optimal Design

Multivariate > Taguchi > Ese Pre-Process Responses for Analyze Variability

~_s BỊ, Modify Design Ol Analyze Factor ` hoa san

` = et , Display Design [] Analyze Variabili Analyze Factorial Design Eaunslence tr › = ; ‘Y Predict Fit a model to a factorial design.

Power and Sample Size > * Factorial Plots

Thiết lập các thông số của cửa số Analyze Factorial Design như hình bên dưới:

Bam nút Term dé chọn các hệ số sẽ có mặt trong phương trình hồi quy Do đây là quy hoạch toàn phân nên ta sẽ chọn hết tất cả các nhân tố và các tương tác bậc

Indude terms in the model up through order: [4- vị

Bam nut Option ta chon hé so tin cay la 95%.

Weights: | | Confidence level for all intervals: | 95

Type of confidence interval: \Two-sided |

Box-Cox Transformation (* No Transformation

Optimal A TM À =0 (natural log) ( À =0.5 (square root) m Ff

Mục Stepwise ta chon Method là None vì không tiến hành lọc các thông s6 không anh hưởng

Muc Graph ta chon Invidual dé xuất đồ thị độ lớn su ảnh hưởng của các tương tác.

C2 RunOrder iv Pareto: [Normal [Half Normal

C4 Blocks |Display only model terms |

(* Individual plots [` Histogram [~ Normal plot [_ Residuals versus fits [ Residuals versus order {` Four in one

Mục Results ta đánh dấu tích vào các mục Model (xem xét su ảnh hưởng của các nhân tố), Analysis Of Variance (phân tích sự ảnh hưởng của các nhân tố), Regession Equation (phương trình hồi quy), Alias Structure (sự tương tác của các nhân tô).

Display of Results |smple tables xị _ Method

IV Analysis of variance [~ Model summary 7 Coefficients: [Default coefficients x|

(* Display default interactions © Display interactions up through order: | =|

Sau đó, MINITAB sẽ tính toán các mục mà ta yêu câu Kết quả tính toán như hình bên dưới

Minitab - alpha coded.MPI - [Session] p

CT File Edit Data Calc Stat Graph Editor Tools Window Help Assistant

| | @| x 2 2:| S c | | Ê Đ + 24 | @ỉ @|||Ê? 8 8 @ E] ủ O)mjcr = m1 8| / ô& lị Ì Welk + PP Fil ~j||Qllla TOON s Lt

Source DF AdjSS AdJMS F-Value P-Value

X3 1 3.1809 3.1809 b X4 1 146512 1.6512 ˆ * 2-Way Interactions 6 0.5813 0.0968 ' * X1*X2 1 00002 0/0002 ’ * X1*X3 1 02030 0.2030 * ‘ X1*X4 1 00870 00870 X2°K3 1 00282 00282 ' * X2*X4 1 00267 00267 ‘ * X3*X4 1 0.2362 0.2362 ‹ b 3-Way Interactions 4 0.7031 0.1758 * ® X1*X2*X3 1 05358 0.5358 ‘ * X1*X2*X4 1 0.0867 0.0867 ’ * X1*X3*X4 1 00702 00702 x : X2*X3*X4 1 00103 0/0103 5 k 4-Way Interactions 1 0.0809 0.0809 * X1“X2*X3*X4 1 0.0809 0.0809 ‘ Error 0 hi È

Regression Equation in Uncoded Units

Bang phân tích ANOVA của mô hình hôi quy:

Source DF AdjSS AdjMS _ F-Value P-Value Model 15 19.9996 1.3333

Linear 4 18.6342 4.6586 XI 1 11.8784 11.8784 X2 1 1.9238 1.9238 x3 1 3.1809 3.1809 X4 1 16512 1.6512 2-Way Interactions 6 0.5813 0.0969 X1*X2 1 0.0002 0.0002 X1*X3 1 0.2030 0.2030 X1*X4 1 0.0870 0.0870 X2*X3 1 0.0282 0.0282 X2*X4 1 0.0267 0.0267 X3*X4 1 0.2362 0.2362 3-Way Interactions 4 0.7031 0.1758 X1*X2*X3 1 05358 0.5358 X1*X2*X4 1 0.0867 0.0867 X1*X3*X4 1 0.0702 0.0702 X2*X3*X4 1 0.0103 0.0103 4-Way Interactions 1 0.0809 0.0809

Ta có phương trình hồi quy của góc tạo hình bởi các thông số công nghệ được biêu diễn ở phương trình: œ = 70.74 + 0.8616 X1 — 0.3468 X2 — 0.4459 X3 + 0.3213 X4

Phuong trinh D-9)/3 | 9.45)/0,15 |(V.,-1250/250| (T-540)/60 biến đổi (D-9) 43)/9,/!13 | (Vyy -1250) (T-540)

Giải mã phương trình hôi qui băng cách thay các bién mã hóa bang tri that: a = 26.39 + 4.035D + 99.74 AZ + 0.02966 V,, + 0.06392T — 10.61 D

— 0.1526 AZ *T — 0.000043 VY *T + 0.007317 D + AZ * Vey + 0.01590 D *AZ *T + 0.000003 D ôVy ôT + 0.000106 AZ

3.3.2 Phương trình hồi quy cho Springback

Bang ma trận quy hoạch thực nghiệm [51].

STT D(mm)(xI)| DELTA Vxy(x3) | T(độ | Springback

Thực hiện tương tự như trên, ta có kết quả như sau

I] File Edit Data Calc Stat Graph Editor Tools Window Help Assistant

| x| %||à oth èlj ~iix|ollj› rao

3 R-sq R-sa(adj) R-sq(pred)

SE Term Effect Coef Coef T-Value P-Value VIF Constant 0.1887 * * * X1 -0.015000 -0.007500 * * * 1.00 X2 -0.03000 -0.01500 * + * 1.00 x3 -0.08500 -0.04250 * * * 1.00 X4 -0.16500 -0.08250 * * * 1.00 X1*X2 -0.02250 -0.01125 * * * 1/00 X1*X3 -0.002500 -0.001250 * * * 1.00 X1*X4 007750 0.03875 * * * 1.00 X2*X3 -007250 -0.03625 * + * 1.00 X2*X4 009750 0.04875 * * * 1.00 X3*X4 006250 0.03125 * * * 1.00 X1*X2*X3 -002000 -0.01000 * * * 1/00 X1*X2*X4 002000 0.01000 * * * 1.00 X1*X3*X4 -0.12000 -0.06000 * * * 1.00 X2*X3*X4 004500 0.02250 * + * 1.00 X1*X2*X3*X4 -008750 -0.04375 * * * 1.00

Regression Equation in Uncoded Units

- 0001250 X1*X3 + 0.03875 X1*X4 - 0.03625 X2*X3 + 0.04875 X2*X4 + 0.03125 X3*X4 Current Worksheet: Worksheet 1 q86 ỉ2 OH & PọpbDb ọe€e ữẽ s ơ 4

Source DF Adj SS AdjMS F-Value P-Value Model 15 0.342575 0.022838

Linear 4 0.142300 0.035575 XI 1 0.000900 0.000900 X2 1 0.003600 0.003600 x3 1 0.028900 0.028900 X4 1 0.108900 0.108900 2-Way Interactions 6 0.100750 0.016792 X1*X2 1 0.002025 0.002025 X1*X3 1 0.000025 0.000025 X1*X4 1 0.024025 0.024025 X2*X3 1 0.021025 0.021025 X2*X4 1 0.038025 0.038025 X3*X4 1 0.015625 0.015625 3-Way Interactions 4 0.068900 0.017225 X1*X2*X3 1 0.001600 0.001600 X1*X2*X4 1 0.001600 0.001600 X1*X3*X4 1 0.057600 0.057600 X2*X3*X4 1 0008100 0.008100 4-Way Interactions 1 0.030625 0.030625 X1*X2*X3*X4 1 0.030625 0.030625 Error 0 , : Total 15 0.342575

Phương trình hồi quy của Springback với các thông số công nghệ

Biến mã hóa x; XI X2 x3 X4 l (Az-

Phuong trinh | (p-9y3 | 0.45)/0.15 | cv, -1250)/250| (T-540)/60 biên đôi

Giải mã phương trình hồi qui bằng cách thay các biến mã hóa bằng trị thật:

Tóm tắt chương: tiễn hành quy hoạch thực nghiệm ta nhận được các phương trình hoi quy:

- Phương trình hồi quy của góc tạo hình: a = 26.39 + 4.035 D + 99.74AZ + 0.02966 W„y + 0.06392T — 10.61D

- Phương trình hồi quy của Springback:

TÓI ƯU HÓA CÁC THÔNG SÓ CÔNG NGHỆ

4.1 Xây dựng biểu đồ quan hệ giữa các thông số công nghệ với góc tạo hình và sai số k ch thước

Ta sử dụng phần mém MINITAB 18 Nhập dữ liệu vào như hình minh họa bên dưới Dau khoanh tròn là dữ liệu cần nhập.

ES File Edit Data Calc Stat Graph Editor Tools Window Help Assistant

>ằH|#|ôl ioc ýứ??|@@|Ê?G 5 @ ẩè {31 C?|mnil || ấZ

+ C1 C2 ces c4 C5 C6 C7 C8 c9 C10 C11 D DELTA Z Vxy SAI SO

Nhấp chọn Stat>Regression—> Fitted Line Plot.

Basic Statistics 'Ð @l| 8 @ FF Ahm OfsOS|| # | 3= z Re 2ẽfjẽ-.o o —————EORNWNPIOINNE

[2 `| Regressid Fitted Line Plot Fc DOE }.|Z“ Nonlinea Model the relationship between one preditoranda | -

Control Charts > | continuous response using a linear, quadratic, or cubic |_—

Tư › \/ Binary Fitted Line Plot ables

: a : —_ › lá Ordinal Logistic Regression uivalence

Chon Response(Y) la ALPHA va Predictor(X) la D.Nhap OK xác nhận. r Tar 4

Fitted Line Plot Jes ci D Response (Y): | ALPHA

C6 SAISO Type of Regression Model

Ta thấy xuất hiện phương trình thé hiện sự phụ thuộc giữa ALPHA va D như hình minh họa bên dưới. Đường thăng là đồ thị miêu tả sự phụ thuộc của ALPHA và D.

Tiếp tục chọn Stat>Regression> Fitted Line Plot như hình minh họa bên dưới.

Basic Statistics ` @ £rErrạ@E F1?" | fx | Genz | ẾJ: ou o ———— PETORPRTI"

ANOVA Regression | Fitted Line Plot

" continuous response using a linear, quadratic, or cubic

Time Series > T:bl › |⁄ Binary Fitted Line Plot R-! ables

N tr; › Binary Logistic Regression > onparametrics k liás Ordinal Logistic Regression ®

Equivalence Tests > Liz Nominal Logistic R ; ominal Logistic ression

Power and Sample Sizes} abs = Poisson Regression >

Chon Response(Y) la ALPHA, Predictor (X) là C2 như hình minh họa bên dưới.

ALPHA a aE SO Type of Regression Model (* Linear ( Quadratic Cubic

Ta thấy phương trình thé hiện sự phụ thuộc giữa ALPHA và DELTA Z xuất hiện như hình minh họa bên dưới. Đường thăng là đồ thị miêu tả sự phụ thuộc của ALPHA và DELTA Z.

Tiếp tục nhấp chọn Stat>Regression>Fitted Line Plot như hình minh họa.

Stat Graph Editor Tools Window I= Assistant

Basic Statistics ligase [>] [| f1 LP EHIR fi

ES cua vr EE wv ơ ` x Regres Fitted Line Plot io DOE ¿ A" Nonlin Model the relationship between one predictor anda

Control Charts > _ | continuous response using a linear, quadratic, or cubic

Nonparametrics LS Ordinal Locitic R - rdinal Logistic ression

Equivalence Tests ằ oe = = â lóc Nominal Logistic Regression

Power and Sample Size vr

Chon là Response (Y) ALPHA và Predictor (X) là C3 như hình Nhap OK xac nhận.

Phương trình thé hiện sự phụ thuộc giữa ALPHA và Vsy xuất hiện như hình. Đường thăng là đồ thị miêu tả sự phụ thuộc của ALPHA và Vyy.

Tiép tục xem sự phụ thuộc giữa ALPHA va T Chon các thông số Response (Y) và Predictor (X) như hình minh họa bên dưới Nhấp OK xác nhận.

Fitted Line Plot nem Somm|

Ta thay sự phụ thuộc giữa ALPHA và T xuất hiện như hình minh hoa bên dưới. Đường thăng là đồ thị miêu tả sự phụ thuộc của ALPHA và T.

Làm tương tự như hình minh họa bên dưới.

C4 T em a SO Type of Regression Model HÀ

Help | OK ì | Cancel | Ta thay sự phụ thuộc giữa SAI SO va D xuất hiện như hình. Đường thăng miéu tả sự phụ thuộc của chúng.

Làm tương tự như hình.

Fitted Line Plot ci D Response (Y): |C6

Ta thay sự phụ thuộc giữa SAI SO va DELTA Z xuất hiện như hình. Đường thắng miêu tả sự phụ thuộc giữa chúng.

DELTA Z Làm tương tự như hình minh họa bên dưới.

Ta có kết quả như hình minh họa.

Dau khoanh tròn là phương trình miêu tả sự phụ thuộc giữa SAI SO và Vy. Đường thắng miêu tả sự phụ thuộc giữa chúng.

Tiép tuc nhu thé theo hinh minh hoa.

Graphs Options Storage ial) | Cancel | a.

Ta có su phụ thuộc giữa SAI SO và T xuất hiện như hình.

Dấu khoanh tròn là phương trình miêu tả sự phụ thuộc giữa SAI SO và T. Đường thắng miêu tả sự phụ thuộc giữa chúng.

4.2 Tôi ưu hóa các thông số công nghệ theo kha năng tạo hình (Góc tao hình a lớn nhất)

Ta có phương trình hôi quy của góc gia công vừa tìm được ở mục trước là: a = 26.39 + 4.035 D + 99.74AZ + 0.02966 W„y + 0.06392T — 10.61D

Tu day, ta sé su dung các công cụ tôi ưu hóa dé có góc gia công lớn nhat trong các điêu kiện ràng buộc: o 6< D< 121mm. o 0.3 < AZ Factorial -> Response Optimizer.

Trong cửa số Response Optimizer ta thiết lập như sau:

Response Goal Target ALPHA [Maximize M ị setup | Options | _ Graphs |

_ ox | cm | Chọn hình thức tối ưu là tìm cực đại (maximize)

Chọn mục Option, ta sẽ thiết lập các ràng buộc:

Variable | Constraint | Hold Value | Lower Upper | D Constrain to region vị 6 12

'AZ Constrain to region >| 0.3 0.6 Vxy Constrain to region >| 1000 1500 T Constrain to region vị 480 600

Confidence level for all intervals: |95 Type of confidence level: [Two-sided |

Giữ nguyên các thiết lập còn lại Nhân phim OK để tiến hành tối ưu hóa.

MINITAB sẽ báo cho ta biết khi giá tri cực đại được tìm thấy

‘(Minitab - alpha uncoded.MP) - x File Edit Data Calc Stat Graph Editor Tools Window Help Assistant | H| #| xa | S câ|è ? 9 œ& 2 | @ @||Ê? 88 @ tf ủ éứ: ủ 81 8||| 6 | 3= == dị ely ACH U.+ LƯU 6 0 U í 2 JD a

Dmm Az = 0.3mm 0xy = 1000mm/ph

Gúc tao hỡnh lớn nhất: ứ„„„ = 73.069° với

4.3 Tối ưu hóa các thông số công nghệ cho trường hop sai số k ch thước nhỏ nhất (SPRINGBACK bé nhất — cực tiểu) e Hàm mục tiêu Springback

— 0.000017 V,,, *T + 0.003411 D * Az * Wyy + 0.008472 D * Az*T + 0.000002 D * V,., * T + 0.000068 Az * V,, * T — 0.000006 D * Az * V, , * T y + e Cac điều kiện ràng buộc © 6H|#8#ix | OCO t H44|OO|CHBRORRBDMO MR) ôles I -nj>lb +Piši_——— Six lalik Tao + hl

Optimal - D az Vay T aso (th 12.0 0.60 1500.0 600.9

“ni TS TP