b) Topography của bề mặt đá mà
1.6.3 Vấn đề tối ưu hóa khi mài tròn ngoài thép hợp kim
Đối với bài toán tối ưu quá trình mài tròn ngoài thép hợp kim thì vấn đề được quan tâm và giải quyết đó là vấn đề về chất lượng và năng suất gia công, có thể đặt ra một chỉ tiêu chất lượng hoặc năng suất gia công làm hàm mục tiêu và các chỉ tiêu khác sẽ là điều kiện biên của bài toán. Tuy nhiên trong thực tế, bất cứ một quá trình gia công nào cũng mong muốn đạt được chất lượng sản phẩm tốt với năng suất gia công cao, đặc biệt là với nguyên công gia công tinh lần cuối như quá trình mài tròn ngoài. Để đạt được điều này cần nghiên cứu giải quyết bài toán tối ưu hóa đa mục tiêu.
Về cơ bản trình tự giải quyết một bài toán tối ưu gồm các bước như đã phát biểu ở trên. Để chọn ra được các yếu tố ảnh hưởng chính có thể dùng phân tích phương sai ANOVA hoặc dùng phương pháp Taguchi [37]. Trong quá trình mài tròn ngoài có rất nhiều thông số ảnh hưởng và mức độ ảnh hưởng khác nhau đến hàm mục tiêu, đó là các thông số chế độ cắt như lượng chạy dao, tốc độ cắt, chiều sâu cắt v.v, các thông số của đá mài như vật liệu hạt mài, chất kết dính hay các thông số của vật liệu chi tiết gia công như độ cứng, thành phần hóa học, kích thước chi tiết v.v. Tất cả đều ảnh hưởng một mức độ nào đó đến hàm mục tiêu được nghiên cứu.
Hiện nay thường sử dụng phương pháp quy hoạch thực nghiệm trực giao hoặc quy hoạch hợp Box - Wilson [12, 13] để thiết lập mối quan hệ thực nghiệm giữa các thông số ảnh hưởng và hàm số được nghiên cứu. Các hàm số được nghiên cứu trong quá trình mài tròn ngoài bao gồm các đại lượng trung gian như lực cắt, rung động, nhiệt cắt hoặc các đại lượng kết quả như mòn đá mài, chất lượng bề mặt chi tiết, năng suất gia công, giá thành v.v.
Qua đó có thể thấy bài toán tối ưu quá trình mài tròn ngoài thép hợp kim khá phức tạp với rất nhiều các đại lượng đầu vào, đại lượng trung gian và đại lượng kết quả. Vì vậy, tìm thuật giải hợp lý cho bài toán là rất quan trọng. Các thuật toán xây dựng dựa trên các phương pháp tối ưu truyền thống như phương pháp Lagrange, phương pháp leo dốc v.v sẽ khó khăn khi không gian tìm kiếm lớn, tốc độ hội tụ chậm. Chính vì vậy nghiên cứu các phương pháp mới như trí tuệ nhân tạo, lập trình tiến hóa sẽ mang lại cách giải quyết tốt cho bài toán tối ưu phức tạp.