CHƯƠNG 3: NGHIÊN CỨU THỰC NGHIỆM XÁC ĐỊNH THÔNG SỐ TỐI ƯU CỦA DẦU CÔNG NGHIỆP CÓ TRỘN BỘT NANO
3.3 Thiết kế thí nghiệm Taguchi
Ts.Taguchi (Nhật bản) là người đặt nền móng cho phương pháp thiết kế chắc chắn (Robust Design), cũng là người đề ra phương pháp thực nghiệm mang tên ông.
Phương pháp thiết kế thí nghiệm Taguchi sử dụng ma trận thí nghiệm đơn giản, đã được ứng dụng có hiệu quả trong nhiều lĩnh vực nghiên cứu khác nhau. Thiết kế thí nghiệm Taguchi sử dụng các ma trận trực giao cố định, các thông số khảo sát được đưa vào ma trận thí nghiệm với số lượng lớn (đến 50) và với các mức giá trị khác nhau [76]. Phương pháp Taguchi do không sử dụng toàn bộ các tổ hợp thí nghiệm nên không đưa ra được một con số chính xác về ảnh hưởng của một thông số đầu vào nào đó đến kết quả đầu ra mà chỉ mang tính chất định hướng. Vì vậy nó cho phép sử dụng tối thiểu các thí nghiệm để đánh giá một cách nhanh chóng và hiệu quả ảnh hưởng của các yếu tố công nghệ đến kết quả đầu ra của một quá trình từ đó nhanh chóng điều chỉnh các thông số tiến đến tối ưu nhanh nhất. Nhiều nghiên cứu và ứng dụng từ những năm 1970 đã chỉ ra rằng phương pháp Taguchi có thể sử dụng cho nghiên cứu hàn lâm, cũng như cho những ứng dụng trong sản xuất, và đặc biệt phù hợp cho những người có hiểu biết hạn chế về thống kê.
Mặc dù vậy, bằng việc đánh giá qua tỷ số S/N giúp những nhà công nghệ 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 các nhà nghiên cứu 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 đánh 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.
Các bảng Taguchi có thể được tạo ra bằng tay (với các bảng nhỏ) hoặc bằng các thuật toán thông qua các phần mềm. Việc lựa chọn các bảng được dựa theo số lượng các thông số khảo sát và các mức giá trị thay đổi của chúng. Phân tích phương sai (ANOVA) dựa vào dữ liệu từ các ma trận thí nghiệm của Taguchi có thể được sử dụng để lựa chọn các thông số mới để tối ưu hóa các kết quả đầu ra. Dữ liệu từ các bảng có thể được phân tích bằng biểu đồ, hình ảnh, ANOVA và hệ số kiểm tra fisher (F). Do đó phương pháp này cho phép sử dụng tối thiểu các thí nghiệm cần thiết để để nghiên cứu ảnh hưởng của các
thông số lên một đặc tính được lựa chọn nào đó của một quá trình/sản phẩm từ đó nhanh chóng điều chỉnh các thông số tiến đến tối ưu nhanh nhất. Như vậy, có thể sử dụng phương pháp Taguchi để tìm tổ hợp các thông số công nghệ ảnh hưởng tới các yếu tố cơ bản của quá trình cắt trong mô hình thí nghiệm đơn lưỡi cắt.
3.3.1 Xây dựng ma trận thí nghiệm
Thông số đầu vào và các mức của các thông số
Với mục đích khảo sát lực cắt, nhiệt độ cắt và độ nhám bề mặt khi phay sử dụng dao phay một lưỡi cắt nhằm đánh giá hiệu quả của việc sử dụng dầu bôi trơn có trộn bột Al2O3 và áp dụng vào điều kiện sản xuất thực tế tại Việt Nam, thí nghiệm lựa chọn các thông số khảo sát bao gồm: Vận tốc cắt, cỡ hạt Al2O3 và tỷ lệ trộn bột nano Al2O3 với các mức giá trị khảo sát như trong bảng 3.5.
Bảng 3. 5 Các thông số khảo sát và mức giá trị tương ứng
TT Yếu tố khảo sát Ký hiệu Mức giá trị
1 2 3
1 Vận tốc cắt (m/phút) A 38 50 -
2 Cỡ hạt (nm) B 20 80 135
3 Tỷ lệ hạt (%) C 0,1 0,3 0,5
Sự tương tác giữa các yếu tố
Việc lựa chọn sự tương tác giữa các thông số trong nghiên cứu phụ thuộc vào sự ảnh hưởng lẫn nhau giữa các các thông số đến kết quả nghiên cứu. Trong phạm vi nghiên cứu, tương tác giữa tỷ lệ bột và cỡ hạt, tương tác giữa vận tốc cắt và cỡ hạt và tương tác giữa vận tốc cắt và tỷ lệ bột được xem xét nghiên cứu.
Bậc tự do của ma trận thí nghiệm
Bậc tự do của ma trận thí nghiệm được xác định bằng tổng bậc tự do của các thông số với bậc tự do các sự tương tác, bảng 3.6:
- Bậc tự do của một thông số: dof=K-1; với K là số mức giá trị của thông số.
- Bậc tự do của mỗi tương tác giữa các thông số: dof(AxB)=(KA-1).(KB-1) với KA, KB là số mức giá trị của thông số A, B.
Bảng 3. 6 Bậc tự do của ma trận thí nghiệm
Thông số A B C BxC AxC AxB Tổng
dof 1 2 2 4 2 2 13
Như vậy ma trận thí nghiệm này có bậc tự do là 13 và bảng ma trận thí nghiệm của Taguchi được lựa chọn phải lớn hơn hoặc bằng 13.
Ma trận thí nghiệm
Như vậy, Với các thông số khảo sát có các số mức giá trị khác nhau (vận tốc cắt có 2 mức, cỡ hạt và tỷ lệ bột có 3 mức giá trị), thiết kế thí nhiệm L18 (như bảng 3.7) được lựa chọn để phân tích ảnh hưởng của các thông số A, B, C và các tương tác giữa chúng tới các yếu tố đầu ra. Từ đó thành lập được ma trận thí nghiệm như bảng 3.8.
Bảng 3. 7 Thiết kế thí nghiệm L18[] Bảng 3. 8Ma trận thí nghiệm
STT A B C STT Vận tốc cắt
(m/ph) –A
Cỡ hạt (nm) – B
Tỷ lệ hạt (%) - C
1 1 1 1 1 38 20 0.1
2 1 1 2 2 38 20 0.3
3 1 1 3 3 38 20 0.5
4 1 2 1 4 38 80 0.1
5 1 2 2 5 38 80 0.3
6 1 2 3 6 38 80 0.5
7 1 3 1 7 38 135 0.1
8 1 3 2 8 38 135 0.3
9 1 3 3 9 38 135 0.5
10 2 1 1 10 50 20 0.1
11 2 1 2 11 50 20 0.3
12 2 1 3 12 50 20 0.5
13 2 2 1 13 50 80 0.1
14 2 2 2 14 50 80 0.3
15 2 2 3 15 50 80 0.5
16 2 3 1 16 50 135 0.1
17 2 3 2 17 50 135 0.3
18 2 3 3 18 50 135 0.5
3.3.2 Chỉ tiêu đánh giá
Mô hình thí nghiệm được thiết lập với mục đích nghiên cứu lựa chọn bộ thông số công nghệ tối ưu khi gia công sử dụng dầu công nghiệp có trộn bột nano Al2O3. Từ đó áp dụng vào quá trình phay lăn răng nhằm giảm lượng mòn dụng cụ cắt và giảm sai số profile răng khi phay lăn răng. Trong điều kiện sản xuất hiện tại, dao phay lăn răng thường sử dụng được làm từ thép gió và được phủ TiN. Kết quả nghiên cứu ở chương 2 cho thấy quá trình phay lăn răng sử dụng dao thép gió phủ TiN chủ yếu bị mòn do lực cắt và nhiệt độ
cắt. Vì vậy lực cắt và nhiệt độ cắt là hai chỉ tiêu chính được lựa chọn, ngoài ra độ nhám bề mặt gia công cũng được lựa chọn để đánh giá hiệu quả của dầu nano trong mô hình thí nghiệm một răng cắt.
a, Lực cắt
Lực cắt là nguyên nhân chính gây ra mòn dao thép gió phủ TiN, nó làm cho lớp phủ bị nứt, vỡ, rồi bong ra khỏi bề mặt răng cắt. Đồng thời thành phần lực ma sát cũng là nguyên nhân gây mòn răng cắt của dao. Quá trình phay với dao phay một răng cắt, với góc trước bằng 00 được thể hiện trong mô hình lực cắt như Hình 3. 12.
Hình 3. 12 Sơ đồ phân tích lực cắt
Sử dụng cảm biến lực 3 thành phần KISTLER sẽ đo được hai thành phần lực Fz, Fy
và tính được lực tổng hợp R. Và năng lượng cần thiết để bóc tách phoi được thể hiện bởi thành phần lực cắt tổng R, lực cắt tổng giảm sẽ góp phần làm giảm mòn dụng cụ cắt.
Ngoài ra, tỷ số F/N đại diện cho hệ số ma sát giữa phoi và mặt trước của dao.
Manuel San-Juan (2012) đã đưa ra công thức tính hệ số ma sát giữa phoi và mặt trước dao khi chiều dày phoi lớn nhất [96] như sau:
𝜇 =𝑁𝐹 = 𝑡𝑎𝑛 (𝜃 − 𝑎𝑟𝑐𝑡𝑎𝑛 (𝐹𝐹𝑍
𝑦)) (3.5) Trong đó: 𝜇 – là hệ số ma sát.
θ – là góc xác định vị trí răng cắt khi chiều dày phoi lớn nhất.
Như vậy hệ số ma sát 𝜇 phụ thuộc vào thành phần lực Fz và Fy, hệ số ma sát giảm khi tỷ số lực cắt Fz/Fy tăng. Do dó có thể sử dụng tỷ số Fz/Fy để đánh giá điều kiện ma sát khi gia công (Fz/Fy tăng đồng nghĩa với ma sát giảm).
Vì vậy, trong phạm vi nghiên cứu của luận án, Tác giả lựa chọn hai thông số liên quan tới các thành phần của lực cắt để khảo sát là lực cắt tổng R và tỷ lệ lực cắt Fz/Fy.
b, Nhiệt độ cắt
Nhiệt sinh ra trong quá trình cắt cũng là một trong những nguyên nhân gây mòn dụng cụ cắt. Nhiệt độ vùng cắt tăng cao, truyền vào dụng cụ cắt làm cho lớp vật liệu ngay
dưới lớp phủ giảm độ cứng và gây ra nứt bong tróc lớp phủ. Sau khi lớp phủ bong ra, nhiệt cắt sẽ thúc đẩy quá trình mòn lớp vật liệu nền (thép gió) bên trong nhanh hơn. Vì vậy, Trong quá trình cắt, nhiệt cắt sinh ra càng nhỏ càng tốt. Trong quá trình gia công, nhiệt cắt lan tỏa từ vùng có nhiệt độ cao tới vùng có nhiệt độ thấp. Phần lớn nhiệt toả ra trong quá trình cắt truyền sang phoi, một phần truyền sang dụng cụ cắt, dung dịch làm nguội và chi tiết gia công. Trong điều kiện thí nghiệm hiện tại, tác giả xác định nhiệt truyền sang phôi bằng cảm biến nhiệt loại K theo sơ đồ thí nghiệm như hình 3.1. Nhiệt độ đo được không thể phản ánh chính xác nguồn nhiệt sinh ra ngay trên lưỡi cắt, nhưng cũng phản ánh một phần tổng nguồn nhiệt sinh ra trong quá trình bóc tách phoi và cũng có thể bước đầu đánh giá hiệu quả của phương pháp làm nguội bằng dầu công nghiệp trộn bột nano.
c, Độ nhám bề mặt
Độ nhám bề mặt gia công là một thông số đánh giá chất lượng lớp bề mặt, độ nhám thay đổi đáng kể khi lực cắt thay đổi hoặc khi dao bị mòn. Quá trình thí nghiệm sử dụng hạt nano Al2O3 là loại Ceramic có độ cứng cao, do đó có thể gây ra hiện tượng cào xước bề mặt gia công làm tăng độ nhám bề mặt gia công. Vì vậy lựa chọn độ nhám bề mặt sau gia công là một chỉ tiêu dùng để khảo sát trong thí nghiệm, nhằm đánh giá ảnh hưởng của hạt nano tới độ nhám bề mặt gia công. Độ nhám bề mặt gia công được đo tại trung tâm đo lường của công ty cổ phẩn máy và phụ tùng số 1 theo sơ đồ đo như Hình 3. 13.
Hình 3. 13 Sơ đồ đo độ nhám 3.3.3 Phân tích kết quả
a, Phân tích phương sai Phân tích sự thay đổi:
- Tổng các bình phương (SS): đo độ lệch của dữ liệu thí nghiệm từ trị số trung bình của dữ liệu. Xét một hệ số A được khảo sát ta có:
𝑆𝑆𝑇 = ∑𝑁𝑖=1(𝑦𝑖 − 𝑇̅)2 (3.5) Trong đó:
N – Số lượng giá trị được kiểm tra
𝑇̅ – Giá trị trung bình của các kết quả kiểm tra yi của đối tượng thứ i.
- Tổng bình phương của hệ số A (SSA):
𝑆𝑆𝐴 = ∑ (𝑛𝐴𝑖2
𝐴𝑖)2−𝑇𝑁2
𝑁𝑘
𝑖=1 (3.6)
Trong đó:
Ai – Giá trị tại mức i của thí nghiệm.
NK – Số lượng kiểm tra tại trạng thái i.
T – Tổng giá trị kiểm tra.
𝑇̅ – Giá trị trung bình của các kết quả khảo sát.
nAi – Số kết quả khảo sát ở điều kiện Ai.
- Tổng bình phương các lỗi (SSe): Phân bố bình phương của các giá trị khảo sát từ giá trị trung bình của trạng thái A.
𝑆𝑆𝑒 = ∑𝑘𝑗=1𝐴 ∑𝑛𝑖=1𝐴𝑖(𝑦𝑖 − 𝐴̅ )𝑗 2 (3.7) - Tổng bình phương của các tương tác (SSAxB):
𝑆𝑆𝐴𝑥𝐵 = [∑ 𝑛(𝐴𝑥𝐵)𝑖2
(𝐴𝑥𝐵)𝑖
𝑐𝑖=1 ] −𝑇𝑁2− 𝑆𝑆𝐴− 𝑆𝑆𝐵 (3.8)
- Tổng bình phương cho các hệ số ở trạng thái lặp: giả sử có A1 và trạng thái thể hiện việc lặp lại là 𝐴1∗∗ ta có:
𝑆𝑆𝐴 =(𝐴𝑛1+𝐴1∗∗)2
𝐴1+𝑛𝐴1∗∗ +𝑛𝐴22
𝐴2−𝑇𝑁2 (3.9) 𝑆𝑆𝑒 =(𝐴𝑛1+𝐴1∗∗)2
𝐴1+𝑛𝐴1∗∗ (3.10) 𝑆𝑆𝐴𝑥𝐵 = [∑ 𝑛(𝐴𝑥𝐵)𝑖2
(𝐴𝑥𝐵)𝑖
𝑐𝑖=1 ] −𝑇𝑁2− 𝑆𝑆𝐴− 𝑆𝑆𝐵− 𝑆𝑆𝑒 (3.11) 𝑆𝑆𝐴𝑥𝐵, = 𝑆𝑆𝐴 − 𝑉𝑒. 𝑉𝐴 (3.12)
- Phần trăm phân bố sự thay đổi của thông số A:
𝑃 =𝑆𝑆𝑆𝑆𝐴,
𝑇. 100(%) (3.13)
Hệ số Fisher (F): Hệ số F được dùng để đánh giá mức độ ảnh hưởng của các thông số khảo sát tới biến đầu ra. Thông số khảo sát có giá trị F lớn hơn sẽ có ảnh hưởng mạnh hơn đến kết quả đầu ra và F được xác định như sau [74]:
𝐹 =𝑀𝑆𝑀𝑆Đ𝐾
𝐿Đ𝐾 (3.14) Trong đó:
MSĐK – Giá trị trung bình bình phương cho điều kiện MSLĐK – Giá trị trung bình bình phương cho lỗi điều kiện b, Hệ số S/N
Phương pháp Taguchi sử dụng tỷ số tín hiệu nhiễu S/N để đánh giá mức độ ảnh hưởng của các thông số ảnh hưởng tới giá trị đầu ra của sản phẩm. Quá trình đánh giá
thông qua hệ số S/N cho kết quả tối ưu và ít bị ảnh hưởng bởi nhiễu nhất. Hệ số S/N của các kết quả đầu ra được xác định theo các chỉ tiêu như sau [74]:
- Giá trị lớn hơn là tốt hơn:
(S/N)HB=-10.log(MSDHB) (3.15) Trong đó: 𝑀𝑆𝐷𝐻𝐵 =1𝑟∑ (𝑦1
𝑖2)
𝑟𝑖=1
MSDHB – Sai lệch bình phương trung bình r – Số lần kiểm tra trong một thí nghiệm yi – Các giá trị của thí nghiệm.
- Giá trị tiêu chuẩn là tốt nhất
(S/N)NB=-10.log(MSDNB) (3.16) Trong đó: 𝑀𝑆𝐷𝑁𝐵 =1𝑟∑𝑟𝑖=1(𝑦𝑖 − 𝑦0)2
MSDNB – Sai lệch bình phương trung bình Y0 – Giá trị tiêu chuẩn hay giá trị mục tiêu - Giá trị thấp hơn là tốt hơn:
(S/N)LB=-10.log(MSDLB) (3.17) Trong đó: 𝑀𝑆𝐷𝐿𝐵 = 1𝑟∑𝑟𝑖=1(𝑦𝑖2)
MSDLB – Sai lệch bình phương trung bình yi – Các giá trị của thí nghiệm.
Nghiên cứu này khảo sát ba kết quả đầu ra là lực cắt (R), nhiệt độ cắt (oC), độ nhám Ra được xác định theo đặc trưng thấp hơn là tốt hơn và tỷ số Fz/Fy được xác định theo đặc trưng lớn hơn là tốt hơn.
3.3.4 Kết quả và thảo luận a, Kết quả thí nghiệm
Sau khi tiến hành thí nghiệm, kết quả đo được thu thập, sử dụng phần mềm minitab 16 xác định các tỷ số tín hiệu nhiễu S/N của từng thông số và được thể hiện trong bảng 3.9.
Trước khi phân tích phương sai và phân tích hệ số tín hiệu nhiễu S/N, bộ dữ liệu thu được (lực cắt tổng R, tỷ lệ lực cắt, nhiệt độ cắt và độ nhám) được kiểm tra độ sai lệch và mức độ phù hợp với mô hình thí nghiệm đã lựa chọn. Kết quả đánh giá được thể hiện trong hình 3.14-3.17. Đồ thị phân bố chuẩn cho phép so sánh xác xuất phân bố các sai lệch so với phân bố chuẩn. Các hình (3.14-3.17)a cho thấy sai lệch phân bố gần với phân bố chuẩn (các điểm dữ liệu phân bố dọc đường thẳng).
Đồ thị biểu diễn phân bố sai lệch của bộ dữ liệu được thể hiện trong các hình 3.14- 3.17b. Các điểm phân bố ngẫu nhiên quanh vị trí điểm 0, chứng tỏ bộ dữ liệu thu được là chính xác và ít bị ảnh hưởng bởi các thông số công nghệ khác, ngoài các thông số khảo sát.
Đồ thị thống kê tần số xuất hiện sai lệch được thể hiện trong các hình từ 3.14-3.17c.
Đồ thị thống kê cho thấy, tần số xuất hiện sai lệch được phân bố ngẫu nhiên, chứng tỏ các giá trị của dữ liệu khảo sát theo mô hình thí nghiệm Taguchi là phù hợp.
Đồ thị biểu diễn quan hệ giữa sai lệch và thứ tự các điểm dữ liệu, được thể hiện trong các hình từ 3.14-3.17d. Đồ thị cho thấy các điểm phân bố ngẫu nhiên quanh điểm 0 và không bị phụ thuộc bởi thứ tự thí nghiệm, chứng tỏ bộ dữ liệu thu được là tin cậy.
8 4
0 -4
-8 99 90 50 10 1
Residual
percent
300 275
250 225
200 5.0 2.5 0.0 -2.5 -5.0
Fitted Value
Residual
4 2 0 -2 -4 4
3 2 1 0
Residual
Frequency
18 16 14 12 10 8 6 4 2 5.0 2.5 0.0 -2.5 -5.0
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
a, b,
c, d,
Hình 3. 14 Đánh giá độ sai lệch của dữ liệu lực cắt tổng R
0.0050 0.0025
0.0000 -0.0025
-0.0050 99 90 50 10 1
Residual
Percent
0.32 0.30
0.28 0.26
0.004 0.002 0.000 -0.002 -0.004
Fitted Value
Residual
0.003 0.002 0.001 0.000 -0.001 -0.002 -0.003 4 3 2 1 0
Residual
Frequency
18 16 14 12 10 8 6 4 2 0.004 0.002 0.000 -0.002 -0.004
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for Means
a, b,
c, d,
Hình 3. 15Đánh giá độ sai lệch của dữ liệu tỷ lệ lực cắt Fz/Fy
0.2 0.1
0.0 -0.1
-0.2 99 90 50 10 1
Residual
Percent
-28 -29
-30 -31
0.10 0.05 0.00 -0.05 -0.10
Fitted Value
Residual
0.15 0.10 0.05 0.00 -0.05 -0.10 -0.15 4.8 3.6 2.4 1.2 0.0
Residual
Frequency
18 16 14 12 10 8 6 4 2 0.10 0.05 0.00 -0.05 -0.10
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for SN ratios
a, b,
c, d,
Hình 3. 16 Đánh giá độ sai lệch của dữ liệu nhiệt độ cắt T
0.02 0.01
0.00 -0.01
-0.02 99 90 50 10 1
Residual
Percent
1.00 0.75
0.50 0.25
0.00 0.010 0.005 0.000 -0.005 -0.010
Fitted Value
Residual
0.015 0.010 0.005 0.000 -0.005 -0.010 -0.015 4 3 2 1 0
Residual
Frequency
18 16 14 12 10 8 6 4 2 0.010 0.005 0.000 -0.005 -0.010
Observation Order
Residual
Normal Probability Plot Versus Fits
Histogram Versus Order
Residual Plots for Means
a, b,
c, d,
Hình 3. 17Đánh giá độ sai lệch của dữ liệu độ nhám bề mặt Ra
Bảng 3. 9Giá trị lực cắt, tỷ lệ lực cắt, nhiệt độ cắt, độ nhám và tỷ số S/N tương ứng
TT
Lực cắt Nhiệt độ cắt Độ nhám
Fy (N)
Fz
(N) R (N) S/N Fz/Fy S/N T
(oC) S/N Ra (μm) S/N 1 277.8 78.3 288.62 -49.2066 0.282 -10.9994 30.5 -29.6860 0.1610 7.2923 2 232.6 73.6 243.97 -47.7466 0.316 -9.99464 27.6 -28.8182 0.1175 12.0412 3 190.8 61.7 200.53 -46.0435 0.323 -9.80586 24.7 -27.8539 0.0894 16.9359 4 282.9 77.3 293.27 -49.3454 0.273 -11.2691 32.1 -30.1301 0.2500 5.8061 5 255.2 72.1 265.19 -48.4711 0.283 -10.9789 29.3 -29.3374 0.3059 9.5303 6 235.6 70.1 245.81 -47.8119 0.298 -10.5291 25.1 -27.9935 0.4319 8.9588 7 293.3 82.2 304.60 -49.6746 0.280 -11.0488 34.7 -30.8066 0.3565 4.6006 8 282.8 80.8 294.12 -49.3704 0.286 -10.8814 30.9 -29.7992 0.5700 1.8057 9 260.1 74 270.42 -48.6408 0.285 -10.9182 27 -28.6273 0.9397 -0.2879 10 282.4 75.2 292.24 -49.3148 0.266 -11.4929 32.3 -30.1841 0.2022 8.6242 11 246.3 72.3 256.69 -48.1883 0.294 -10.6465 29.1 -29.2779 0.1817 12.8757 12 222 69.1 232.51 -47.3287 0.311 -10.1375 26.1 -28.3328 0.1423 18.5992 13 296.2 78.3 306.37 -49.7251 0.264 -11.5565 34.8 -30.8316 0.3120 7.2763 14 262.8 74.1 273.05 -48.7247 0.282 -10.9961 30.1 -29.5713 0.3705 9.6587 15 242.9 70.9 253.04 -48.0636 0.292 -10.6956 27.7 -28.8496 0.5125 9.2739 16 295 84.6 306.89 -49.7397 0.287 -10.849 36.2 -31.1742 0.4327 4.8825 17 283 80.8 294.31 -49.3761 0.286 -10.8875 32.6 -30.2644 0.5888 1.9306 18 263.5 76.2 274.30 -48.7644 0.289 -10.7765 28.2 -29.0050 1.0337 0.0130
b, Ảnh hưởng của các yếu tố khảo sát tới lực cắt tổng R
Sử dụng phần mềm Minitab, phân tích phương sai cho giá trị lực cắt tổng R được thực hiện và kết quả thể hiện trong bảng 3.10 với khoảng tin cậy 95,6%. Bảng phân tích phương sai cho thấy các giá trị tổng bình phương liên tiếp (Seq SS), tổng bình phương điều chỉnh (Adj SS), giá trị bình phương trung bình điều chỉnh (Adj MS), hệ số F và giá trị P.
Nhận thấy sử dụng mô hình thí nghiệm Taguchi là phù hợp và không có hiệp biến do tất cả các biến khảo sát đều có giá trị tổng bình phương liên tiếp và tổng bình phương điều chỉnh bằng nhau. Kết quả phân tích cũng cho thấy, tỷ lệ hạt (F=101.49), kích thước hạt (F=54.04), tốc độ cắt (F=9.34) và ảnh hưởng tương tác giữa tỷ lệ và cỡ hạt (F=5.58) có ảnh hưởng mạnh nhất tới giá trị lực cắt tổng cộng R. Tương tác giữa vận tốc cắt với tỷ lệ bột ( F=0.73) và tương tác giữa vận tốc cắt với cỡ hạt (F=1.8) có ảnh hưởng yếu tới giá trị lực cắt tổng R. Ngoài ra, giá trị trung bình của lực cắt ứng với các mức khác nhau với từng thông số khảo sát và thứ tự ảnh hưởng của các thông số tới giá trị lực cắt tổng R được thể hiện trong bảng 3.11. Kết quả phân tích cho thấy trong số các thông số khảo sát thì tỷ lệ bột là thông số có ảnh hưởng mạnh nhất tới giá trị trung bình của lực cắt R.
Bảng 3. 10Phân tích ANOVA cho giá trị lực cắt tổng R
Source DF Seq SS Adj SS Adj MS F P
Vận tốc cắt 1 381.5 381.5 381.50 9.34 0.038
Cỡ hạt 2 4417.0 4417.0 2208.49 54.04 0.001
Tỷ lệ 2 8295.5 8295.5 4147.75 101.49 0.000
Vận tốc cắt *cỡ hạt 2 146.82 146.82 73.41 1.80 0.278 Vận tốc cắt * Tỷ lệ bột 2 60.0 60.0 30.00 0.73 0.535
Cỡ hạt*Tỷ lệ 4 912.0 912.0 228.00 5.58 0.062
Lỗi 4 163.5 163.47 40.87 - -
Tổng 17 14376.3 - - - -
Bảng 3. 11Giá trị trung bình của lực cắt R và mức độ ảnh hưởng của các thông số tới giá trị lực cắt R
Level Vận tốc cắt Cỡ hạt Tỷ lệ
1 267.4 252.4 298.7
2 276.6 272.8 271.2
3 290.8 246.1
Delta 9.2 38.3 52.6
Rank 3 2 1