ارائه سیستم طبقه‏بندی جدید برای ارزیابی قابلیت برش سنگ‏های ساختمانی و بهینه‏سازی پارامترهای برش

تخمین قابلیت برش یک سنگ و تعیین عوامل موثر بر آن در تخمین هزینه‏ها و طراحی یک کارخانه سنگ‏بری از اهمیت بالایی برخوردار می‏باشد. قابلیت برش سنگ به‏ صورت اولیه به مشخصات فیزیکی و مکانیکی سنگ و خصوصیات دستگاه برش بستگی دارد. در مرحله نخست از این مطالعه سعی شد تا سیستم طبقه‏بندی جدیدی مبتنی بر مشخصات فیزیکی و مکانیکی سنگ شامل 4 عامل مهم مقاومت فشاری تک محوری، سختی موهس، فاکتور سایندگی شیمیازک و مدول الاستیسیته ارائه شود. درجه اهمیت هر یک از این عوامل با استفاده از روش تحلیل سلسله مراتبی فازی و دلفی فازی تعیین شد. با استفاده از این سیستم طبقه‏بندی جدید قابلیت برش سنگ‏های ساختمانی مورد مطالعه (مشتمل بر 7 نوع سنگ کربناته و 5 نوع سنگ گرانیتی)، مورد ارزیابی و طبقه‏بندی قرار گرفت. برای بررسی صحت و سقم نتایج حاصل از این طبقه‏بندی، آزمایش‏های برش متنوعی تحت شرایط مختلف عملیاتی با استفاده از یک دستگاه برش در مقیاس آزمایشگاهی انجام شد. در طول انجام این آزمایش‏ها، مقدار شدت جریان مصرفی دستگاه و ارتعاش‏های به وجود آمده در سیستم اندازه‏گیری شد. نتایج حاصل از این بررسی‏ها نشان داد که در بیشتر موارد سیستم طبقه‏بندی به خوبی توانسته است قابلیت برش سنگ‏های مورد مطالعه را رده‏بندی کند. در مرحله دوم از این مطالعه به بررسی و تحلیل اقتصادی فرایند برش سنگ‏های ساختمانی در برخی از کارخانه‏های سنگ‏بری در شهرک صنعتی محمودآباد اصفهان پرداخته شد. بدین ترتیب توابع مختص هر یک از فاکتورهای هزینه‏ساز در فرایند برش سنگ‏های ساختمانی تعیین شد. در ادامه با استفاده از این توابع، تابع هزینه کل تعیین شد و سپس تحلیل حساسیت برای دو نمونه سنگ تراورتن حاجی آباد و گرانیت قرمز یزد انجام شد. نتایج حاصل از بررسی‏ها نشان داد که دو فاکتور هزینه‏ساز انرژی مصرفی و سایش ابزار الماسی بیشترین تأثیر را در هزینه‏های کلی تولید به ترتیب برای نمونه سنگ‏های تراورتن و گرانیت دارد. با استفاده از این مدل اقتصادی می‏توان به راحتی مقدار هزینه‏های تولید را با توجه به فاکتورهایی نظیر انرژی مصرفی، هزینه کارگری، سایش ابزار الماسی، آب مصرفی و هزینه تعمیر و نگهداری محاسبه کرد. در مرحله سوم از این تحقیق به بررسی و بهینه‏سازی پارامترهای برش شامل عمق برش و نرخ پیشروی با کمک الگوریتم بهینه‏ساز ژنتیک پرداخته شد. الگوریتم ژنتیک از جمله الگوریتم‏های بهینه‏ساز می‏باشد که از یک سیر تکاملی طبیعی برای حل مسائل بهینه‏سازی پیروی می‏کند. در نهایت نتایج حاصل از این بخش به صورت نمودارهایی برای انتخاب نقاط بهینه از پارامترهای ماشین‏کاری بر اساس شاخص قابلیت برش سنگ ارائه شده است.