مطالعه تجربی تاثیر پارامترهای فرآیند شکل دهی تدریجی در تغییرات ضخامت ورق خودرویی dc04 با استفاده از شبکه های عصبی مصنوعی

امروزه گسترش بازارهای جهانی و رقابت تولید کنندگان به گونه ای است که با ورود یک محصول جدید از یک شرکت تولیدی، شرکت های دیگر اقدام به تولید و ارائه محصولی با امکانات و کارآیی بیشتر و ظاهری زیباتر می نمایند. لذا شرکت های تولیدی و صنایع جهت باقی ماندن در چنین بازاری ناگزیر به استفاده از روشهای تولید و نمونه سازی سریع می باشند. فرآیند شکل دهی تدریجی ورق فلزی به عنوان یک تکنولوژی نوین در مجموعه روش های نمونه سازی سریع در سطح دنیا شناخته شده و در سال های اخیر توسعه داده شده است که در آن بدون نیاز به قالب پرس، ورق به فرم خاصی در می آید. در این روش به دلیل حذف قالب پرس، هزینه ها به شدت کاهش می یابد. یکی از صنایعی که از این روش شکل دهی می توان در آن بهره برد صنعت خودرو است. اگرچه تحقیقات زیادی پیرامون این فرآیند توسط محققان صورت گرفته است ولی هنوز به تحقیقات زیادی به منظور کاربردی کردن این فرآیند در صنعت نیاز است. در فرآیند شکل دهی تدریجی به علت گرفته شدن ورق از اطراف در حین شکل دهی، ورق دچار تغییر ضخامت می گردد. لذا در تحقیق پیش رو در ابتدا با طراحی آزمایشاتی مدون به کمک نرم افزار minitab و با استفاده از تکنیک طراحی آزمایش تاگوچی، تاثیر پارامترهای فرآیند ( قطر ابزار، گام محوری، سرعت پیشروی و سرعت دورانی ابزار ) بر روی میزان تغییرات ضخامت بررسی شده است. شایان ذکر است در این راستا 25 قطعه طی 25 آزمایش مختلف تولید شده است که این خود باعث منحصر به فرد شدن این تحقیق از لحاظ وسعت تعداد آزمایشات و تنوع سطوح پارامترهای فرآیند شده است که موجب افزایش دقت و عمومیت نتایج استخراج شده از این تحقیق می گردد. همچنین به منظور کاربردی کردن این فرآیند کلیه آزمایشات بر روی جنس dc04 که در بدنه خودروها کاربرد فراوانی دارد و به منظور تولید قسمتی از بدنه خودرو ( دستگیره درب خودرو ) صورت گرفته است. پس از آن اقدام به ارائه مدلی به منظور پیش بینی تغییرات ضخامت با کمترین خطا با استفاده از شبکه های عصبی مصنوعی با استفاده از نرم افزار matlab نموده است که هدف از این کار، ارائه ابزاری عمومی به منظور انتخاب پارامترهای فرآیند جهت دستیابی به کمترین میزان تغییرات ضخامت می باشد. لازم به ذکر است هندسه و جنس انتخاب شده و انجام آزمایشات با این وسعت و همچنین مدل شبکه عصبی به منظور تعیین تغییرات ضخامت، برای اولین بار و در این تحقیق مورد استفاده قرار گرفته است.