بررسی و بهینه سازی فرآیند لپن‌کاری تخت با استفاده از الگوریتم ژنتیک چند هدفه با رویکرد مرتب سازی نامغلوب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی مکانیک، دانشگاه بیرجند، بیرجند، ایران

2 دانشیار /مهندسی مکانیک، دانشکده مهندسی، دانشگاه بیرجند، ایران

چکیده

فرآیند لپن‌کاری یکی از مهم‌ترین فرآیندهای پرداخت‌کاری به منظور رسیدن به سطوحی با تختی بالا است. در این مقاله در فرآیند لپن‌کاری تخت یک طرفه، اثر پارامترهای اندازه ذرات ساینده، درصد وزنی ذرات ساینده در دوغاب لپن‌کاری و فشار لپن‌کاری بر نرخ برداشت ماده، تختی و زبری سطح قطعات لپن‌کاری شده مورد بررسی قرار گرفته است. آزمایش‌ها توسط دستگاه لپن‌کاری لپ مستر 15 و بر روی قطعاتی از جنس فولاد 440c انجام شده‌اند. مهم‌ترین مشکل در فرآیندهای لپن‌کاری، پایین بودن نرخ برداشت ماده است که سبب افزایش هزینه و زمان تولید می‌گردد. بنابراین در فرآیندهای لپن‌کاری، انتخاب شرایطی که بتواند علاوه بر تولید قطعاتی با دقت‌های هندسی و زبری سطح موردنیاز، نرخ برداشت ماده بالایی نیز داشته باشد بسیار مهم و ضروری است. در این مقاله برای اولین بار با استفاده از الگوریتم بهینه‌سازی چندهدفه ژنتیک با رویکرد مرتب‌سازی نامغلوب به بهینه‌سازی همزمان نرخ برداشت ماده، زبری سطح و تختی قطعات لپن‌کاری شده پرداخته و بهینه پارتو مربوطه، بدست آورده شده است. نتایج بدست آمده نشان می‌دهند که این الگوریتم بهینه‌سازی ابزاری مفید و قدرتمند برای بهینه‌سازی همزمان نرخ برداشت ماده، زبری سطح و تختی قطعات لپن‌کاری شده است و با استفاده از این الگوریتم بهینه‌سازی می‌توان قطعاتی با زبری سطح و تختی مورد نیاز را با نرخ برداشت ماده بالا تولید کرد. در نتیجه با استفاده از این الگوریتم بهینه‌سازی علاوه بر ایجاد قطعاتی با کیفیت مطلوب، هزینه و زمان تولید نیز کاهش می‌یابد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Investigation and Optimization Flat Lapping Process Using Non-Dominated Sorting Genetic Algorithm II

نویسندگان [English]

  • Mohammad Shafiei Alavijeh 1
  • Hossein Amirabadi 2
1 Department of Mechanical Engineering, University of Birjand, Birjand, Iran
2 mechanical engineering department- university of birjand- birjand -Iran
چکیده [English]

Lapping process is one of the most important finishing processes in order to achieve a flat surface. In this paper, effects of parameters such as abrasive particle size, abrasive particles concentration in slurry, and lapping pressure on material removal rate, flatness and surface roughness were investigated in single sided lapping of flat workpieces made of 440c steel. To conduct experiments, Lapmaster™ 15 lapping machine has been exerted. The most important problem in lapping process is the low material removal rate which causes increase cost and production time. Therefore, in the lapping process, the selection of conditions that in addition to the production of pieces with geometric accuracy and surface roughness needed have a high material removal rate, is very important. In this paper, for the first time, the material removal rate, surface roughness and flatness lapped pieces have been optimized using non[1]dominated sorting genetic algorithm II and, the Pareto optimal solutions were obtained. The results show that non-dominated sorting genetic algorithm II is a useful and powerful tool for optimizing the material removal rate, surface roughness and flatness lapped pieces. Using this optimization algorithm, pieces with surface roughness and flatness requirements can be produced at high material removal rate. As a result, with this optimization algorithm, in addition to creating parts with high quality, the production cost and time are reduced.

کلیدواژه‌ها [English]

  • Multi-objective optimization
  • genetic algorithm
  • single sided lapping of flat workpieces
  • 440 Non-dominated sorting
[1]  N. Zhu, F. Zheng, Y. Zhu, S. Xu, D. Zuo, Research of abrasive embedment-free lapping on soft-brittle lithium niobate wafer, The International Journal of Advanced Manufacturing Technology, 87 (2016) 1951-1956.
[2]  Y. Ahn, S. S. Park, Surface roughness and material removal rate of lapping process on ceramics, KSME International Journal, 11(5) (1997) 494-504.
[3] A.Gullu, H. Calimli, The investigation of the effects of machining parameters on surface roughness in lapping, Gazi University Journal of Science, 18(2) (2005) 229-237.
[4]  J. C. Lambropoulos, S. D. Jacobs, B. E. Gillman, H. J. Stevens, Deterministic microgrinding, lapping, and polishing of glass–ceramics, Journal of the American Ceramic Society, 88(5) (2005) 1127-1132.‏
[5] J. Yuan, B. Lv, Z. Zhou, B. Tao, Parameters optimization on the lapping process for advanced ceramics by applying Taguchi method, Materials Science Forum, 532 (2006) 488-491.
[6] G. Ascanio, C. Cava, R. Chicurel, R. Reséndizc, Improved single-face lapping by using an air bearing supported lap. Journal of Applied Research and Technology, 5(3) (2007) 187-195.
[7]  L. S. Deshpande, S. Raman, O. Sunanta, C. Agbaraji, Observations in the flat lapping of stainless steel and bronze, Wear, 265(1) (2008) 105-116.‏
[8] T. Iyama, I. Tanabe, A. L. Moe, K. Yoshi F. Nasu, Development of intelligent lapping system estimation of finished surface roughness and its improvement speed, Journal of Machine Engineering, 10(1) (2010) .21-5‏
[9] Y. Zhang, I. D. Marinescu, R. VandenBoom, Optimisation of D2 steel lapping with a polymer plate, International Journal of Abrasive Technology, 3(3) (2010) 203-214.
[10]  C. Chung, C. S. Korach, I. Kao, Experimental study and modeling of lapping using abrasive grits with mixed sizes, Journal of Manufacturing Science and Engineering, 133(3) (2011) 031006.‏
[11]  S. Jianxiu, L. Xinglong, Z. Zhuqing, L. Zhixiang, Influence of lapping parameters on 6H-SiC Crystal Substrate (0001) C surface based on diamond particle, Advanced Materials Research, 565 (2012) 237-242.
[12]  P. R. Parate, R. B. Yarasu, Application of Taguchi and ANOVA in optimization of process parameters of lapping operation for cast iron, Mechanical Engineering and Sciences, 4 (2013) 479-487.
[13]  P. R. Parate, R. B. Yarasu, Optimization of parameters of lapping operation by Taguchi approach for surface roughness of SS 321, International Journal of Mechanical Engineering and Technology, 4(4) (2013) 15-21.
[14]  M. Farahnakian, H. Shahrajabian, Experimental study on surface roughness and flatness in lapping of AISI 52100 steel, International Journal of Advanced Design and Manufacturing Technology, 9(2) (2016) .86-16
[15]  S. Ozturk, E. Kayabasi, E. Celik, H. Kurt, Determination of lapping parameters for silicon wafer using an artificial neural network, Journal of Materials Science: Materials in Electronics, 29(1) (2018) 260-270.
[16] S. Ozturk, L. Aydin, N. Kucukdogan, E. Celik, Optimization of lapping processes of silicon wafer for photovoltaic applications, Solar Energy, 164 (2018) 1-11.
[17] I. D. Marinescu, E. Uhlmann, T. K. Doi, Handbook of lapping and polishing, Taylor & Francis, London, 2007.
[18] R. L. Haupt, S. E. Haupt, Practical genetic algorithms, John Wiley & Sons, New Jersey, 2004.
[19] K. Deb, A. Pratap, S. A. Agarwal, fast and elitist multi objective genetic algorithm: NSGA-II, IEEE Trans Evol Comput, 6 (2002) 182-197.
[20] S. E. Mirmohammadsadeghi, H. Amirabadi, High-pressure jet-assisted turning of AISI 304: Experimental and multi-objective optimization approach, Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering, (2017) 0954408917738488.
[21] N. Alikar, S. M. Mousavi, R. A. R. Ghazilla, M. Tavana, E. U. Olugu, Application of the NSGA-II algorithm to a multi-period inventory-redundancy allocation problem in a series-parallel system, Reliability Engineering & System Safety, 160 (2017) 1-10.‏