کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10418439 902883 2014 17 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Sensitivity analysis of a deep drawing process for miniaturized products
ترجمه فارسی عنوان
تجزیه و تحلیل حساسیت از یک فرآیند کشش عمیق برای محصولات مینیاتوری
کلمات کلیدی
تجزیه و تحلیل - پروسه کشش عمیق - حساسیت پروسه شکل گیری -
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1- روش طراحی مستحکم
2- برنامه ریزی آزمایش
3-طراحی ماتریس آزمایش
4- نتایج آزمایش
5- تحلیل و تایید نتایج
6- نتیجه گیری
ترجمه چکیده
کشش عمیق یکی از روش های گسترده ی شکل دهی ورق های فلزی است و پیاده سازی آن سال های زیادی موضوع تحقیقات بوده است. این تحقیقات، تحولات بسیاری را تحت تاثیر قرار داده است، یکی از مهمترین آنها، روش های مدل سازی عددی مانند روش المان محدود (FEM) به منظور شبیه سازی فرآیند است. گرچه روش کشش عمیق سالیان زیادی موضوع اصلی تحقیقات بوده است اما هنوز در مورد کشش عمیق اجزاء ریزسازی شده که کاربرد وسیعی در صنعت الکترونیک دارد، اطلاعات زیادی در دسترس نیست. فرآیند کشش عمیق توسط بسیاری از پارامترهای مواد و فرآیند تحت تاثیر قرار می گیرد مانند توان کرنش سختی، نسبت کرنش پلاستیک، اصطکاک و روانکاری، نیروی ورق گیر، حضور آویزه ها، سرعت سمبه و غیره. این مقاله به شناسایی پارامترهای مهمی که بر فرآیند کشش عمیق تاثیر دارند کمک می کند و به صورت کمّی، اثر این پارامترها را در عملیات کشش عمیق برای اجزای متحدالشکل اما با اندازه های مختلف، مورد مطالعه قرار می دهد. بنابراین یک ارتباط بین اندازه ی یک جزء و اثر پارامترها بر فرآیند کشش عمیق آن جزء ایجاد می شود. این مقاله شامل یک تجزیه و تحلیل کرنش صفحه ای از یک هندسه ی ناقوس مانند است. روش طراحی مستحکم تاگوچی (Taguchi) ( مهندسی کیفیت با استفاده از طراحی قوی Prentice-Hall New Jersey 1989 P145) برای طراحی آزمایش ها و با استفاده از حداکثر کرنش ایجاد شده در دیواره هابه عنوان مشخصه کیفی، استفاده شده است. از آنجا که انجام آزمایش های واقعی، گران و زمان بر است، مدل سازی کامپیوتری برای شبیه سازی آزمایش استفاده شد. یک برنامه مبتنی بر روش المان محدود (SHEET-s) به وسیله ی Wagoner و همکارانش (Int. J. Meth. Eng. 30 8 1990 1471) ایجاد شد که از آن به منظور شبیه سازی کامپیوتری فرآیند آزمایش استفاده شد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی صنعتی و تولید
پیش نمایش مقاله
تجزیه و تحلیل حساسیت از یک فرآیند کشش عمیق برای محصولات مینیاتوری
چکیده انگلیسی
Deep drawing is a widely used sheet metal forming technique, and its successful implementation has been a subject of research since many years. It has undergone many developments, one of the important ones being the application of numerical modeling techniques, like the finite element method (FEM) to simulate the process. Although deep drawing has been a subject of research for many years, there is still not much data available on deep drawing of miniature components, which find extensive application in electronics industry. The deep drawing process is affected by many material and process parameters, like the strain-hardening exponent, plastic strain ratio, friction and lubrication, blank holder force, presence of drawbeads, punch velocity, etc. This paper aims at identifying the important parameters that affect the deep drawing process and quantitatively studying the effect of these parameters on the deep drawing operation for components of similar shape but different sizes. Thus, establishing a correlation between the size of a component and the effect of the parameters on the deep drawing of the component. The study consists of a plane strain analysis of bell shaped geometry. Taguchi’s robust design technique [Quality Engineering Using Robust Design, Prentice-Hall, New Jersey, 1989, p. 145] has been used to design the experiments using the maximum thinning strain developed in the walls as the quality characteristic. Since carrying out actual experiments is both expensive and time consuming, computer modeling has been used to simulate the experiments. A FEM-based program, SHEET-S, developed by Wagoner and co-workers [Int. J. Meth. Eng. 30 (8) (1990) 1471] has been used for this purpose.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Materials Processing Technology - Volume 147, Issue 3, 20 April 2004, Pages 321–327
نویسندگان
, , , , ,