مهندسی مکانیک مدرس

مهندسی مکانیک مدرس

مقایسه روشهای بهینه سازی تحلیلی و مبتنی بر طراحی تجربی به منظور تعیین جهت گیری بهینه ساخت در فرآیندهای نمونه سازی سریع

نویسندگان
امیرحسین گل محمدی 1
سعید خدایگان 2
1 کارشناسی ارشد، مهندسی مکانیک، دانشگاه صنعتی شریف، تهران
2 استادیار/دانشگاه شریف
چکیده
نمونه‌سازی سریع (ساخت افزودنی یا چاپ سه‌بعدی) روشی از ساخت قطعات است که می‌تواند نمونه طراحی شده در رایانه را به‌طور مستقیم به قطعه فیزیکی تبدیل کند. یکی از مهمترین عواملی که در ساخت قطعات با روش نمونه‌سازی سریع باید مورد توجه قرار گیرد، الگوی جهت‌گیری ساخت قطعه است. جهت‌گیری ساخت قطعه در فرآیندهای نمونه-سازی سریع بر روی خواص قطعه از جمله استحکام، زمان ساخت، صافی سطح، مقدار مواد تکیه‌گاهی مورد استفاده و قیمت ساخت تأثیرگذار است. در این بین زمان ساخت قطعه و زبری سطح از مهمترین مشخصه‌هایی هستند که به طور مستقیم تحت تأثیر جهت‌گیری قطعات قرار دارند. در این مقاله، دو الگوریتم بر اساس روش‌های بهینه‌سازی تحلیلی و تجربی برای تعیین جهت‌گیری بهینه ساخت به منظور کمینه کردن زمان ساخت و زبری سطح ارائه شده‌ است. برای پیاده‌سازی این روش، قطعه مورد نظر کاربر در فرمت زبان استاندارد مثلثی (STL) دریافت می‌شود سپس با استفاده از مشخصات هندسی و نوع جهت‌گیری قطعه زمان تخمینی ساخت و مقدار میانگین زبری سطح قطعه محاسبه می‌شود. به منظور تعیین جهت‌گیری بهینه از دو روش بهینه‌سازی تحلیلی (روش NSGA-II) و تجربی (روش جدید و توسعه یافته تاگوچی) استفاده شده‌است. پس از معرفی مراحل هر یک از این دو روش به منظور تعیین جهت‌گیری بهینه ساخت قطعه، مراحل این دو الگوریتم پیشنهادی بر روی قطعه‌ای به عنوان مطالعه موردی پیاده‌سازی می شود و نتایج حاصل مورد مقایسه و بحث قرار می گیرد.
کلیدواژه‌ها
نمونه سازی سریع
زبان استاندارد مثلثی (STL)
جهت گیری بهینه ساخت قطعه
روش NSGA-II
روش جدید و توسعه یافته تاگوچی

عنوان مقاله English

Comparison of analytical and experimental design -based optimization methods to determine the optimum part build orientation in rapid prototyping processes

نویسنده English

Amir Hossein Golmohammadi 1
1 Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran
چکیده English

Rapid prototyping (Additive manufacturing or 3D printing) is defined as the process that can build 3D physical part from the designed model in CAD software by joining materials directly. In the RP process, the orientation pattern of the part is one of the most important factors that significantly affect the product properties such as the build time, the surface roughness, the mechanical strength, and the amount of support material. The build time and the surface roughness are the more imperative criteria than others that can be considered to find the optimum orientation of parts. In this paper, two algorithms based on analytical and empirical optimization methods are presented to determine optimum part build orientation in order to minimize build time and surface roughness. To implement this method, the user's part is received in standard triangle language (STL) format. Then, using the geometric characteristics and type of part orientation, the build time and the average of surface roughness is calculated. In order to determine the optimum part build orientation, two analytical (NSGA-II method) and experimental (new and developed Taguchi method) optimization methods have been used. After introducing the steps of these two methods, in order to determine optimum part build orientation, the steps of these two proposed algorithms are implemented on a part as a case study and obtained results are compared and discussed.

کلیدواژه‌ها English

Rapid Prototyping
Standard triangle language (STL)
Optimum part build orientation
NSGA-II method
new and developed Taguchi method
[1] P. M. Pandey, P. V. Reddy, S. G. Dhande, Slicing procedures in layered manufacturing: A review, Rapid Prototyping Journal, Vol. 9, No. 5, pp. 274- 288, 2003.
[2] E. Sachs, M. Cima, P. Williams, D. Brancazio, J. Cornie, 3-dimensional printing -rapid tooling and prototypes directly from a cad model, Transactions of the North American Manufacturing Research Institution of Sme 1991, Vol. 114, No. 4, pp. 481-489, 1992.
[3] J. P. Kruth, M. C. Leu, T. Nakagawa, Progress in additive manufacturing and rapid prototyping, CIRP Annals-Manufacturing Technology, Vol. 47, No. 2, pp. 525-540, 1998.
[4] H. Bikas, P. Stavropoulos, G. Chryssolouris, Additive manufacturing methods and modelling approaches: A critical review, The International Journal of Advanced Manufacturing Technology, Vol. 83, No. 1, pp. 389- 405, 2016.
[5] P. Das, R. Chandran, R. Samant, S. Anand, Optimum part build orientation in additive manufacturing for minimizing part errors and support structures, Procedia Manufacturing, Vol. 1, No. 1, pp. 343-354, 2015.
[6] G. Moroni, W. Syam, S. Petrò, Functionality-based part orientation for additive manufacturing, Procedia CIRP, Vol. 36, No. 1, pp. 217-222, 2015.
[7] P. Alexander, S. Allen, D. Dutta, Part orientation and build cost determination in layered manufacturing, Computer-Aided Design, Vol. 30, No. 5, pp. 343-356, 1998.
[8] P. Hanzl, M. Zetek, T. Bakša, T. Kroupa, The influence of processing parameters on the mechanical properties of SLM Parts, Procedia Engineering, Vol. 100, pp. 1405-1413, 2015.
[9] W. Cheng, J. Y. H. Fuh, A. Y. C. Nee, Y. S. Wong, H. T. Loh, T. Miyazawa, Multi-objective optimization of part-building orientation in stereolithography, Rapid Prototyping Journal, Vol. 1, No. 4, pp. 12-23, 1995.
[10] A. M. Phatak, S. S. Pande, Optimum part orientation in rapid prototyping using genetic algorithm, Journal of Manufacturing Systems, Vol. 31, No. 4, pp. 395-402, 2012.
[11] R. Jamieson, H. Hacker, Direct slicing of CAD models for rapid prototyping, Rapid Prototyping Journal, Vol. 1, No. 2, pp. 4-12, 1995.
[12] A. Dolenc, I. Mäkelä, Rapid prototyping from a computer scientist’s point of view, Rapid Prototyping Journal, Vol. 2, No. 2, pp. 18-25, 1995.
[13] A. H. Golmohammadi, S. Khodaygan, Build time estimation in additive manufacturing processes based on part orientations, Modares Mechanical Engineering, Vol. 17, No. 7, pp. 9-16, 2017. (in Persian فارسی(
[14] D. Ahn, H. Kim, S. Lee, Surface roughness prediction using measured data and interpolation in layered manufacturing, Journal of Materials Processing Technology, Vol. 209, No. 2, pp. 664-671, 2009.
[15] J. Angeles, The role of the rotation matrix in the teaching of planar kinematics, Mechanism and Machine Theory, Vol. 89, No. 1, pp. 28-37, 2015.
[16] S. Leary, A. Bhaskar, A. Keane, Optimal orthogonal-array-based latin hypercubes, Journal of Applied Statistics, Vol. 30, No. 5, pp. 585-598, 2003.
[17] J. Payandehpeyman, Gh. Majzoobi, R. Bagheri, Deriving parameters of pressure-dependent yield surface for polymeric composites using krigingbased optimization method, Modares Mechanical Engineering, Vol. 16, No. 1, pp. 280-290, 2016. (in Persian فارسی(
[18] J. Sacks, W. J. Welch, T. J. Mitchell, H. P. Wynn, Design and analysis of computer experiments, Statistical Science, Vol. 16, No. 1, pp. 409-423, 1989.
[19] K. Deb, A. Pratap, S. Agarwal, T. Meyarivan, A fast and elitist multiobjective genetic algorithm: NSGA-II, IEEE Transactions on Evolutionary Computation, Vol. 6, No. 2, pp. 182-197, 2002.
[20] A. N. Oskouei, H. Khodarahmi, M. Sohrabi, Experimental and numerical study of conical thin shells collapse under dynamic axial loadings, Modares Mechanical Engineering, Vol. 15, No. 7, pp. 392-402, 2015. (in Persian فارسی(
[21] M. H. Shojaeefard, A. Khalkhali, M. Tahani, B. Salimian rizi, Multi objective optimization of the centrifugal oil pump impeller, Modares Mechanical Engineering, Vol. 11, No. 13, pp. 139-149, 2014. (in Persian فارسی(
[22] M. N. O. Stru, E. Z. Uporabo, T. M. N. G. Podlagi, Multi-objective optimization of the cutting forces in turning operations using the grey-based Taguchi method, Materiali in Tehnologije, Vol. 45, No. 2, pp. 105-110, 2011.
[23] D. Moradkhani, F. Taghavi, Introduction to Design of Experiments Via Taguchi Methods, pp. 45-48, Zanjan: Zanjan University, 2008. (in (فارسی Persian
مهندسی مکانیک مدرس
دوره 18، شماره 3
خرداد 1397
صفحه 115-125