شماره ركورد كنفرانس :
4703
عنوان مقاله :
بررسي تأثير پارامترهاي فرايند فلوفرمينگ بر روي خواص مكانيكي پريفرم لوله هاي پلي اتيلن با دانسيته بالا
عنوان به زبان ديگر :
The effect of flow forming process parameters on the mechanical properties of polyethylene pipes with high density preforms
پديدآورندگان :
قشلاقي قديم حسين h.gheshlagi@urmia.ac.ir دانشگاه اروميه; , دنيوي علي a.doniavi@urmia.ac.ir دانشگاه اروميه; , احمدي سامرند رش ahmadi@urm.ac.ir دانشگاه اروميه;s.rash
كليدواژه :
Rotational molding of polyethylene , analysis of variance , percent elongation , Taguchi method
عنوان كنفرانس :
چهارمين كنفرانس ملي پژوهش هاي كاربردي در مهندسي برق، مكانيك و مكاترونيك
چكيده فارسي :
در تحقيق حاضر تأثير پارامترهاي فرايند فلوفرمينگ بر خواص مكانيكي، ريزساختار و كيفيت سطح قطعات پليمري مورد بررسي قرار گرفته است. پارامتر هاي مورد مطالعه در اين رساله سرعت چرخشي غلطك، سرعت پيشروي غلطك و درصد كاهش ضخامت مي باشند. براي بررسي خواص ساختاري، نمونهها تحت آزمايش ميكروسكوپ الكتروني روبشي قرار گرفتند. از طراحي آزمايش ها به روش تاگوچي براي ساخت يك مدل آماري براي پيش بيني دقيق تنش تسليم و ميزان تغيير طول استفاده شده است. نتايج حاصل از جدول تجزيه و تحليل واريانس نشان داد كه پارامتر هاي سرعت پيشروي غلطك و سرعت چرخشي غلطك به ترتيب بيشترين تأثير را بر تنش تنش در نقطه تسليم و ميزان درصد تغيير طول دارد. بهينه سازي به روش تابع مطلوبيت انجام شد و با نتايج تجربي فرآيند ارزيابي شد. نتايج نشان مي دهد كه مدل هاي رگراسيون بدست آمده از كفايت خوبي جهت پيشبيني مقادير متغيرهاي پاسخ برخوردار هستند.
چكيده لاتين :
The effect of flow forming process parameters on mechanical properties, microstructure and surface quality of plastic parts is studied. Parameters studied in this thesis rotational speed skating, speed skating and the percentage reduction in thickness are completed. To investigate the structural properties of the samples tested were scanning electron microscope. Taguchi experimental design to build a statistical model to predict the exact yield strength and the elongation is used. Optimization was performed by the utility function and the experimental results of the evaluation process. The results show that regression models obtained good enough to predict the values of variables are answered.