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

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.

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

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 nondominated 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.