مدل‌سازی و بهینه‌سازی متغیر‌های موثر بر خواص کششی نمونه‌های کامپوزیتی pp/cu چاپ‌شده با استفاده از فرایند ldm

برای تولید کامپوزیت‌های زمینه پلیمری، می‌توان از فرایند چاپ مستقیم بدون نیاز به ساخت فیلامنت، بهره برد. این فناوری با عنوان مدل‌سازی لایه‌نشانی مایع (ldm) شناخته می‌شود. در این فرایند، مواد پلیمری آمیخته‌شده با میکرو ذرات، به صورت گرانول وارد سیلندر چاپگر شده و پس از رسیدن به دمای ذوب، بر روی بستر ماشین، چاپ می‌شوند. در این پژوهش، کامپوزیت‌های پایه پلیمری از جنس پلی پروپیلن با افزودن میکروذرات مس با استفاده از فناوری ldm تولید شدند. بدین منظور، طراحی آزمون‌های تجربی بر مبنای طرح عاملی کامل انجام شد. در ادامه، نمونه‌های کامپوزیتی منطبق بر هندسه نمونه آزمون کشش تحت تنظیمات معینی از متغیرهای ورودی مشتمل بر: ضخامت لایه، اندازه میکروذرات و درصد وزنی میکروذرات، چاپ شدند و استحکام تسلیم و انعطاف‌پذیری نمونه‌ها بر مبنای آنالیز واریانس، ارزیابی شدند. نتایج حاصل از تحلیل آماری نشان داد که ضریب تغییرات مدل‌های رگرسیون به منظور پیش‌بینی استحکام تسلیم و انعطاف‌پذیری نمونه‌ها به ترتیب مساوی 98.85 درصد و 98.63 درصد می‌باشند. همچنین، بهینه‌سازی دو هدفه با استفاده از روش مطلوبیت به منظور بیشینه‌سازی پارامترهای پاسخ انجام شد و ترکیب بهینه متغیرهای ورودی با مقدار تابع مطلوبیت 96.1 درصد تعیین گردید. مقادیر بهینه ضخامت لایه، اندازه میکروذرات و درصد وزنی میکروذرات به ترتیب مساوی 180 میکرون، 45 میکرون و 10 درصد، استخراج شدند.

modeling and optimization of variables affecting tensile properties of printed pp/cu composite samples using ldm process

to produce polymer matrix composites, direct printing can be used without the need to make filament. this technology is known as liquid deposition modeling (ldm). in this process, polymer materials mixed with microparticles enter the printer cylinder in the form of granules and after reaching the melting temperature, they are printed on the machine bed. in this research, polymer-based composites made of polypropylene were produced by adding copper microparticles using ldm technology. for this purpose, experimental tests were designed based on a full factorial design. in the following, the composite samples conforming to the geometry of the tensile test sample were printed under certain settings of the input variables including: layer thickness, microparticle size and weight percentage of microparticles, and the yield strength and flexibility of the samples were evaluated based on anova. the results of the statistical analysis showed that the coefficient of variation of the regression models to predict the yield strength and flexibility of the samples are equal to 98.85 % and 98.63%, respectively. also, dual-objective optimization was performed using the desirability method in order to maximize the response parameters, and the optimal combination of input variables was determined with the desirability value of 96.1%. the optimal values of layer thickness, microparticle size and weight percentage of microparticles were extracted as equal to 180 micron, 45 micron and 10% respectively.