6 th International Advanced Technologies Symposium (IATS 11), 16-18 May 2011, Elazığ, Turkey Plastik Enjeksiyon Kalıplarında Kalıplama Parametrelerinin Bulanık Mantık ile Modellenmesi C. Özek 1, Y. H. Çelik 2 1 University of Fırat, Elazığ/Turkey, cozek@firat.edu.tr 2 University of Batman, Batman/Turkey, yahyahisman.celik@batman.edu.tr Modeling of Molding Parameters with Plastic Injection Molds by Fuzzy Logic Abstract In this study, the element of the internal threaded ½ -¾ plastic T elbow has been molded at different injection pressures, mold temperatures and molten plastic temperatures in an injection machine. The amount of volumetric shrinkage, injection and cooling time obtained for this element which was molded at different parameters were investigated experimentally. The data obtained from experimental study were described to the Fuzzy Logic Model. According to the results which Fuzzy Logic produced, it was determined that with the increase of injection pressure and molten plastic temperature, injection time decreased, on the other hand, the amount of volumetric shrinkage and cooling time increased. With the increase of mold temperature, it was determined that the amount of volumetric shrinkage decreased, but injection and cooling time increased. Keywords Plastic injection, Mould, Intelligent system, Fuzzy Logic. E I. GİRİŞ NJEKSİYON kalıplama yöntemleri ile plastik ürünlerin elde edilmesi diğer yöntemlere göre daha avantajlıdır. Bu avantajlar, çok karmaşık yapıya sahip plastik elemanların kolaylıkla kalıplanması ve hassas yüzeylerin elde edilmesi olarak sıralanabilirler. Bu yüzden, plastik enjeksiyon kalıplarının önemi gün geçtikçe artmaktadır [1]. Genellikle termoplastiklerin kalıplanması üç safhadan oluşur. Bunlar, dolma aşaması, paketleme aşaması ve soğutma aşamasıdır. Dolma aşaması, iyi kalıplanmış bir ürün elde etmek için oldukça önemlidir. Kalıplanan ürünün kalitesine doğrudan etki eden dolma aşamasının önemli parametreleri enjeksiyon basıncı, kalıp sıcaklığı ve ergimiş plastik sıcaklığıdır [2]. Ergimiş plastik sıcaklığı arttıkça akış uzunluğu ve kalıp sıcaklığı arttıkça ise enjeksiyon zamanı artmaktadır. Enjeksiyon basıncının artması ise enjeksiyon zamanını azaltmaktadır [3]. Dolma aşamasını etkileyen bu kalıplama parametreleri, kalıplanan plastik ürünün çekme ve çarpılma miktarını etkileyen önemli faktörlerdir [4]. Plastik enjeksiyonla kalıplamada çekme, erimiş plastiğin kalıp boşluğunda katılaştıktan sonraki boyutsal ve geometrik bozulmaları olarak tanımlanmaktadır. Kalıplanan parçalarda ısı ve basınç farkından dolayı oluşan gerilmeler, malzemenin çekmesine veya çarpılmasına neden olmaktadır. Çekme miktarına etki eden faktörler, kalıplanan parçanın şekli, et kalınlığı ve et kalınlığının değişimi, malzemenin akış şekli, girişlerin sayısı, girişler arası mesafeler ve plastiğin kristalleşme oranıdır. Ayrıca, enjeksiyon basıncı, enjeksiyon sıcaklığı, tutma basınçları ve katkı maddesi çekme miktarına etki eden diğer önemli parametrelerdir [5 7]. Kalıplanan plastik malzemenin enjeksiyon basıncı, ergime sıcaklığı ve katkı maddesi oranının artması çekmenin artmasına, kalıp sıcaklığı ve enjeksiyon zamanının artması ise çekmenin azalmasına neden olmaktadır [8]. Oktem ve diğ. [9] tarafından yapılan çalışmalarda yaklaşık olarak enjeksiyon basıncının %58, enjeksiyon zamanının %15, ütüleme zamanının %23 ve soğutma zamanının %4 oranında çarpılmaya yol açtığı, enjeksiyon basıncının %84, enjeksiyon zamanının %5, ütüleme zamanının %8 ve soğutma zamanının ise %3 oranında çekmeye yol açtığı tespit edilmiştir. Bu nedenlerden dolayı çekme miktarları plastik enjeksiyon kalıplama teknikleri ile elde edilen ürünlerde oldukça önemlidir. Kalıplama parametrelerine etki eden faktörler Bulanık Mantık sistemleri kullanılarak modellenebilmektedirler. Bulanık mantık sistemlerinde karar vericiler hangi şartlarda ve boyutlarda karar verirlerse versinler, bir belirsizlik ortamı içinde işlevlerini yerine getirmek zorundadırlar. Verilen kararların doğruluğu ise, söz konusu belirsizliğin riske dönüştürülebildiği ölçüde sağlanmaktadır. Ancak karar vericiler karar sürecinde klasik bilimsel yaklaşım ve bu yaklaşımın içerdiği yöntemleri kullanıyorlarsa, sonuçta verilen kararlar, iyi kötü, güzel çirkin, doğru yanlış, evet hayır, siyah beyaz ya da 0 1 gibi yönlü kararlar olacaktır. Oysa gerçek yaşam mutlak ayrım üzerine kurulu değildir. Diğer bir deyişle karar ortamlarında mutlak siyah ve mutlak beyazın yanında binlerce gri tonunun varlığı unutulmamalıdır. Genel anlamda karar süreçlerinde belirsizliğin nasıl öngörüleceği ve nasıl karar süreçlerinin bir parçası haline getirilebileceği yolunda çalışmalar başlamış ve bu çalışmaların sonunda alternatif bilimsel yaklaşım düşüncesi ortaya atılmıştır. Bu süreçteki son nokta ise Loutfi Zadeh in [10] Bulanık Mantık Teorisi olmuştur. Günümüzde yaygın olarak kullanılmaya 56
C. Özek, Y. H. Çelik başlanan Bulanık Mantık sistemleri tahmini değerler ürettiği için endüstrinin her alanında rahatlıkla kullanılabilmektedir. Bulanık Mantık ile, plastik enjeksiyonla kalıplamaya etki eden enjeksiyon hızı, plastiğin ergime sıcaklığı ve enjeksiyon basıncı Jie ve Joseph [11] ve plastik enjeksiyon kalıp boyutlarının üyelik fonksiyonları ise Lau ve diğ. [12] tarafından modellenmiştir. Plastik enjeksiyon kalıpları ile ilgili yapılan literatür çalışmaları incelendiğinde enjeksiyon basıncı, kalıp sıcaklığı, ergimiş plastik sıcaklığı, hacimsel çekme miktarı, enjeksiyon ve soğutma zamanı arasındaki ilişkilerin Bulanık Mantık Modeli ile çok fazla incelenmediği görülmüştür. Bu nedenden dolayı yapılan çalışmada plastik enjeksiyon kalıplarında, kalıp sıcaklığının, ergimiş plastik sıcaklığının ve enjeksiyon basıncının hacimsel çekme miktarı, enjeksiyon zamanı ve soğutma zamanı üzerindeki etkilerini belirlemek için deneysel bir çalışma yapılmıştır. Deneysel çalışmadan elde edilen sonuçlar için Bulanık Mantık Modeli oluşturulmuştur. II. DENEYSEL ÇALIŞMA Deneysel çalışma için günümüzde doğalgaz ve tesisat borularında yaygın olarak kullanılan ½ -¾ T plastik iç dişli dirsek elemanı seçilmiştir. Bu elemanlar enjeksiyon makinesi ile seri olarak üretildikleri için ucuza imal edilmektedirler. En önemli özellikleri ise korozyona uğramamalarıdır. Enjeksiyon makinelerinde bu ürünler kalıplanırken ölçü tamlığını sağlamak için kalıplama parametrelerinin uygun seçilmesi gerekmektedir. Kalıplama parametreleri uygun seçilmezse kalıplanan üründe bazı problemler ortaya çıkmaktadır. Bu problemlerden bazıları ergimiş plastiğin kalıp boşluğunu tam olarak dolduramaması, kalıplanan üründe yanmaların oluşması, maksimum çekme ve eğilmelerin meydana gelmesi örnek olarak verilebilir. Bu problemler de enjeksiyon zamanı, soğutma zamanı ve çekme miktarı ile ilişkilidirler. Bu nedenlerden dolayı farklı parametreler için ½ -¾ T plastik iç dişli dirsek elemanında optimum ölçü tamlığı sağlanacak şekilde deneysel çalışmalar yapılmıştır. Deneysel çalışmalar, helezon adımı 25 mm ve kapasitesi 25 ton olan ARBURG 220S tip enjeksiyon makinesinde gerçekleştirilmiştir. Çalışmalarda yüksek yoğunluklu polietilen (YYPE) plastik malzeme kullanılmış ve kalıplanan ürün ise Şekil 1 de verilmiştir. ½ ¾ arasında olmaları istenmektedir. Bu nedenle deneysel çalışma da farklı ergime sıcaklıklarındaki plastik ve kalıp sıcaklıkları için bu değerler göz önünde bulundurulmuştur. ½ -¾ T iç dişli dirsek elemanında, 50 Mpa enjeksiyon basıncı, farklı kalıp ve ergimiş plastik sıcaklıkları için deneysel çalışmadan elde edilen bazı hacimsel çekme miktarları, enjeksiyon ve soğutma zamanları Tablo 1 de verilmiştir. Kalıp sıcaklığı ( C) 20 40 60 Tablo 1: Deneysel çalışmadan elde edilen bazı kalıplama parametreleri Ergimiş Deneysel Çalışma plastik sıcaklığı ( C) Enjeksiyon Zamanı (sn) H. Çekme Miktarı (%) Soğutma Zamanı (sn) 180 6,25 2,6 5 210 5,3 3,1 5,8 240 5 3,4 6,5 180 6,4 2,05 5,5 210 5,5 2,6 6,2 240 5,15 3,1 7,5 180 7,1 1,8 6 210 6 2,4 7,1 240 5,65 2,9 8,2 III. BULANIK MANTIK MODELİNİN PLASTİK ENJEKSİYON PARAMETRELERINE UYGULANMASI Plastik enjeksiyon kalıplarının Bulanık Mantık ile modellenmesi, ergimiş plastik sıcaklığı, kalıp sıcaklığı, enjeksiyon basıncı, hacimsel çekme miktarı, enjeksiyon zamanı ve soğutma zamanı gibi kalıplama parametreleri göz önünde bulundurularak kalıplanan plastik elemanın optimum ölçü tamlığının sağlanması ve bu parametrelerin etkilerini net olarak görebilmek için amaçlanmıştır. Bunun için giriş ve çıkış parametrelerinin uygun bir biçimde belirlenmesi ve modellenecek sistem üzerinde giriş ve çıkış parametrelerinin etkilerinin net olarak tespit edilmesi üyelik fonksiyon sayılarının ve sınır şartlarının doğru bir biçimde tespit edilmesi ile mümkündür. Bulanık mantık modelinin giriş ve çıkış parametreleri Şekil 2 de, giriş parametrelerinin üyelik fonksiyonları ve sınır şartları Şekil 3 de, çıkış parametrelerinin üyelik fonksiyonları ve sınır şartları ise Şekil 4'de gösterilmiştir. Şekil 1: ½ ve ¾ plastik T iç dişli dirsek numunesi YYPE malzemeden kalıplanan plastik ürünlerin ergime sıcaklıkları 180 240 C ve kalıp sıcaklıkları ise 20 60 C 57
Plastik Enjeksiyon Kalıplarında Kalıplama Parametrelerinin Bulanık Mantık İle Modellenmesi Ergimiş Plastik Sıcaklığı ( C) Kalıp Sıcaklığı ( C) BULANIK MANTIK MODELİ H. Çekme Miktarı (%) Enjeksiyon Zamanı (sn) Enjeksiyon Basıncı (MPa) Soğutma Zamanı (sn) Şekil 2: Bulanık Mantık Modelinde giriş ve çıkış parametreleri Ergimiş Plastik Sıcaklığı ( C) Hacimsel Çekme Miktarı (%) Kalıp Sıcaklığı ( C) Enjeksiyon Zamanı (sn) Enjeksiyon Basıncı (Mpa) Soğutma Zamanı (sn) Şekil 3: Giriş parametre üyelik fonksiyonları ve sınır şartları Şekil 4: Çıkış parametre üyelik fonksiyonları ve sınır şartları 58
C. Özek, Y. H. Çelik Bulanık Mantık modelini oluşturmak için 125 adet kural oluşturulmuştur. Bunlardan bazıları; 1. Eğer ergimiş plastik sıcaklığı çok az ve kalıp sıcaklığı çok az ve enjeksiyon basıncı çok az ise kalıplanan plastik ürünün enjeksiyon zamanı yüksek ve soğutma zamanı çok az ve hacimsel çekme miktarı azdır; 2. Eğer ergimiş plastik sıcaklığı normal ve kalıp sıcaklığı çok az ve enjeksiyon basıncı az ise kalıplanan plastik ürünün enjeksiyon zamanı normal ve soğutma zamanı az ve hacimsel çekme miktarı normaldir; 3. Eğer ergimiş plastik sıcaklığı yüksek ve kalıp sıcaklığı az ve enjeksiyon basıncı yüksek ise kalıplanan plastik ürünün enjeksiyon zamanı az ve soğutma zamanı normal ve hacimsel çekme miktarı yüksektir; 4. Eğer ergimiş plastik sıcaklığı çok yüksek ve kalıp sıcaklığı az ve enjeksiyon basıncı az ise kalıplanan plastik ürünün enjeksiyon zamanı normal ve soğutma zamanı normal ve hacimsel çekme miktarı normaldir, 5. Eğer ergimiş plastik sıcaklığı çok yüksek ve kalıp sıcaklığı normal ve enjeksiyon basıncı çok yüksek ise kalıplanan plastik ürünün enjeksiyon zamanı çok az ve soğutma zamanı yüksek ve hacimsel çekme miktarı yüksektir; 6. Eğer ergimiş plastik sıcaklığı çok yüksek ve kalıp sıcaklığı yüksek ve enjeksiyon basıncı normal ise kalıplanan plastik ürünün enjeksiyon zamanı az ve soğutma zamanı yüksek ve hacimsel çekme miktarı normaldir;...... olarak sıralanmıştır. Tablo 2 de Bulanık Mantık modelinde verilen bazı giriş değerleri ile bunlara karşılık gelen modelin giriş ve çıkış parametreleri verilmiştir. Tablo 2: Bulanık mantık modelinin verdiği bazı tahmini giriş ve çıkış değerleri Giriş parametreleri Çıkış parametreleri Kalıp Ergimiş Plastik Enjeksiyon Enjeksiyon H. Çekme Soğutma Sıcaklığı ( C) Sıcaklığı ( C) Basıncı (MPa) Zamanı (sn) Miktarı (%) Zamanı (sn) 180 65 5,38 3 5,63 20 210 50 5,37 3 6,75 220 70 4,43 4,07 6,75 240 50 5,37 3,75 6,75 30 190 40 7,06 2,83 5,63 180 60 6,75 2,25 6,75 40 210 35 7,57 2,55 6,75 240 60 5,37 3,75 7,87 240 70 4,35 3,75 7,87 60 180 40 8,13 1,69 6,75 210 60 5,37 3 7,87 IV. SONUÇLAR VE TARTIŞMALAR Bulanık Mantık Modelinde tanımlanan üyelik fonksiyonlarına bağlı olarak, giriş parametrelerinin çıkış parametreleri üzerindeki etkisinin yüzeysel değişimi Şekil 5 de verilmiştir. Şekil 5.a da, artan kalıp sıcaklığına bağlı olarak hacimsel çekme miktarının azaldığı ve artan enjeksiyon basıncı ile ergimiş plastik sıcaklığının hacimsel çekme miktarını arttırdığı görülmektedir. Şekil 5.b de artan kalıp sıcaklığına bağlı olarak enjeksiyon zamanının arttığı, artan enjeksiyon basıncına ve ergimiş plastik sıcaklığına bağlı olarak enjeksiyon zamanının azaldığı görülmektedir. Şekil 5.c de ergimiş plastik sıcaklığı, kalıp sıcaklığı ve ergimiş plastik sıcaklığının çıkış fonksiyonu olan soğutma zamanı üzerindeki etkisinin değişimi gösterilmiştir. Her üç parametrenin artması ile soğutma zamanının arttığı tespit edilmiştir. Bulanık Mantık modelinde minimum hacimsel çekme miktarı, kalıp sıcaklığının 60 C, ergimiş plastik sıcaklığının 180 C ve enjeksiyon basıncının 30 MPa olduğu durumda % 1.5 olarak tespit edilmiştir. Maksimum hacimsel çekme miktarı ise kalıp sıcaklığının 20 C, ergimiş plastik sıcaklığının 240 C ve enjeksiyon basıncının 70 MPa olduğu durumda % 4.5 olarak elde edilmiştir. Yapılan çalışmalar, hacimsel çekme miktarının giderilmesi yâda minimuma indirilmesi için kalıp sıcaklığının yüksek, ergimiş plastik sıcaklığı ile enjeksiyon basıncının düşük ve kalıp boşluğunun çekme miktarı payı kadar büyük yapılmasının önemli olduğunu göstermiştir. Ergimiş plastik sıcaklığı ve enjeksiyon basıncının yüksek olması hacimsel çekme miktarını ve plastiğin akış uzunluğunu arttırmaktadır [13]. Plastik akış uzunluğunun fazla ve hacimsel çekme miktarının ise az olması istenen yerlerde kalıplanan ürünün ütüleme basıncı ve zamanının iyi hesaplanması gerekmektedir. Kalıp sıcaklığı artıkça çekme miktarı azalmaktadır. Kalıp sıcaklığının yüksek tutulması enjeksiyon ve soğutma zamanının artmasına neden olmaktadır. Benzer sonuçlar Atlan [14] tarafından yapılan deneysel çalışmalarda da doğrulanmaktadır. Daha iyi kalıplanmış bir yüzey ve optimum ölçü tamlığını sağlamak için ütüleme zamanı ve enjeksiyon hızı gibi farklı kalıplama parametrelerini de içeren deneysel çalışmalar ve sayısal analiz işlemleri yapılabilir. Böylece elde edilen parametrelerin daha iyi analiz edileceği düşünülmektedir. 59
Plastik Enjeksiyon Kalıplarında Kalıplama Parametrelerinin Bulanık Mantık İle Modellenmesi a) b) c) Şekil 5: Giriş parametrelerinin çıkış parametreleri üzerindeki etkisi KAYNAKLAR [1] C. Özek, and Y. H. Çelik, Developing a new package program for manufacturing plastic injection moldings cost calculation, Journal of applied sciences research, vol 5(12), pp. 2375-2382, 2010. [2] F. Shi, Z. L. Lou, J. G. Lu, and Y. Q. Zhang, Optimisation of plastic injection moulding process with soft computing, Journal of advanced manufacturing technology, vol 21, pp. 656-661, 2003. [3] K.D.V.Y. Parasad, and A.T.K. Cobby, Development of hybrid neural network system for prediction of process parameters in injection moulding, Journal of material processing technology., vol 118, pp. 110-116, 2001. [4] B. Özçelik, and T. Erzurumlu, Comparison of the warpage optimization in the plastic injection molding uses ANOVA, neural network model and genetic algorithm, Journal of materials processing technology, vol 171, pp. 437 445, 2006. 60
C. Özek, Y. H. Çelik [5] Y. Çakır, A. Özdemir, ve A. Güldaş, Plastik ürünlerde çekme miktarına etki eden enjeksiyon parametrelerinin incelenmesi, Teknoloji, sayı 1 2, pp. 19 29, 2001. [6] T. V. Zhil tsova, M. S. A. Oliveira, and J. A. F. Ferreira, Relative influence of injection molding processing condition on HDPE acetabular cups dimensional stability, journal of materials processing technology, vol 209, pp. 3894-3904, 2009. [7] Yeh-Liang Hsu, Tzu-Chi Liu, Francis Thibault, and Benoit Lanctot, A fuzzy optimization algorithm for the blow moulding process, this paper is revised and presented at The 2002 NRC-NSC Canada- Taiwan Joint, 2003. [8] S. Changyu, W. Lixia, and L. Qian, Optimization of injection molding process parameters using combination of artificial neural network and genetic algorithm method, Journal of materials processing technology, vol 183, pp. 412-418, 2007. [9] H. Oktem, T. Erzurumlu, and I. Uzman, Application of taguchi optimization technique in determining plastic injection molding process parameters for a thin-shell part, Materials and design, 2005. [10] L. A. Zadeh, Fuzzy sets, Information and control, vol 8, pp. 338-353, 1965. [11] Z. Jie, and C. C. Joseph, Fuzzy neural network-based in-process mixed material-caused flash prediction (FNN-IPMFP) in injection molding operations, Journal of advanced manufacturing technology, vol 29, pp. 308-316, 2006. [12] H. C. W. Lau, T. T. Wong, and K. F. Pun, Neural-fuzzy modeling of plastic injection molding machine for intelligent control, Expert system with applications vol 17, pp. 33-43, 1999. [13] S. Ergüney, Ç. Karataş, and S. Sarıtaş, Ticari plastiklerin kalıpta akış boylarının incelenmesi, J. Fac. Eng. Arch. Gazi Univ. vol 20, No 3, pp. 297-303, 2005. [14] M. Altan, Reducing shrinkage in injection moldings via the Taguchi, ANOVA and neural Networks methods, Materials and Design vol 31, pp. 599 604, 2010. 61