بهينه‌سازي فرآيند قالب‌گيري انتقالي رزين به كمك الگوريتم فراابتكاري تبريد با معرفي تابع هدف جديد

Resin Transfer Molding process optimization using simulated annealing algorithm with the introduction of new objective function

قالب‌گيري انتقالي رزين يك فرآيند ساخت با قابليت اطمينان بالا براي توليد قطعات كامپوزيتي با عملكرد مناسب است. موقعيت‌هاي ورودي و خروجي رزين يكي از پارامترهاي بسيار تأثيرگذار در اين فرآيند مي‌باشد. اين پارامتر تأثير بسياري بر زمان پرشدن قالب و الگوي جريان رزين و در نتيجه بر روي بازده فرآيند و كيفيت قطعه خواهد داشت. در تعدادي از كارهاي پيشين از روش‌هاي هندسي براي بهينه‌سازي اين فرآيند استفاده شده است. اين روش‌ها به دليل حجم بالاي محاسبات و همچنين كارايي كم براي هندسه‌هاي پيچيده و ابعاد بزرگ در بسياري از موارد ناكارآمد هستند. اما تاكنون در اغلب مقاله‌هاي موجود در اين زمينه از الگوريتم ژنتيك براي تعيين موقعيت‌هاي مناسب ورودي و خروجي استفاده شده است. بهره‌گيري از اين الگوريتم (و تمامي الگوريتم‌هاي فراابتكاري) مستلزم معرفي يك تابع هدف است. در مقاله‌ي حاضر، روشي جديد به منظور تعيين تابع هدف مناسب معرفي شده و از الگوريتم كارآمد فراابتكاري تبريد استفاده گرديده است. با توجه به نتايج حاصل، الگوريتم تبريد از زمان تحليل كوتاه‌تر و در عين حال از دقت بالاتري براي بهينه‌سازي اين فرآيند برخوردار مي‌باشد. روش پيشنهاد شده قابليت پيش‌بيني مكان بهينه‌ي ورودي، براي هندسه‌هاي دوبعدي منتظم، با درصد خطاي كمتر از % 2.5 و زمان پر شدن قالب با درصد خطاي كمتر از %6 را دارد.

Resin Transfer Molding is a manufacturing process for the production of composite parts with high reliability and good performance. Gate and vent locations is one of the important variables in this process. This variable has a big influence on mold filling time and flow pattern and thus the process efficiency and quality. In some of the earlier works, geometric methods to optimize this process is used. This methods, for high volume of computation and low efficiency for complex geometry and large dimensions, are ineffective in many cases. But so far, most articles in this field used genetic algorithm to determine the proper input and output positions. Taking advantage of this algorithm (and all meta-heuristic algorithms) requires the introduction of a fitness function. In this paper, a new method to determine the appropriate fitness function is introduced and efficient simulated annealing meta-heuristic algorithm is used. According to the results, annealing algorithm analysis time is shorter and at the same time more accurate for optimization of the process. The proposed method has ability to predict the optimum input location, for regular polygon two-dimensional geometries, with an error of less than 2.5% and the filling time less than 6%.