استفاده از مدل بهبود يافته آناليز فاكتور كوينچ در پيش بيني سختي فولاد CK60 كوينچ شده

Improvement in Quench Factor Analysis in CK60 quenched steel hardness prediction

پيش بيني دقيق خواص مختلف آلياژ ها ، بعد از عمليات حرارتي ، همواره مورد توجه محققين قرار داشته است. از مهمترين مزاياي اين پيش بيني ها ، كاهش يا عدم نياز به انجام آزمونهاي تجربي ، كاهش تعداد نمونه هاي و همچنين زمان و هزينه عمليات به منظور به دست آوردن خواص مورد نظر مي باشد. از جمله روش هاي پيش بيني سختي فولادهاي كوينچ شده ، روش آناليز فاكتور كوينچ (QFA) مي باشد. اصول اين آناليز بر مبناي معادله JMAK مي باشد. در اين پژوهش از فرم اصلاح شده اين معادله استفاده شد و بر مبناي آن شكل جديدي از معادلات به منظور پيش بيني سختي معرفي شد. براي اين منظور نمونه هايي از فولاد ساده كربني CK60 را در نظر گرفته و عمليات آستنيته كردن ، كوينچ در محيز هاي مختلف ، برش قطعت و سختي سنجي بر روي آنها صورت گرفت. همچنين با استفاده از روش آناليز فاكتور كوينچ ، سختي در آن نقاط با استفاده از هر شكل قديم و جديد معادلات ، محاسبه و با نتايج اندازه گيري شده مقايسه گرديد. نتايج به دست آمده نشان دهنده بهبود قابل ملاحظه در پيش بيني سختي ها با استفاده از روش جديد و افزايش كارايي اين روش مي باشد.

The accurate prediction of alloys properties after heat treatment, has been considered by researchers. The advantages of these predictions are reduction of the test trails or elimination of experimental tests, conservation of materials consumption as well as time and energy saving. One of the most important methods to predict hardness in quenched steel parts is Quench Factor Analysis(QFA). This technique is based on Johnson-Mehl-Avrami-Kolmogorov (JMAK) equation. In this study, based on the modified form of this equation a new form of equations for prediction of hardness is introduced. For this purpose, samples of CK60 steel were utilized as raw material. They were austenitized at 830°C. after quenching in different environments they were cut and their hardness were determined. Also, the hardness of the samples were predicted using the old and modified equations for the quench factor analysis and the results were compared. Results showed a significant improvement in hardness prediction by the new method and proved the higher efficiency of this method.