Home   |    International   |    Contatti   |    Info   |   


Flussi di ottimizzazione di processo: caso applicativo supporto motore

crf

Fig. 1 - supporto motore con singolo ingate

Per riuscire a raggiungere elevati livelli prestazionali di un qualsiasi componente, l’iter da seguire è complesso e la tendenza è quella di ridurre al minimo la possibilità di modifiche in fasi avanzate di sviluppo, cercando di verificare in fase progettuale tutta una serie di soluzioni che inducano il progettista a selezionare l’ottimo in funzione delle missioni specifiche del componente stesso.
Vengono in aiuto strumenti di ottimizzazione prodotto/processo, che consentono di indagare la soluzione migliore di un dato problema in modo automatico mediante l’applicazione di modelli numerici parametrici, algoritmi di ottimizzazione e analisi finale dei risultati. Il Centro Ricerche Fiat utilizza abitualmente MAGMASoft® come software di simulazione di processi di colata ed ora sfrutta anche le potenzialità di MAGMAFrontier, modulo che usa modeFRONTIER come motore di ottimizzazione. Questo lavoro presenta un caso applicativo sviluppato con il supporto di tali devices.

Definizione caso studio
Il componente studiato è un supporto motore a lato scocca, prodotto mediante processo di bassa pressione ad attacco unico. Il materiale dello stampo è un tradizionale acciaio da stampi per processi di fonderia.
La definizione delle variabili in gioco significative in questa fase si è limitata a:

  • materiale getto (AZ91, AM60, AM50)
  • temperatura iniziale lega (range 660°-680° C, con step di variazione di 5° C)
  • portata di riempimento (range 130-150 cm3/s, con step di variazione di 5 cm3/s)

Automotive
Altri case studies sullo stesso argomento

Fonderia
Altri case studies sullo stesso argomento

Calendario 2018
Corsi di formazione sulle tecnologie software

Formazione personalizzata
Percorsi formativi personalizzati e traning-on-the-job: contattaci!

Workshop e seminari
Visita la pagina degli eventi: potrai partecipare alle iniziative EnginSoft ed essere informato sui più importanti appuntamenti europei

Newsletter EnginSoft
Leggi l'ultimo numero ed Abbonati alla rivista!

X

Chiedi all'esperto!
Articolo completo

In questa fase si vuole verificare quale lega garantisca le migliori caratteristiche del getto, anche in termini di stress residui, avendo le leghe individuate caratteristiche meccaniche simili a temperatura ambiente, ma diversi valori di σy ad alte temperature. Le variabili di output selezionate definiscono criteri per riuscire a determinare la bontà delle soluzioni che vengono esaminate. Nel caso in oggetto esse sono:

  • Max free surface: da minimizzare (quantifica le zone del metallo a contatto con l’aria. Più alto è più probabile è avere fronte di metallo sporco/ossidato)
  • Max porosity: da minimizzare (% porosità singole celle)
  • All weighted porosity: da minimizzare (zone del getto influenzate da porosità, è un volume)
  • Max von Mises stress: da minimizzare
crf

Fig. 2 - analisi di sensitività input/obiettivi

Design of experiments
L’utilizzo del DOE serve per determinare il comportamento delle funzioni che si stanno esaminando: grazie al DOE vengono create alcune configurazioni del sistema oggetto di studio e per queste verranno calcolati i valori delle funzioni obiettivo selezionate. Viene fissato un numero di configurazioni ottimale per ottenere le informazioni desiderate. Il numero minimo di design da elaborare è calcolato mediante la seguente espressione matematica:

mindesign=2xn.variabili x n.obiettivi

crf

Fig. 3 - max porosità vs design

Le metodologie di DOE applicata è la generazione di una Sobol Sequence, che si basa sulla generazione di numeri casuali, i quali riescono a coprire in maniera soddisfacente il dominio delle funzioni definite.
Il piano definitivo dei design elaborati è di 27 design, con 10 ripetizioni: il totale delle prove fatte è costituito da un piano di 270 design.

Analisi Risultati
Pareto Set
In fase di analisi dei risultati risulta comodo visualizzare la frontiera di Pareto, che indica un certo numero di design a cui corrispondono le migliori soluzioni in termini di raggiungimento degli obiettivi specificati. Applicando il Reduced Pareto Set si seleziona, secondo un valore di tolleranza, un sottoinsieme della frontiera di Pareto. Si individua in questo modo il design ottimo caratterizzato dal miglior compromesso in termini di raggiungimento degli obiettivi di progetto.
La configurazione ottimale presenta i seguenti valori di input:

  • lega AM50
  • temperatura iniziale del getto 665°C
  • portata 130 cm3/s

Sensitivities
A ciascuna variabile di design è attribuita una percentuale che esprime l’influenza sugli obiettivi (vedi Fig. 2):

  • il materiale del getto influenza maggiormente l’output Von Mises stress
  • la temperatura iniziale della lega ha alta influenza su all_weigh_porosity e max_porosity: più omogenea è la temperatura, minori sono i gradienti in gioco e minori sono i gradienti termici in fase di solidificazione. Se la temperatura iniziale della lega è più bassa i DT che si possono formare all’interno del getto sono inferiori
  • Pouring rate: più bassa è la portata più laminare è il moto del metallo, minori sono i problemi di riempimento e le difettosità del getto
crf

Fig. 4 - design iniziale vs design ottimizzato: Air contact


crf

Fig. 5 - design iniziale vs design ottimizzato: Von Mises Stress


crf

Fig. 6 - design iniziale vs design ottimizzato: Porosità

Objective Function Graphs
I function graphs diagrammano gli obiettivi in funzione dei design calcolati. Essi danno la possibilità di verificare se c’è convergenza del problema verso il minimo o il massimo a seconda dei casi. Essendo imposta la minimizzazione degli obiettivi, il trend per le generazioni successive dovrà essere descrescente.
Nel grafico in Fig. 3 è riportato l’output Max Porosity relativo ai design del piano DOE calcolato. Il trend di convergenza decrescente è confermato.

Confronti design iniziale versus design ottimizzato
Il design ottimo è quello che garantisce il raggiungimento degli obiettivi e dal confronto delle mappe degli output selezionati per la configurazione iniziale e quella ottimizzata si evince che effettivamente la best solution garantisce un sensibile miglioramento in termini di:
- max free surface (Fig. 4)
- porosità (Fig. 5)
- Von Mises stress (Fig. 6)

Conclusioni
Il calcolo ha consentito di ottenere la configurazione ottimale in riferimento a input e obiettivi definiti. Risulta interessante notare come leghe con caratteristiche meccaniche leggermente inferiori (AM50 in confronto a AZ91 e AM60 ha una tensione di snervamento leggermente inferiore) possano garantire l’ottimo in termini delle combinazione degli obiettivi imposti.
In termini di process performance increasing, l’utilizzo di MAGMAfrontier diventa un importante strumento di supporto alla definizione degli ottimi di processo.
L’idea che ora il Centro Ricerche Fiat cerca di sviluppare è la realizzazione di un programma di sviluppo strategico in quest’area di studio, riguardante lo sviluppo di metodologie di ottimizzazione integrate prodotto/processo, in modo da riuscire ad individuare l’ottimo sia di processo che di prodotto, in modo da integrare i due flussi di calcolo che ad oggi viaggiano ancora su binari paralleli ma separati.
È potenzialmente molto promettente riuscire a mettere insieme queste due fasi distinte della progettazione dei nuovi componenti, in modo da garantire un’analisi realmente completa del problema.





 

Articolo pubblicato sulla Newsletter EnginSoft Anno 5 n°1

Diego Trabucco
EnginSoft

EnginSoft SpA | © All rights reserved | VAT nb IT00599320223
Questo sito utilizza cookie tecnici e cookie analytics, che raccolgono dati in forma aggregata | Informativa completa sulla privacy e sui cookie