Optimization of composite parts placement in autoclave
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Hacettepe Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği A.B.D., Türkiye
Tezin Onay Tarihi: 2020
Tezin Dili: İngilizce
Öğrenci: GÖZDENUR KIRDAR
Asıl Danışman (Eş Danışmanlı Tezler İçin): Diclehan Tezcaner Öztürk
Eş Danışman: Murat Caner Testik
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Kompozit parça üretiminde çoğu zaman birden fazla parça tek bir parti halinde otoklava yüklenir. Tipik bir otoklav kür döngüsünün üç ana fazı vardır ve şu şekilde gerçekleşir; ısıtma fazında tüm parçalar kür sıcaklığına ulaşana dek ısıtılır, ardından bekleme fazında parçalar belirli ve sabit bir süre bu sıcaklıkta bekletilir ve son olarak soğuma aşamasında parçalar soğutularak kür döngüsü tamamlanır. Bir kür döngüsünde ana hedef tüm parçaların tam olarak kürlenmesidir. İdeal bir kür döngüsünde, tüm parçalar aşırı kürlenmeden kaçınarak aynı zamanda kür sıcaklığına ulaşır. Fakat bu şartı sağlamak parça konumlarına, geometrilerine, yüklemedeki toplam kütleye, vb. faktörlere bağlı olarak çoğu zaman mümkün olmamaktadır. Kür sıcaklığına ulaşan ilk parça (önden giden), son parçanın (geciken) kür sıcaklığına ulaşması için gereken süre farkı kadar fazla kürlenir. Bu zaman farkı, kür döngüsü sırasında tüm parçalar üzerindeki termokuplar ile izlenebilir ve ürün kalitesini büyük ölçüde etkiler. Bu gecikme en aza indirilirse, daha kaliteli ürünler üretilebilir. Bir diğer husus, ısıtma aşamasını kısaltarak toplam proses süresinin en aza indirilmesidir. Bu şekilde zaman ve enerji tasarrufu elde edilebilir. Bu çalışmada hem parçalar arasındaki zaman gecikmesini hem de ısıtma fazının süresini en aza indirmek için iki aşamalı bir yaklaşım geliştirdik. İlk aşamada, kür sıcaklığına ulaşma süresini etkileyen faktörleri belirledik. Otoklav şarj tabanını 18 bölgeye ayırdık ve kürleme sürecini etkilediği varsayılan farklı parametreleri ve bunların etkileşimlerini değerlendirdik. Ardından her bir alanın kürlenme süresini bu parametrelerle ilişkilendiren regresyon modelleri geliştirdik. İkinci aşamada, ürünlerin ilk aşamadaki regresyon modellerini kullanarak otoklavdaki yerleşimini belirledik. Yukarıda belirtilen iki hedefi en aza indiren doğrusal olmayan karma bir tamsayılı programlama modeli geliştirdik. Bu modeli ek değişkenler kullanarak doğrusallaştırdık ve etkin çözümleri ε-kısıt yöntemi ile bulduk. Daha kısa sürelerde çözüm elde etmek için yaygın kullanılan çok amaçlı evrimsel algoritmalardan birini, Nondominated Sorting Genetic Algorithm-II (NSGA-II), kullandık. Modelin pratik kullanımının geçerliliğini Türkiye'deki bir kompozit fabrikadaki gerçek durumlarda test ettik.