Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
31 luglio 2008
Ai miei genitori.
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Indice
CAP. 1 SOMMARIO.................................................................................................................................................. 1
1.1 ABSTRACT ........................................................................................................................................................ 3
I
Indice
4.3.2 Ricerca di impostazioni robuste per il processo produttivo, il monitoraggio del processo e la stima
degli interventi correttivi ...................................................................................................................... 40
II
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
CAP. 7 IL CASO “VASCA PER LAVATRICE WHIRLPOOL MOD. CP4” .................................................. 119
7.1 PRESENTAZIONE DEL CASO DI STUDIO .......................................................................................................... 119
7.1.1 Criticità del componente in esame ..................................................................................................... 122
7.1.2 Verifica dimensionale ......................................................................................................................... 123
7.1.3 Obiettivi del caso in esame................................................................................................................. 124
7.2 PREPARAZIONE E CALIBRAZIONE DEL MODELLO FEM (STEP 1) .................................................................. 124
7.2.1 Modellazione delle geometrie in MPI................................................................................................. 125
7.2.2 Definizione del materiale plastico in MPI.......................................................................................... 129
7.2.3 Descrizione del materiale degli stampi .............................................................................................. 131
7.2.4 Definizione della macchina di iniezione in MPI................................................................................. 132
7.2.5 Utilizzo dei dati di una prova stampi per la calibrazione del software .............................................. 133
7.3 PROGETTAZIONE DEL PIANO DELLE SIMULAZIONI TRAMITE METODOLOGIA DOE (STEP 2) ......................... 142
7.3.1 Scelta dei fattori e dei rispettivi range di variazione, individuazione della variabile di risposta ...... 142
7.3.2 Individuazione dei campi di variabilità per i parametri di processo, Impostazione di distribuzioni di
frequenza per i fattori ......................................................................................................................... 144
7.3.3 Scelta e stesura del piano delle simulazioni ....................................................................................... 146
7.4 ESECUZIONE DELLE SIMULAZIONI PREVISTE DAL PIANO TRAMITE SOFTWARE FEM (STEP 3)...................... 146
7.5 ELABORAZIONI STATISTICHE SUI DATI - APPLICAZIONE DELLA TECNICA RSM (STEP 4 E 5) ........................ 147
7.6 STUDIO NUMERICO DELLA VARIABILITÀ DELLA RISPOSTA TRAMITE APPLICAZIONE DELLA TECNICA MONTE
CARLO (STEP 6).......................................................................................................................................... 148
7.6.1 Generazione della distribuzione di frequenza della risposta e confronto con le specifiche di
produzione .......................................................................................................................................... 148
7.6.2 Individuazione di una nuova combinazione di valori per i fattori e generazione di una seconda
distribuzione di frequenza della risposta............................................................................................ 149
7.7 CONSIDERAZIONI CONCLUSIVE ..................................................................................................................... 151
CAP. 8 IL CASO “FLANGIA MOTORE PER IDROPULITRICE DIZETA PLAST MOD. K3” ................ 153
8.1 PRESENTAZIONE DEL CASO DI STUDIO .......................................................................................................... 153
8.1.1 Criticità del componente in esame ..................................................................................................... 156
8.1.2 Verifica dimensionale ......................................................................................................................... 157
8.1.3 Obiettivi del caso in esame................................................................................................................. 158
8.2 PREPARAZIONE E CALIBRAZIONE DEL MODELLO FEM (STEP 1) .................................................................. 158
8.2.1 Esecuzione della prova di spurgo macchina ...................................................................................... 158
8.2.2 Modellazione in MPI della geometria della parte del sistema di alimentazione situata a monte
dell’ugello macchina (nozzle)............................................................................................................. 161
8.2.3 Definizione del materiale plastico in MPI.......................................................................................... 163
8.2.4 Definizione della macchina di iniezione in MPI................................................................................. 164
8.2.5 Esecuzione delle simulazioni della prova di spurgo........................................................................... 165
8.2.6 Completamento del modello FEM della flangia motore..................................................................... 167
8.2.7 Descrizione del materiale degli stampi .............................................................................................. 170
III
Indice
IV
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
CAP. 1 Sommario
In questa tesi si è sviluppato, e successivamente applicato con successo, un nuovo approccio per la
progettazione robusta del processo di stampaggio ad iniezione di materie plastiche. Questo
approccio utilizza più strumenti (simulazioni numeriche, metodi euristici e stocastici: FEM, DoE,
RSM, Monte Carlo) integrati in una sorta di ambiente, l’Ambiente per la Prototipazione Virtuale del
Processo di Stampaggio (APV), capace di superare i limiti del tradizionale approccio numerico,
basato invece su di un uso estensivo ma esclusivo di modelli ad Elementi Finiti.
Sebbene la simulazione FEM presenti infatti come indubbio vantaggio la possibilità di effettuare le
attività di sperimentazione ed ottimizzazione a prescindere dalla realizzazione fisica degli stampi o
dall’utilizzo di una macchina di stampaggio, essa soffre però della presenza di pesanti limitazioni
dovute alla semplificazione della realtà fatta nella trasposizione virtuale di un sistema e alla natura
deterministica degli algoritmi di calcolo. Le conseguenze di queste limitazioni sono rispettivamente:
• la necessità di procedere all’aggiustamento di alcuni parametri del modello, al fine di
allineare le predizioni con la sperimentazione, e
• l’impossibilità di tenere in considerazione le eventuali fluttuazioni dei valori dei parametri di
processo.
Al contrario, l’APV consente di operare una progettazione ottimale del prodotto e del processo
superando le limitazioni prima elencate: esso integra la progettazione concorrente (Concurrent
Engineering) con la progettazione robusta (Robust Design) tenendo conto anche della variabilità
stocastica presente in tutti i processi manifatturieri.
Poiché un impiego efficace di questo ambiente presuppone l’utilizzo di un modello realistico del
processo, l’attività di calibrazione del modello stesso è fondamentale. La procedura di calibrazione
(tuning) presentata in questa sede riesce a limitare l’attività sperimentale a bordo macchina ad un
breve impiego della pressa senza gli stampi (test di spurgo macchina). La simulazione numerica
dell’espulsione del polimero fuso dalla camera di plastificazione attraverso l’ugello porta
all’individuazione dei coefficienti della correzione di Bagley. La prova di spurgo macchina viene
così a completare l’APV svincolandolo del tutto dalla necessità di disporre degli stampi per
l’identificazione di una combinazione ottima e robusta dei parametri di processo.
1
Sommario
2
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
2. consentendo quindi di individuare sulla base delle previsioni delle distribuzioni delle
risposte delle condizioni di processo in grado di produrre il componente con una percentuale
di scarti prossima allo 0%, nel primo caso, o ridurre le non conformità, nel secondo caso.
1.1 Abstract
In this thesis a new approach for the Robust Design of the injection moulding process has been
developed and successfully applied to two industrial cases. This approach makes use of several
tools (numerical simulations, heuristic and stochastic methods: FEM, DoE, RSM, Monte Carlo)
integrated together in a sort of environment, the Virtual Prototyping Environment (VPE), able to
overcome the limitations of the traditional numeric approach, which is, on the contrary, based on
the intensive but exclusive use of FE models.
In fact, the FE simulation presents the main advantage that the experimentation and the
optimization activities require neither the manufacturing of the tooling system nor the utilization of
the production system but it suffers the presence of important limitations due to the simplification
of reality made in the virtual transposition of a system and to the deterministic nature of solving
algorithms. The consequences of these limitations are respectively: (i) the need to adjust some
parameters of the model in order to fit prediction with experimentation, and (ii) the impossibility to
take in account fluctuations of process conditions.
On the contrary, the Virtual Prototyping Environment manages to perform an optimal product and
process design, considering also the stochastic variability present in all the manufacturing processes
and thus integrating Concurrent Engineering with Robust Design.
As an effective use of this Environment presupposes a realistic model of the process, the activity of
model calibration is fundamental. The tuning procedure here presented limits the experimental
activity on the injection moulding machine to a short utilization without any die (discharging tests).
The numerical simulation of the evacuation of polymer from the cylinder through the nozzle leads
to the definition of the junction losses coefficients of Bagley’s correction. The discharging test thus
completes the VPE by releasing it from the need to have specific dies for the identification of an
optimal and robust combination of process parameters.
plastic injection moulding process (in particular: real values of process parameters,
responses);
• The actual approaches for the experimentation and optimization of the injection process
(“physical” and “virtual” approaches) and the proposed solutions for the search of a robust
process set-up.
The collection, study and critical analysis (advantages, disadvantages) of the solutions outlined in
the Literature have led to:
• identify the possible tools to work with FEM, necessary for a virtual transposition of the
injection process which keeps in account its variability too;
• define the architecture of the Virtual Prototyping Environment for the injection process in
which the different tools necessary for its implementation are integrated (FEM – Moldflow
Plastic Insight 6.1, DoE, RSM – Minitab 14 e Design Expert 7, Monte Carlo Method –
Crystal Ball 7);
• implement a new FEM tuning procedure that limits the experimental activity on the
injection moulding machine to a short utilization without any die (it is based on the use of
machine pressure profiles obtained during some air-injected shots: the “machine discharging
tests”).
Having formalized an application procedure for this VPE, divided into six steps, the proposed
Environment has been applied and validated in two industrial cases, different for product
complexity, moulded material and, above of all, aims of the study:
• evaluating the robustness of a production set up on fixed nominal values and, in case,
identifying a more precise adjustment (part in production: tub rear cover for a washing
machine - PP 20% glass fibre filled);
• exploring different process settings through a simulation plan with the aim of locating a
robust optimum (new part to be produced as a substitute for a previous one, aluminium die-
cast: motor cover – PA66 20% glass fibre filled).
4
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
2.1 Introduzione
Il mercato odierno, conseguentemente alla maggiore reattività del sistema aziende – clienti, vede
una crescente pressione competitiva sui costi e sulla qualità e, contemporaneamente, una notevole
riduzione del ciclo di vita del prodotto. Tutto ciò porta implicitamente alla richiesta di elevati livelli
qualitativi nonché di un “time to market” assai contenuto. Nel corso di questa evoluzione del
mercato, caratteristica degli ultimi anni, gli obiettivi delle aziende sono rimasti, tuttavia, immutati:
vendere il più possibile minimizzando i costi e, subordinatamente a ciò, realizzare i prodotti nel
miglior modo e nel più breve tempo possibile per conquistare quote di mercato sempre più ampie.
Per coniugare al meglio le condizioni di mercato e gli obiettivi delle aziende si è reso indispensabile
introdurre, nella fase di industrializzazione del prodotto, metodologie e strumenti innovativi volti ad
una progettazione integrata e simultanea del prodotto e dei processi produttivi conseguenti.
Nell’ambito della progettazione simultanea del prodotto e del processo produttivo, denominata
“Concurrent Engineering” (CE), diventa fondamentale l’utilizzo delle tecniche “computer-aided”.
L’utilizzo, in particolare, dei software CAE - Computer Aided Engineering (ad es.: i software di
simulazione del processo ad elementi finiti, ma anche i software di simulazione statistica basati sul
metodo Monte Carlo), opportunamente integrati in un Ambiente di Prototipazione Virtuale, come
quello proposto in questa sede, consente al progettista di integrare e razionalizzare la progettazione
del nuovo prodotto e dei processi coinvolti nella sua realizzazione prima ancora di giungere alla
fase di preserie, operando in maniera del tutto virtuale. Tra gli obiettivi principali del Concurrent
Engineering o “Progettazione integrata di prodotto e processo” ci sono appunto i seguenti:
• comprimere i tempi di sviluppo di un prodotto finito,
• contenere il numero dei cosiddetti cambiamenti ingegneristici o “engineering changes” e
anticiparli nelle primissime fasi di sviluppo del prodotto, come pure
• limitare gli scarti di produzione avendo un processo il più robusto possibile.
5
Introduzione ed obiettivi
6
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
La prima parte, composta dai capitoli 3 e 4, inquadra i problemi esistenti nella progettazione di
prodotto e processo con i compositi termoplastici (CAP. 3), e successivamente analizza le soluzioni
proposte in Letteratura per quanto riguarda l’ottimizzazione delle caratteristiche del prodotto
stampato per iniezione, evidenziandone le peculiarità, le differenze e le limitazioni rispetto
all’Ambiente di Prototipazione Virtuale proposto (CAP. 4).
La terza parte, composta dai capitoli 7 e 8, riguarda l’applicazione del nuovo approccio ad alcuni
casi aziendali, differenti tra loro per le finalità:
• Il caso “Vasca per lavatrice Whirlpool mod. CP4” (pezzo in produzione; CAP. 7);
• Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3” (pezzo nuovo da produrre in
sostituzione di un componente in lega di alluminio; CAP. 8).
Seguono infine: le conclusioni (CAP. 9), la bibliografia (CAP. 10) ed alcune appendici (CAP. 11 -
problematiche che si incontrano nell’applicazione del Metodo Monte Carlo, CAP. 12 - simulazione
del processo di stampaggio tramite il software Moldflow Plastic Insight).
7
Introduzione ed obiettivi
8
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
L’effetto di queste fibre, in particolare se ben distribuite nella matrice e intimamente connesse alla
stessa, è quello di incrementare la resistenza e la rigidezza del composito, conservando parte della
duttilità tipica della matrice, senza aumentare sensibilmente la massa volumica.
Fig. 3.1 – Superficie di rottura di un provino in PA rinforzata con fibre di vetro (a sinistra) e ingrandimento di fibre
corte di vetro al microscopio elettronico (a destra) (fonte: Laboratori del Dipartimento di Meccanica, Politecnico di
Milano).
1
Si veda anche [10].
9
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Fig. 3.2 – Mappe di Ashby massa volumica/resistenza (a sinistra) e massa volumica/modulo elastico (a destra); in giallo
le aree occupate dai polimeri (area gialla più bassa) e dai compositi a matrice polimerica (area gialla più alta) [120].
A ciò si aggiunga inoltre che, poiché questi materiali possono, molto più facilmente dei metalli e
degli acciai in particolare, essere preparati “su misura” miscelando fibre e matrice prima dello
stampaggio, esiste realmente la possibilità di “costruire materiali” che si adattano alle specifiche
richieste. L’effetto migliorativo sul composito della frazione in volume di fibre può essere
preventivamente stimato con formule opportune (ad es.: la cosiddetta regola “delle miscele”3).
2
C’è un limite tecnologico alla possibilità di riciclaggio, virtualmente infinita, dei materiali plastici ed in particolare per
i materiali plastici rinforzati in fibra di vetro [12, 11]: (1) ogni nuova esposizione di un materiale termoplastico al
calore, come quella che si verifica ad ogni nuova fusione o come quella che può aver subito un certo componente in
opera, ne causa un degrado sensibile delle caratteristiche meccaniche, dovuta alla rottura dei legami delle catene
polimeriche e che va sotto il nome di invecchiamento termico; (2) inoltre, se il materiale è caricato con fibre di vetro,
l’azione meccanica di macinazione dei manufatti dismessi da riciclare come pure l’azione di rimescolamento del
materiale applicata dalla vite all’interno del cilindro di plastificazione, causa una diminuzione della lunghezza media
delle fibre di vetro di rinforzo con un conseguente ulteriore degrado delle caratteristiche resistenziali del composito
plastica – fibre di vetro.
3
La regola delle miscele permette di stimare il modulo di elasticità longitudinale Ec di un composito in funzione delle
percentuali volumetriche di matrice νm e di rinforzo νf e dei rispettivi moduli elastici Em e Ef nel seguente modo:
Ec = νm·Em + νf·Ef
10
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
I compositi a matrice polimerica rinforzati con fibre corte di vetro, di carbonio o di altri materiali,
rappresentano quindi un’eccellente soluzione per una produzione di massa.
11
La progettazione di prodotto e processo con i compositi a matrice termoplastica
4
Si trascureranno in questa sede, in quanto non interessanti ai fini della trattazione, le fasi che avvengono all’interno
del cilindro di plastificazione (richiamo di materiale solido, fusione e accumulo del materiale fuso) e che sono
concomitanti con la fase di raffreddamento, descritta nel corpo del testo e riguardante invece il materiale accumulato
nella cavità da cui si ricaverà il componente.
5
La preparazione del materiale plastico fuso avviene nel seguente modo: il materiale plastico da trasformare, solido
(generalmente in granuli o pellets), opportunamente pretrattato (con un trattamento di deumidificazione), viene caricato
nel cilindro di plastificazione attraverso la tramoggia. La vite senza fine, posizionata all'interno del cilindro, ruota e
riscalda il materiale plastico, grazie all’attrito che si genera tra granuli ed elica, tra granuli e cilindro e tra i granuli
stessi. A questo effetto di riscaldamento si somma il contributo termico generato dagli elementi riscaldanti posizionati
all’esterno del cilindro di plastificazione (quantitativamente minore rispetto al precedente). Il materiale plastico viene
quindi fuso ed accumulato in testa alla vite grazie al movimento rotatorio e traslatorio di arretramento della stessa.
6
Nei due casi trattati in questa tesi (CAP. 7, CAP. 8), i canali di alimentazione sono opportunamente riscaldati tramite
resistenze elettriche per fluidificare maggiormente il materiale e poterlo riutilizzare, ancora fluido, per la stampata
successiva (il sistema si definisce “a camere calde” o “a canali caldi”).
7
In realtà, poiché la massa di polimero fuso in ingresso nella cavità possiede una certa comprimibilità ed una certa
inerzia, il punto di commutazione non viene impostato quasi mai al 100% del riempimento della cavità al fine di evitare
un overshot positivo della pressione (quindi si evita che la prima pressione si scarichi in un’impronta già piena) che può
dare luogo a super compattamenti, bave e/o apertura dello stampi (v. [128] pag. 33).
12
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
A C
B D
Fig. 3.4 – Principali fasi dello stampaggio ad iniezione [1]; A: accumulo del materiale fuso, B: iniezione, C:
mantenimento/raffreddamento, D: estrazione.
8
Si parla di fase di raffreddamento propriamente detto in quanto durante questa fase, mancando la possibilità di
mantenere pressurizzato il materiale e di compensarne i ritiri con altro materiale fuso, diventa predominante il
fenomeno del raffreddamento, presente anche durante la fase di packing anche se non caratterizzante per questa ultima.
Ancor più in generale, il raffreddamento del fuso inizia nel momento in cui esso tocca le pareti dello stampo, ad una
temperatura minore, ed è quindi presente anche durante la fase di iniezione, seppur in misura alquanto ridotta e
circoscritta alla sola plastica a contatto con le pareti degli stampi.
13
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Fig. 3.6 – Schema del processo di iniezione in cui si evidenzia l’influenza diretta o indiretta di ciascuna variabile di
processo (machine inputs) sugli attributi qualitativi dei pezzi stampati (quality attributes; da [53]).
Tra i diversi attributi qualitativi di un componente stampato, quelli che più interessano al
Progettista sia in termini assoluti che statistici (valore medio e dispersione), per le conseguenze che
hanno sulla funzionalità e sulla resistenza del prodotto e quindi sull’accettabilità o meno di un
componente relativamente a determinate specifiche, sono i seguenti:
• il corretto riempimento dello stampo e quindi l’integrità del componente stampato,
• la frantumazione delle fibre di rinforzo e la conseguente modifica della lunghezza e
9
In [22] si precisa che “[…] a study identifies more than 200 different parameters that had a direct or indirect effect on
the complicated (Injection Moulding) process”.
14
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
10
L’aspect ratio di una fibra di rinforzo è definito come il rapporto tra la lunghezza e il diametro di quella fibra.
11
In [39] pag. 269, a proposito della definizione dei parametri ottimali di processo, si legge: “The optimization of
process parameters of injection moulding requires a great effort. The interactions between geometrical part
dimensions, material properties and machine characteristics make it difficult to identify the parameters which most
influence the fabrication process”.
15
La progettazione di prodotto e processo con i compositi a matrice termoplastica
o di eventuali correzioni del progetto del pezzo (spessori, raggi di raccordo, nervature)
e degli stampi (dimensioni della cavità, posizione dei canali di condizionamento e
del punto di ingresso del polimero in cavità) o
o di interventi su stampi già esistenti (correzioni locali delle dimensioni delle cavità
per andare a compensazione parziale o totale del calo dimensionale).
Shell
Core
Fig. 3.7 – Orientamento delle fibre durante lo stampaggio ad iniezione: schema della disposizione tipica delle fibre
rispetto al vettore velocità avanzamento locale del flusso di fuso (a sinistra), sezione trasversale di una lastra in PA6
rinforzata con il 30% di fibre di vetro (a destra; fonte: Laboratori del Dipartimento di Meccanica, Politecnico di
Milano).
Dalle considerazioni fatte discende quindi che il processo di stampaggio influenza in maniera
sensibile l’effettivo ruolo delle fibre nel composito (e quindi il loro contributo alla resistenza e alla
rigidezza nonché il ritiro finale dei pezzi nelle differenti direzioni).
conseguenza del processo stesso di fabbricazione, due sono quelli che vengono trattati in questa
sede: il ritiro del pezzo e la distorsione (o svergolamento o deformazione).
Entrambi questi fenomeni sono causati da tensioni interne presenti nel componente e parzialmente
equilibrate, durante la solidificazione e successivamente allo stampaggio (anche a parecchie ore di
distanza), tramite variazioni dimensionali del prodotto (Fig. 3.8): variazioni locali di volume (per
quanto riguarda i ritiri) e deviazioni macroscopiche delle superfici libere dalle superfici nominali
(per quanto riguarda sia i ritiri che lo svergolamento).
Fig. 3.8 –
Fenomeni
conseguenti alla
contrazione
volumetrica del
materiale (da
[142]).
Il ritiro (lineare) del pezzo (shrinkage) è definito come la riduzione di una dimensione qualsiasi di
un prodotto stampato successivamente alla sua estrazione dallo stampo12 (Fig. 3.9).
12
Si noti che la definizione di ritiro lineare di un pezzo che si dà in questa sede include (in particolare per i materiali
semicristallini) due contributi comunemente distinti sulla scala temporale: il “ritiro di stampaggio”, dovuto a fenomeni
termici e di transizione di fase, che avviene nella cavità dello stampo a partire dal gate freezing e la cui manifestazione è
quindi immediata subito dopo l’apertura degli stampi, e il “post ritiro” o “ritiro ambientale”, dovuto all’entrata in
equilibrio termico ed igrometrico del particolare stampato con l’ambiente (come pure ad un eventuale riequilibramento
delle tensioni interne per pezzi sottoposti a temperature di esercizio maggiori di quelle ambientali) e che invece si
manifesta nel periodo successivo allo stampaggio, anche a parecchie ore di distanza (si veda [137], pagg. 77-79).
17
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Più esattamente, il restringimento relativo lineare calcolato lungo una certa direzione d (Sℓ,d), è
definito come il rapporto tra la differenza fra il valore nominale di una certa dimensione (L0,d) del
pezzo in esame calcolata lungo la stessa direzione (coincidente con la dimensione della cavità dello
stampo per la creazione di quel componente) e il valore della stessa dimensione misurata dopo
l’estrazione (L1,d), e la dimensione L0,d :
L0, d − L1, d ∆L0, d
S l, d = = , con (L0, d − L1, d ) > 0 Eq. 3.1
L0 , d L0 , d
Il ritiro è un fenomeno inevitabile nel processo di iniezione plastica e dipende principalmente dalla
variazione della densità del polimero durante il raffreddamento dalla temperatura di processo
(temperatura del polimero fuso) alla temperatura ambiente (indagabile tramite le curve p-v-T),
legata quindi anche al grado di cristallinità del materiale stesso (Fig. 3.10, Fig. 3.11).
Fig. 3.10 – Diagramma p-v-T (pressione, volume Fig. 3.11 – Variazione del ritiro e del post ritiro (v. nota
specifico, temperatura) di un materiale plastico amorfo in 12) al variare della temperatura della cavità di stampaggio
cui si mostra l’evoluzione delle caratteristiche nelle per un componente piatto (dimensioni 150 × 90 × 3 mm)
diverse fasi di un ciclo di stampaggio, il calcolo grafico in PA6 non caricato (Bayer Durethan B 30 S) (da [142]).
del ritiro volumetrico e l’influenza della pressione e della
temperatura del fuso sul ritiro (da [142]).
La eventuale presenza di fibre di rinforzo nel materiale ne limita il ritiro, soprattutto nella direzione
di allineamento principale delle fibre. Con riferimento al flusso di riempimento della cavità, in
generale, il calo dimensionale può essere misurato localmente in tre direzioni (Fig. 3.12):
• Longitudinalmente (parallelamente) alla direzione di flusso (Sℓ,f);
• Trasversalmente alla direzione di flusso (Sℓ,xf);
• Lungo lo spessore del pezzo (Sℓ,t).
18
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Al pari di quanto fatto per il ritiro lineare, è possibile definire localmente anche un ritiro
volumetrico Sv, legato a quello lineare da un coefficiente moltiplicativo pari a tre per materiali
isotropi13.
La distorsione o svergolamento del pezzo (warpage) indica una modifica macroscopica della
forma complessiva di un componente da quella ideale che si traduce in uno scostamento delle
superfici del prodotto stampato da quelle dei relativi piani nominali. Questo fenomeno, influenzato
anche dalla geometria del pezzo, è dovuto alla disuniformità puntuale delle condizioni di processo
del materiale14, da cui a sua volta dipende da una contrazione volumetrica non uniforme15 delle
diverse parti di un pezzo. Le tensioni residue che si instaurano all’interno dello stampato (quindi
l’esistenza di zone di compressione e zone di trazione) generano dei momenti flettenti in seno al
materiale e quindi deformazioni macroscopiche del componente (Fig. 3.13, Fig. 3.14).
13
Per i materiali non isotropi si ha in generale che (da [142]): Sl,xf (%) ≅ Sl,f (%) = (0.1÷0.05)·Sv (%), Sl,t = (0.9÷0.95)·Sv
(%).
14
La variazione puntuale delle variabili di stato del polimero è connessa proprio alla natura stessa di questa tipologia di
processo: esso è caratterizzato dal presentare un ambiente di trattamento del materiale differente da quello di
preparazione e quindi necessita di una movimentazione del materiale stesso che, non essendo istantanea, concorre
all’instaurazione di gradienti delle grandezza fisiche. A tal proposito, in [53] si legge: “As previously discussed, the
primary barrier to control of injection moulding stems from the distributed nature of the polymeric material. This
demands models that can represent the state of the material both spatially and temporally. For example, state variables
such as the melt velocity, melt pressure, and melt temperature are not only functions of time but are inhomogeneous
both through the thickness and across the mould”. Recentemente qualche sforzo sta venendo compiuto proprio nella
direzione di un controllo puntuale delle grandezze fisiche coinvolte, soprattutto per quanto riguarda la temperatura degli
stampi [76]: i risultati sperimentali sono in questo caso promettenti ma la complessità del sistema di stampaggio
aumenta in maniera considerevole (sia come attuatori termoelettrici, sia come sistema di controllo e retroazione).
15
Se il ritiro volumetrico su di un pezzo fosse uniforme in tutti i suoi punti, il ritiro lineare sarebbe uguale in tutte le sue
direzioni: il pezzo avrebbe solamente un volume minore di quello della cavità con cui è stato formato e la forma
rimarrebbe immutata rispetto a quella di partenza.
19
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Fig. 3.13 – Deformazione conseguente ad una Fig. 3.14 – Differente contrazione del materiale al variare
disuniformità della temperatura degli stampi; nella figura degli spessori (quindi della geometria) in componenti di
in basso esiste una differenza di temperatura tra le due materiale non rinforzato (a sinistra) e rinforzato (a destra)
superfici della cavità (da [142]). (da [142]).
Questi ritiri volumetrici non omogenei sono a loro volta causati da:
• gradienti termici sul pezzo che causano contrazioni del materiale non uniformi e non
contemporanee (differential cooling effects);
• condizioni di compattazione/cristallinità differenti da punto a punto (differential shrinkage
effects16),
• anisotropie del materiale dovute ad un orientamento preferenziale delle molecole e/o delle
fibre di rinforzo (orientation effects).
16
La dicitura qui riportata per questa causa di ritiro volumetrico, dovuto alle condizioni di compattazione/cristallinità
del materiale (differential shrinkage effects o area shrinkage effects), è quella riportata nei testi inglesi del settore [140]
ma è impropria in quanto la spiegazione che è riportata negli stessi testi (e qui riportata nel corpo del testo) indica che
trattasi di una sola delle tre possibili cause di disuniformità del ritiro volumetrico o shrinkage propriamente detto. È
necessario quindi fare attenzione a non confondere i due termini preferendo piuttosto appellare il ritiro da differenti
condizioni di compattazione/cristallinità ad esempio con le seguenti diciture: “differential process conditions effects” o,
più semplicemente, “process effects”.
20
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
In Letteratura è possibile trovare solo degli andamenti qualitativi del ritiro al variare dei fattori di
processo (Fig. 3.16), come pure delle regole pratiche di progettazione per la minimizzazione dei
ritiri18, ma è assolutamente impossibile stimare in maniera analitica a priori l’entità del ritiro e, a
maggior ragione, delle distorsioni. In quest’ottica le simulazioni numeriche ad elementi finiti si
rivelano essere quindi uno strumento assolutamente necessario.
17
Da [108]: “From building an empirical model based on statistic of measurements to employing artificial intelligence
techniques, results all depend on specific materials/mould configuration on a particular moulding machine […]. No
definitive correlation between a process variable (e.g. cavity pressure profile) and the part quality has been
established”.
18
Il complesso delle regole pratiche per l’ottimizzazione dello stampaggio ad iniezione è denominato “Design for
Injection Moulding”.
21
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Anche potendo escludere la variabilità del materiale in tutti quei casi che fanno riferimento a
stampate eseguite con lo stesso materiale (vergine, quindi senza rimacinato, proveniente dallo stesso
lotto e pretrattato nelle stesse condizioni), al pari di quanto fatto per casi presentati in questa sede
(v. CAP. 7, CAP. 8), permane una variabilità non trascurabile dovuta alle restanti cause sopra
accennate. In particolare, è possibile far risalire la variabilità globale del processo, e quindi del
prodotto, alla tipologia del parametro di processo considerato (controllato durante la fase di
produzione, non controllato o incognito; Tab. 3.1) e quindi individuare le seguenti due cause di
variabilità (Fig. 3.17):
• lo scostamento del valore reale dei parametri controllati (es.: temperature, pressioni; Tab.
3.1) dai rispettivi valori impostati, incognito all’operatore di una macchina di iniezione,
• le variazioni dei parametri non controllati20 (es.: portata di refrigerante, umidità del
materiale pretrattato; Tab. 3.1) e incogniti (composizione chimica effettiva del lotto di
materiale utilizzato; Tab. 3.1), anche esse del tutto sconosciute all’operatore.
19
A tal proposito si veda [53].
20
Si noti che la categoria dei parametri non controllati non è assoluta nel senso che, posizionando dei opportuni sensori
sulla macchina di iniezione è possibile acquisire informazioni anche su questi parametri di processo facendoli rientrare
quindi nella categoria dei parametri controllati: gli esempi che vengono fatti in questa sede (Tab. 3.1) riguardano
parametri che solitamente non vengono controllati nelle installazioni industriali.
22
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Tab. 3.1 – Classificazione dei parametri di processo in controllati, non controllati ed incogniti.
Parametri controllati Parametri non controllati
• Temperature (fasce riscaldanti cilindro, • Portata di fuso
camere calde, liquido di condizionamento) • Portata di refrigerante
• Pressione idraulica di mantenimento • Temperature (fuso, cavità)
• Tempi (mantenimento, raffreddamento) • Pressione di mantenimento a valle dell’ugello macchina (nozzle)
• Velocità (avanzamento vite, rotazione vite) • Umidità residua del materiale pretrattato
• Posizioni (punto di commutazione, • Temperatura, umidità ambiente di stampaggio (e di stoccaggio)
lunghezza di carica, cuscino)
Parametri incogniti
• Composizione chimica effettiva del lotto di materiale utilizzato
La conseguenza di queste variazioni è che i valori reali dei parametri di processo sono differenti ad
ogni stampata e questo fatto si ripercuote sul prodotto in termini di variazioni dimensionali e
geometriche, che possono portare anche a scarti di produzione (Fig. 3.17).
Un processo risulta robusto quando riesce a mantenere una certa uniformità delle caratteristiche
dei prodotti al variare (entro certi limiti) dei fattori di processo. Parimenti, un prodotto risulta
robusto dal punto di vista produttivo quando, per come è progettato e per il processo scelto per la
sua produzione, le sue caratteristiche rimangono valide al mutare (entro certi limiti) delle condizioni
di processo. Il raggiungimento di un livello di robustezza maggiore (del prodotto o del processo)
passa quindi attraverso l’individuazione della combinazione dei differenti parametri di prodotto e di
23
La progettazione di prodotto e processo con i compositi a matrice termoplastica
processo che minimizzi quindi la sensibilità ai fattori di disturbo (e che, di conseguenza, permetta il
raggiungimento di un’alta qualità21 contenendo nel contempo i costi).
Le tecniche Taguchi22 (come pure altre tecniche, tra le quali quella proposta in questo lavori di tesi
e facente uso dell’Ambiente di Prototipazione Virtuale presentato nel CAP. 5) consentono, tramite
l’individuazione di un opportuno piano di esperimenti, di progettare un prodotto robusto e quindi, in
sostanza, di operare secondo una logica di progettazione robusta.
Sull’andamento della curva di frequenza di probabilità per una determinata caratteristica (Fig. 3.18)
è possibile agire sia on-line (quindi contestualmente alla produzione dei componenti, tramite
controllo statistico del processo) che off-line23 (in particolare nella fase di progettazione), ma è solo
off-line, con un’opportuna progettazione del prodotto e del processo, che è possibile restringere
l’ampiezza di detta curva, riducendo quindi la variabilità delle prestazioni intorno alla media.
A partire dal 1920 ad oggi, nel controllo di qualità si è passati da un intervento essenzialmente
operativo effettuato durante il ciclo di produzione vera e propria (fase di ispezione), ad un
miglioramento della qualità del prodotto ottenuto in fase di progettazione del prodotto o del
processo produttivo. Si è quindi operato l’auspicato cambiamento da un controllo di qualità
principalmente effettuato on-line, cioè durante il ciclo di lavorazione, ad un controllo di qualità
effettuato anche off-line, ovvero nella fase di progettazione24.
21
L’American Society For Quality Control (ASQC) definisce la qualità come “La totalità degli aspetti e delle
caratteristiche di un prodotto o di un servizio che influiscono sulla sua capacità di soddisfare a determinate richieste”.
In questo senso il prodotto deve soddisfare le richieste materiali e psicologiche del consumatore, ed è quindi interesse
del produttore che tutta la sua produzione sia quanto più rispondente possibile a tali richieste.
22
Si veda §3.5.2.
23
In particolare, i metodi di controllo della qualità off-line sono “tecniche di intervento per il controllo dei costi e della
qualità effettuate durante gli stadi di progettazione del prodotto o del processo produttivo. Lo scopo principale di tali
metodi è quello di migliorare la fabbricazione del prodotto e la sua affidabilità e, al tempo stesso, di ridurre i costi di
sviluppo e di manutenzione durante tutta la vita utile del prodotto” (Kackar, 1985).
24
Si veda [13].
24
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
25
Si noti che la principale differenziazione della concezione della qualità di Taguchi rispetto alla definizione
dell’ASQC è che per Taguchi l’assenza di qualità è una perdita: quanto più il prodotto è lontano dalle caratteristiche
ottimali richieste quanto più grande sarà la perdita.
25
La progettazione di prodotto e processo con i compositi a matrice termoplastica
Taguchi afferma che: “lo studio della qualità nello stadio di disegno del prodotto è particolarmente
importante perché, mentre la variabilità può essere ridotta anche durante le fasi di produzione
(manifacturing variations), ciò non può avvenire per la deteriorabilità del prodotto (product
deterioration) o per l’inadeguatezza dell’ambiente (enviromental variations). Tutti questi problemi
di qualità, invece, possono essere affrontati negli stadi di progetto”. Come si vede anche in Tab.
3.2, l’unica fase del ciclo di sviluppo di un prodotto in cui è possibile intervenire per limitare tutti e
tre i tipi di variabilità è la fase di disegno del prodotto, che si attua fuori dal ciclo di lavorazione,
mentre gli altri due stadi (uno sempre in fase off-line e l’altro in fase on-line) offrono possibilità di
intervento circoscritte alla sola limitazione della variabilità tra le singole unità.
26
I disturbi esterni (outer noise factors) sono costituite dalle variabili ambientali o dalle condizioni di uso che alterano
la funzionalità del prodotto. Due tipici esempi per le plastiche sono la temperatura e l’umidità. Questo tipo di variabilità
è contraddistinto dalle variabili di natura ambientale e si può intervenire su questa fonte solo in fase di progettazione del
prodotto.
I disturbi interni (inner noise factors) sono disturbi dovuti al deterioramento per l’uso del prodotto o per il lungo
tempo di immagazzinamento; questo deterioramento causa una fonte di variabilità “controllabile” ovvero dovuta ad
elementi che incidono direttamente sul prodotto.
Il cosiddetto rumore tra unità e unità (noise factors) costituisce la fonte di errore accidentale, che provoca la
differenza tra i singoli prodotti, quando non agiscono altri fattori, riducendone l’affidabilità e l’uniformità. In sostanza,
la variabilità indotta da questi elementi è legata a fattori che intervengono direttamente nel processo produttivo: si tratta
quindi di controllare non una variabilità esterna, come in precedenza, ma una fonte interna che costituisce la variabilità
in senso stretto del processo produttivo. Si noti (Tab. 3.2) che, per limitare questa fonte di variabilità è possibile
intervenire in qualsiasi fase del processo produttivo.
26
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Tab. 3.2 – Stadi di sviluppo di un prodotto e possibili interventi (o = possibilità di intervento, * = impossibilità di
intervento; da [13]).
Per ridurre i tre tipi di disturbo suddetti, Taguchi propone tre fasi di intervento, che possono essere
introdotte in ognuno dei tre stadi del ciclo di sviluppo di un prodotto (Tab. 3.2), ma che sono
ovviamente di fondamentale interesse nello stadio di progettazione:
• La prima fase, detta disegno del sistema (system design) è la fase di individuazione della
tecnologia idonea, tra quelle disponibili. All’interno dei possibili sistemi si dovrà sceglierne
un piccolo numero, che sarà valutato ed analizzato dal progettista del sistema.
• La seconda fase, detta disegno dei parametri (parameter design) è indirizzata a trovare
quella combinazione ottimale dei livelli dei fattori (parametri per Taguchi), che garantisca
la riduzione della variabilità, relativamente a tutti e tre i tipi di disturbo considerati. Il
disegno dei parametri costituisce forse il punto più innovativo nella metodologia di Taguchi
poiché introduce il metodo del progetto sperimentale.
• Infine, la terza fase, detta disegno delle tolleranze (tolerance design) deve essere effettuata
soltanto se la seconda fase è risultata inefficace e costituisce l’ultima possibilità per ottenere
un miglioramento (la più onerosa per l’azienda). Constatato l’insuccesso che si è avuto con
il disegno dei parametri, con il quale non è stato possibile determinare la combinazione
ottimale, si procede a determinare l’ampiezza degli intervalli di tolleranza per i fattori del
disegno sperimentale, seguendo un “criterio di importanza ” dei fattori: quanto più un fattore
è influente nel ciclo produttivo, tanto più piccola dovrà essere l’ampiezza del suo intervallo
di valori.
27
La progettazione di prodotto e processo con i compositi a matrice termoplastica
28
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Nonostante questi evidenti limiti, tale tipo di approccio risulta essere ancora largamente adottato in
ambito manifatturiero27 e con risultati abbastanza soddisfacenti grazie al supporto della grande
esperienza del personale coinvolto (responsabili di reparto, operatori di macchina). Essi riescono,
infatti, a discernere tra le molteplici variabili in causa e a trovare una regolazione ammissibile in un
tempo accettabile grazie ad una conoscenza approfondita, sebbene empirica, dei materiali e delle
attrezzature in uso e ad una casistica personale di decine di casi analoghi a quello in produzione in
quel momento (per geometrie, materiali, difetti).
Il risultato finale di una sessione di stampaggio per la ricerca delle impostazioni ottimali varierà
27
Nelle aziende medio-piccole ed in generale in quelle realtà produttive in cui non sia presente un vero e proprio reparto
di ingegnerizzazione del processo (es.: stampatori terzisti) un approccio come quello qui presentato è la prassi e, in un
certo senso, appare quasi obbligato per mancanza di competenze tecniche superiori in merito all’indagine scientifica dei
processi produttivi (tecniche DoE) e alla simulazione computerizzata dei processi (analisi FEM).
29
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
quindi da soggetto a soggetto, non sarà affatto garantito e costituirà una conoscenza difficilmente
condivisibile in ambito aziendale (poiché del tutto empirica).
Disegno geometria
componente Impostazione dei parametri di stampaggio
Definizione impostazioni Sì
di produzione di cartellino
Sì Le tolleranze No
prescritte sono
Lancio della produzione rispettate?
Fig. 4.1 – Procedura tradizionale di individuazione dei parametri accettabili di stampaggio in cui l’esecuzione delle
prove sperimentali segue una logica di tipo “trial and error”. La rilevazione di macrodifettosità evidenti costituisce un
controllo on-line (immediato) mentre la verifica della non conformità delle tolleranze ottenute rispetto alle prescrizioni
è un controllo off-line a causa della necessità di stabilizzazione dei componenti stampati: il loop di impostazione dei
parametri di cartellino può venire quindi chiuso anche a giorni di distanza.
La Ricerca inerente il settore dello stampaggio di materie plastiche si è quindi posta come obiettivo
primario proprio quello di fornire ad un progettista del processo ed, in generale, ad un utilizzatore
della tecnologia, degli strumenti analitici o numerici nonché delle procedure operative tali da poter
prevedere le caratteristiche finali di un componente così prodotto (dimensioni, resistenza
meccanica, anisotropie, aspetto superficiale) ed eventualmente migliorarne il progetto stesso
(configurazione geometrica del prodotto o degli stampi) o l’impostazione del processo nel senso di
un’ottimizzazione di dette caratteristiche finali.
Attualmente sono due gli approcci seguiti nella pratica industriale per la sperimentazione e
l’ottimizzazione di processo relativamente al rispetto delle tolleranze dimensionali e geometriche
imposte: uno fisico o sperimentale (§4.2.1) ed uno virtuale o simulativo (§4.2.2).
30
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
28
La tecnica di indagine basata sull’utilizzo del DoE e dell’ANOVA per l’ottimizzazione dei parametri di processo è
stata applicata con successo non solo al campo delle materie plastiche ma anche, ed in maniera del tutto analoga, in
campi affini a quello dell’iniezione di materie plastiche, ad es. l’iniezione di ceramici [106].
29
In [39] pag. 267 si legge: “Design by numerical simulations represents a powerful alternative to speed-up the product
development cycle, reducing activities linked to experimental tests and mould fabrication. […] The new hardware,
coupled to new software development, allows more enhanced computer-aided systems and finite element analysis
software packages to be implemented, providing more information to designers and mould-makers in the
manufacturability analysis while further compressing the design/fabrication process The numerical models of part and
mould designs give accurate solutions and reliable predictions for a specific set of process parameters because they
include the physical law formulation of the process itself. Using numerical simulation software, the physical prototypes
are replaced with digital ones, reducing effort and costs connected to the experimental activity”. Inoltre, in [40] pag. 51
è possibile leggere: “[…] numerical modelling can provide useful information that can be used to modify part design
and mould layout, optimize operating conditions and reduce the design and production costs”, e a pag. 54 “[the
simulations] predict the location of the weld lines, the possibilities of air entrapments as well as the pressure and
temperature distributions at the end of filling. This information is crucial for calculating the shrinkage (sizing of mould
cavity), ejection temperature (cycle time) and strength of a part”. In [41] pag. 491: “[…] simulations can produce a
variety of results on all aspects of the injection process and they can implement the traditional intuitive method of
mould design. Research on plastic injection moulding has included a growing number of papers on optimisation
algorithms to assist the designer in the work of mould and part design. Many other authors have used these software
tools to optimise injection process variables like the minimum pressure, the reduction of distortion balancing the flow in
the mould cavity, the fibre orientation in reinforced plastics. […] It is also possible to use these computer aided
engineering (CAE) tools to test some rules based on the knowledge acquired so far”.
31
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
Tramite questo approccio, infatti, si effettuano in maniera virtuale delle prove di iniezione in uno
stampo precedentemente modellato in un ambiente grafico tridimensionale.
Calcolo modello di
regressione
Definizione impostazioni
di produzione di cartellino Calcolo impostazioni
ottimali dei parametri
Lancio della produzione di produzione
Fig. 4.2 – Procedura di individuazione dei parametri accettabili di processo facente uso del DoE e dell’RSM.
32
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
o generazione delle differenti combinazioni dei valori dei fattori (trattamenti) del piano
sperimentale;
• successivamente alla raccolta dei dati sui pezzi prodotti durante la campagna di prove:
o selezione di un modello di regressione, analisi della varianza dei fattori (ANOVA) e
individuazione dei parametri più significativi sul valore e sulla variabilità della
risposta;
o individuazione del valore dei coefficienti che compaiono nel modello di regressione
della risposta (RSM);
o individuazione dei valori dei fattori che permettono il raggiungimento dei valori
voluti per le risposte (ricerca di un ottimo).
Gli obiettivi che il Reparto Produzione si pone nell’utilizzo di questi strumenti sono quindi [71]:
• predizione accurata del flusso di materiale;
• predizione delle tensioni residue nel materiale e quindi della conseguente deformata;
• predizione dell’insorgenza di difetti di produzione (ad es.: mancati riempimenti) e del
materiale (ad es.: linee di giunzione e saldatura);
33
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
• ottimizzazione della geometria del componente da formare e quindi degli stampi necessari30;
• determinazione delle temperature degli stampi;
• impostazione ed ottimizzazione dei tempi delle diverse fasi del processo.
30
In [22] si afferma che nel processo di progettazione tradizionale di un prodotto e del relativo processo, “about 20% of
the cost of a mould commonly went into redesign and remaking”. La simulazione permette un netto abbattimento di
questi costi. Infatti, sempre in [22] si dice anche che: “the development of computer aided engineering simulation in the
injection moulding industry has eliminated various trial-and-error practices and greatly streamlined the product
development cycle”.
31
In Letteratura esistono parecchi esempi di utilizzo di software ad elementi finiti per l’ottimizzazione del prodotto,
dello stampo e del processo: studio dell’avanzamento del polimero e del conseguente orientamento molecolare per un
componente con giunto integrale tramite il FEM Moldflow Plastic Insight – MPI (in [102] e in [94]); analisi della
possibile formazione di inclusioni gassose e linee di saldatura per due differenti posizionamenti per il gate e diverse
possibilità per gli spessori del pezzo tramite MPI (in [27]); dimensionamento di un componente ed ottimizzarne delle
condizioni di stampaggio tramite MPI (in [41]); posizionamento del gate, dimensionamento del componente (una
giuntura integrale in [56], gli spessori in [4]) ed individuazione dei parametri ottimali di stampaggio tramite MPI;
valutazione dell’effetto di differenti posizioni del gate e di differenti tempi di iniezione sulle distorsioni finali di un
componente tramite MPI e MPI interfacciato al FEM strutturale Abaqus (in [65]); valutazione dell’uso di un sistema di
alimentazione a canali caldi in alternativa ad uno convenzionale in termini di distorsioni osservate su di un componente
tramite MPI (in [32]); vaglio tramite MPI di diverse configurazioni dei canali caldi di alimentazione e temporizzazione
opportuna dell’apertura delle valve gate in modo che il componente non presenti linee di giunzione e che la pressione di
iniezione sia minima (in [98] e in [46]); studio del posizionamento migliore dei canali di raffreddamento di uno stampo
prototipale in resina termoindurente caricata tramite MPI (in [35]); studio dei cicli termici sulla superficie della cavità
degli stampi tramite il FEM Fluent (in [95]).
32
In [43] e [74] si mostrano le potenzialità di tali software per quanto riguarda il vaglio rapido di differenti soluzioni per
34
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
l’iniezione (canali caldi, canali freddi ad iniezione sottomarina o con iniezione a ventaglio), il bilanciamento dei canali
di alimentazione di uno stampo a due cavità differenti, il dimensionamento del punto di iniezione e dei canali di
raffreddamento, l’impostazione dei tempi di ciclo e delle pressioni di mantenimento.
33
Si veda la nota 32.
35
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
Impostazione Impostazione
parametri di processo parametri di processo
Stabilizzazione
caratteristiche pezzi
Rispondenza No
caratteristiche dei
pezzi a requisiti
Rispondenza No
caratteristiche dei Sì
pezzi a requisiti
Messa in produzione
Sì
Messa in produzione
Fig. 4.5 – Utilizzo della simulazione di processo (a destra) durante la fase di impostazione dei parametri di processo
(preserie) a confronto con un approccio fisico (a sinistra); le tempistiche di intervento di quest’ultimo sono maggiori
conseguentemente alla necessità di stabilizzazione delle caratteristiche dei pezzi stampati (in giallo in figura).
Essa inoltre viene effettuata su stampi già realizzati: la possibilità di correzione sono a questo punto
abbastanza limitate e riguardano principalmente i valori dei parametri di processo e, al più, qualche
dimensione della cavità, ma sicuramente non il progetto dello stampo nel suo insieme (es.: il
posizionamento del punto di iniezione o dei canali di raffreddamento).
L’approccio virtuale alla sperimentazione e all’ottimizzazione di processo però risulta invece
essere limitato proprio dalla natura deterministica degli algoritmi di calcolo che caratterizzano i
software ad elementi finiti (Fig. 4.6, Fig. 4.7): la variabilità di processo viene quindi ad essere
completamente ignorata. Conseguentemente a ciò, risulta impossibile l’effettuazione di qualsiasi
considerazione riguardante la robustezza del processo e quindi l’individuazione delle fonti più
importanti di difettosità.
37
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
Esse si caratterizzano tutte per tentare, nell’ottica del perseguimento degli obiettivi sopra elencati, il
superamento delle limitazioni di ciascuno dei due tradizionali approcci tramite affiancamento alla
sperimentazione fisica o alle simulazioni FEM di altre metodologie.
34
A seguire una panoramica delle diverse soluzioni presentate in Letteratura in questo ambito.
In [83] si utilizza il FEM C-Mold per esplorare due piani sperimentali volti al miglioramento del progetto dello stampo
(dimensioni sistema di alimentazione, configurazione dei canali di raffreddamento) in termini di pressione di
alimentazione, tempo di iniezione, uniformità di raffreddamento. Il secondo piano sperimentale possedeva dei fattori
selezionati rispetto al primo in base all’effettiva influenza sulla risposta e ciascun fattore era indagato su tre livelli
anziché due. Il risultato di questa indagine è stato poi utilizzato nella costruzione dello stampo. In [80] si utilizza il FEM
MPI per esplorare un piano sperimentale in cui i fattori sono le dimensioni geometriche del prodotto; successivamente
l’applicazione della tecnica RSM in congiunzione con le reti neurali ha permesso di individuare un valore dello spessore
che minimizzasse il ritiro dimensionale. In [116] si utilizza MPI per esplorare un piano sperimentale in cui i fattori sono
le dimensioni geometriche dei canali caldi di alimentazione (diametro e lunghezza dei runners, diametro e lunghezza
del gate); in un secondo momento, l’applicazione della tecnica RSM in congiunzione con l’approccio di Taguchi e le
reti neurali ha permesso di individuare le dimensioni caratteristiche dei canali caldi che minimizzassero la previsione di
distorsione conseguente allo stampaggio. In [5], seguendo un procedimento analogo al precedente, si è utilizzato MPI
per esplorare diverse situazioni sperimentali; successivamente le tecniche degli algoritmi genetici e Monte Carlo hanno
permesso di trovare le dimensioni geometriche dei canali caldi di alimentazione (diametro e lunghezza dei runners,
diametro e lunghezza del gate) che minimizzassero le differenze dimensionali tra le diverse cavità di uno stampo. In
[83] si utilizza il DoE per pianificare una campagna sperimentale a due step (scrematura dei parametri, ottimizzazione)
eseguita sulla macchina al fine di trovare la combinazione di parametri di processo tra quelle indagate che garantisse il
raggiungimento di un determinato peso del componente prodotto, messo in correlazione con un pezzo ottimale
(completamente formato e senza bave). In [25] e [26] si suggerisce l’utilizzo della logica grey e fuzzy in congiunzione
con l’ANOVA per eseguire un’ottimizzazione multi obiettivo delle caratteristiche finali del prodotto (resistenza sulle
linee di giunzione, ritiri, differenza di temperatura) in maniera agevole. In [54] si utilizza il DoE per la pianificazione di
una campagna di 32 trattamenti, eseguiti poi sulla macchina e successivamente si utilizzano i dati raccolti per addestrare
i neuroni di una rete neurale (back propagation ANN) per la previsione del modulo elastico del materiale. In [60] e [79]
si utilizza il DoE per la pianificazione di una campagna di 243 trattamenti (35), eseguiti poi al calcolatore tramite
software MPI; successivamente si utilizzano i dati raccolti sulla distorsione massima per addestrare i neuroni di una rete
neurale e, applicando degli algoritmi genetici, si sono trovati i valori dei parametri di processo che minimizzano la
distorsione massima. In [45] si propone un metodo basato sulle superfici di risposta per la ricerca delle impostazioni di
processo più robuste rispetto ai fattori di perturbazione esterni. In [115] si utilizzano i dati di 114 simulazioni effettuata
38
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
con C-Mold per addestrare una rete neurale (algoritmo di Levemberg - Marquardt) che preveda la pressione e il tempo
di iniezione a partire dai parametri di processo. In [101] e [39] si utilizza il software MPI per esplorare i diversi
trattamenti di un piano sperimentale, successivamente si utilizzano dei dati ottenuti e le equazioni di Taguchi per
individuare la combinazione ottimale di parametri di processo che minimizzi le distorsioni del pezzo. In [78] e [34],
analogamente a quanto fatto sopra, si utilizza uno strumento software (MPI) e le equazioni di Taguchi per individuare il
materiale, la geometria e la combinazione ottimale di parametri di processo che minimizzino le distorsioni. In [93] si
utilizza uno strumento software (MPI) per esplorare i diversi trattamenti previsti di un piano sperimentale che prevede
anche l’utilizzo di differenti materiali, successivamente si utilizza il metodo di Taguchi e l’analisi di Grey per
individuare il materiale e la combinazione ottimale di parametri di processo tali da minimizzare le distorsioni, la
distribuzione di temperatura e pressione e il tempo di riempimento. In maniera simile in [20], in maniera del tutto
analoga a quanto appena descritto si è utilizzata l’analisi di Grey per la predizione della combinazione di parametri di
processo che dà il massimo spessore di plastica orientato nella direzione del flusso; il software utilizzato in questo caso
è C-Mold. In [92] si suggerisce una procedura basata su casi simili a quello di studio (case-based system) ed integrata
da soluzioni dettate dall’esperienza (rule-based system) per l’impostazione dei parametri di processo; tale sistema
esperto utilizza un database di casi simili generato tramite una moltitudine di simulazioni MPI in cui erano stati fatte
variare sia le geometrie che i parametri di processo. In [75] si mostra uno strumento software (DIPSIPOS) che consente
il trasferimento dei parametri di processo, preventivamente ottimizzati al calcolatore tramite esecuzione di simulazioni
FEM, alla macchina di stampaggio. In questo modo si realizza l’integrazione completa tra progettazione (fase
concettuale e virtuale) e produzione (fase concreta).
35
Tecniche di indagine simili a quelle descritte in questa sede sono state impiegate anche in campi differenti ma affini
tecnologicamente a quello dell’iniezione di materie plastiche; in [114] si mostra l’impiego del FEM congiuntamente alle
reti neurali per il processo di iniezione di materiali metallici (metal injection moulding).
39
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
Il problema principale sia in fase di preserie che di produzione si è quindi rivelato essere il ritardo
temporale nell’acquisizione delle informazioni sui pezzi stampati, che costituisce per l’analista di
36
In [60] si dichiara che il tempo di addestramento di una rete neurale a 55 neuroni (di cui 5 neuroni di input, 1 neurone
di output), con 2 livelli nascosti ed addestrata su 243 dati ha richiesto 10 ore di tempo di CPU. La successiva verifica,
eseguita su 7 ulteriori dati ha richiesto l’esecuzione di un analogo numero di simulazioni FE con MPI per un totale di
altre 56 ore di CPU. Lo strumento è stato disponibile quindi ben 66 ore di CPU successivamente alla fine
dell’esecuzione della campagna di simulazioni. Non si dichiara invece quanti tentativi sono stati necessari per
selezionare una rete neurale a 2 livelli nascosti.
40
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
processo il necessario feedback per poter effettuare una qualsiasi considerazione sulla bontà delle
condizioni di stampaggio adottate nei termini sopra indicati37.
Le soluzioni rientranti nella prima tipologia si caratterizzano per poter essere applicate di volta in
volta in ambiti specifici e con scopi ben definiti (ottimizzazione del progetto del prodotto o dello
stampo in fase di progetto, impostazione ottima dei parametri di produzione in fase di preserie,
controllo della produzione attuale).
A differenza di queste, una trasposizione virtuale del processo (seconda tipologia di soluzioni)
garantirebbe invece una certa maggiore versatilità che ne consentirebbe l’applicazione in tutti i casi
prima elencati. In questa seconda categoria rientra proprio l’Ambiente per la Prototipazione
Virtuale del processo di stampaggio ad iniezione di materie plastiche proposto (CAP. 5 e segg.).
37
In [53] si legge: “A fundamental difficulty in control of injection moulding is that none of the final moulded part
properties can be ascertained within the moulding cycle. Instrumentation does not yet exist, and may never exist, to
yield information about aesthetics or structural integrity prior to opening of the mould and ejection of the part.
Therefore, part quality is satisfied through a combination of on-line state variable control (through continuous control
of the melt state) and off-line cycle-to-cycle adjustment of the machine set points. These two modes of control give
injection moulding the characteristic of both a continuous and discrete process”.
38
Si pensi al problema del post ritiro, tale per cui eventuali misurazioni dimensionali o resistive su di un pezzo devono
necessariamente essere effettuate dopo un periodo di stabilizzazione di almeno 24 ore o più dallo stampaggio, a seconda
del materiale.
39
Segue una panoramica di alcune soluzioni presentate in Letteratura in questo ambito.
In [73] e [85], avendo preventivamente messo in correlazione i parametri qualitativi del prodotto (ad esempio le
dimensioni finali in alcuni punti di interesse) con alcune grandezze non impostabili sulla macchina (parametri
qualitativi indiretti: peso del pezzo formato, massima pressione in cavità e alla fine della fase di mantenimento),
41
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
facendo, è quindi possibile slegare il feedback cognitivo dalla fase di rilevazione sui prodotti
stampati utilizzando relativamente pochi dati, opportunamente interpretati in modo da correlare i
parametri qualitativi diretti a quelli indiretti40 (Fig. 4.8).
Facendo riferimento alla Fig. 4.9, è quindi necessario passare da un “quality feedback” (controllo
off-line sui pezzi già prodotti e stabilizzati, ad es.: dimensione, aspetto superficiale, proprietà
meccaniche) ad uno “state variable feedback” (controllo di retroazione, quindi on-line, eseguito
direttamente a partire dalla rilevazione di determinate grandezze sul polimero in lavorazione, ad es.:
temperatura, pressione). L’attuazione di questa transizione passa attraversa la predisposizione di
appositi sensori sullo stampo e sulla macchina, ma soprattutto attraverso la correlazione delle
grandezze di rilevazione con gli attributi qualitativi del prodotto.
variabili a parità di valori nominali dei parametri di processo (parametri di controllo), si è potuto definire una procedura
veloce di controllo on line del processo basata sul controllo della massa del prodotto stampato. L’intervento correttivo
può in tale caso essere immediato se si dovessero presentare deviazioni sistematiche dei parametri qualitativi del
prodotto ma nulla è possibile fare per conoscere e ridurre la variabilità intrinseca del processo. In [67] si utilizza una
rete neurale, preventivamente addestrata su dati reali di produzione, per operare cambiamenti di alcune impostazioni di
processo che possono essere modificate istantaneamente sulla macchina (pressione e velocità di iniezione), al fine di
compensare le ripercussioni che le naturali fluttuazioni di queste variabili e di altre (in particolare le temperature, non
variabili con immediatezza da ciclo a ciclo) avrebbero sulla massa del prodotto stampato e quindi di contenere la
variabilità. In [108] si confrontano, in termini di valore medio e dispersione, differenti tecniche di controllo on line del
punto di commutazione velocità-pressione nel processo di stampaggio (in base alla pressione idraulica, in base alla
posizione della vite nella sua corsa) rispetto alla tecnica proposta, basata invece sulla lettura della distanza di
separazione tra gli stampi senza che si formi bava. La tecnica utilizzata, pur garantendo risultati ottimi in termini di
robustezza del processo (ripetibilità nella posizione del punto di commutazione) fa un pesante uso di sensori e di unità
di elaborazione installate sulla macchina.
40
In [73], pag. 5, si legge: “it is difficult to judge the quality condition under on-line because it takes a long time to
check the quality condition. […] it is necessary to judge the quality condition within a short time with accuracy, and
indirect control parameters (ndr.: parametri qualitativi indiretti) are introduced to solve the previous problem. […]
indirect control parameters are weight of moulded parts, maximum cavity pressure and cavity pressure at the end of
holding stage. Indirect control parameters are used to judge the quality condition under on-line instead of measuring
the dimensions or checking an appearance of a moulded part (ndr.: parametri qualitativi diretti) after clarifying the
correlation between quality characteristic and indirect control parameters”.
42
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Il controllo qualitativo del prodotto verrebbe in questo caso effettuato proprio sui parametri
qualitativi indiretti, una volta nota la corrispondenza con i parametri qualitativi diretti41 (Fig. 4.10).
Produzione di Produzione di
pezzi pezzi
Azioni correttive sui Azioni correttive sui
fattori di influenza sui fattori di influenza sui
Stabilizzazione parametri qualitativi diretti parametri qualitativi diretti
caratteristiche
pezzi Non rispondenza
parametri di controllo
diretti a requisiti
Rispondenza Rispondenza
No No
parametri qualitativi parameri qualitativi
diretti a requisiti indiretti a requisiti
Sì Sì Rispondenza parametri di
controllo diretti a requisiti
Continuazione Continuazione
della produzione della produzione
Fig. 4.10 – Significato di anticipazione del feedback cognitivo per la correzione dei parametri di processo tramite
parametri di controllo indiretti durante la fase di produzione.
La correlazione degli output di interesse del prodotto con output di rilevazione più immediata
durante la fase produttiva necessita comunque di una fase di indagine necessaria alla correlazione
tra i due output sopra citatati, che ovviamente soffre della stessa limitazione posseduta dalle
indagini sperimentali tradizionali su pezzi stampati (la necessità di un certo tempo di stabilizzazione
del prodotto stampato prima dell’effettuazione delle misurazioni), ma soprattutto deve essere
ripetuta caso per caso e il parametro di rilevazione non è detto rimanga ogni volta lo stesso.
41
La correlazione del peso della stampata con il valore della deformazione del pezzo ([73], [85]) ad esempio, è
fortemente influenzata dalla geometria del componente in produzione, dalla posizione del gate e dal punto di
misurazione: affinché questa correlazione esista, il materiale plastico situato tra il gate e la zona di misura deve
permanere fuso fino al termine della fase di mantenimento in modo da trasmettere la pressione e poter essere
compattato (quindi aumentare la propria densità).
43
Analisi critica delle soluzioni attualmente adottate per l’ottimizzazione delle caratteristiche del prodotto stampato
42
In [111] tramite un apposito software (Optislang), si visualizzano direttamente sulla mesh di un componente in
lamiera stampata, tramite una mappa iridata, non solo i diversi valori puntuali dell’assottigliamento medio della lamiera
ma anche il valore puntuale della deviazione standard della stessa grandezza, avendo ipotizzato delle distribuzioni
statistiche per determinati input. Tale software applica il metodo Monte Carlo per generare una certa combinazione di
parametri di input e, pur non generando puntualmente i modelli polinomiali di regressione (tramite RSM), esso rende
disponibile dei grafici di correlazione degli input con l’output: permette quindi di eseguire delle verifiche di robustezza
ma non si presta a procedure di ottimizzazione che prevedano il ricalcolo dei valori medi degli input. Un’altra
applicazione dello stesso software si ha in [110], in cui, applicando lo stesso principio, si valuta il posizionamento di
alcune automobili secondo gli standard NCAP di sicurezza ai crash test, andando a stimare i danni subiti e la
decelerazione del torace di un manichino virtuale in una serie di simulazioni multibody di un test normato. In questo
caso la dispersione della risposta è visibile direttamente sul grafico di valutazione NCAP. In [57] e [58] si mostra un
possibile approccio per il miglioramento qualitativo del processo di forgiatura a caldo in termini di individuazione e
minimizzazione delle fonti di variabilità delle dimensioni finali dei componenti; tale approccio utilizza lo strumento
FEM congiuntamente all’RSM e al metodo Monte Carlo per fare considerazioni sulla variabilità di processo
conseguente alla modifica della variabilità dei fattori, a parità di impostazioni nominali (valori medi dei fattori). In [18]
si indaga l’influenza delle tolleranze del processo produttivo delle strutture di guida d’onda dei ricevitori per antenna
dal momento che dette tolleranze sono frazioni piccole ma non trascurabili della lunghezza d’onda da captare.
L’individuazione delle tolleranze più critiche per il buon funzionamento del dispositivo è stata condotta generando
tramite il metodo Monte Carlo delle combinazioni dei parametri (dimensioni geometriche del dispositivo di guida
d’onda) poi indagate tramite FEM e confrontate con delle misure sperimentali.
44
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
realtà assumere un valore qualsiasi x *j all’interno di un certo campo di variabilità43 la cui ampiezza,
per ognuno degli m fattori, si suppone caratteristica di quel fattore. Nel caso di un campo di
variabilità centrato sul valore impostato, l’ampiezza sarà due volte la massima variazione
ammissibile per quel fattore ± ∆x j (j = 1..m). Quindi nella realtà si avrà allora:
Fig. 5.1 – Valore reale xj* per un fattore Xj, affetto da una certa variabilità ± ∆x j durante lo stampaggio, in
corrispondenza ad un certo valore nominale xj.
43
Il campo di variabilità è dipendente, ad esempio, dalla precisione e dal posizionamento del sensore sulla macchina
(quindi dalla “bontà” della lettura in termini di accuratezza e rappresentatività per la grandezza controllata), come pure
dalla risposta dei retroazionamenti di controllo (cioè dalla capacità di riportare il parametro sotto controllo in modo
efficace e rapido).
45
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
In virtù della aleatorietà statistica che caratterizza il posizionamento del valore reale assunto dal
fattore rispetto al valore impostato x j e all’interno del campo di variabilità, è possibile inoltre
associare a ciascun fattore anche una certa distribuzione di densità di probabilità f x *j per i valori ( )
reali x *j assunti dal fattore (Fig. 5.2). Supponendo di poter disporre di uno strumento di misurazione
che non introduca nessuna incertezza (quindi preciso in senso assoluto) sarebbe possibile registrare
ciascuno dei valori x *j realmente assunti da quel fattore ad ogni stampata e quindi effettuare una
ricostruzione della curva di densità di probabilità all’interno del campo di variabilità del fattore Xj.
In generale, la moda (e il valore medio) della distribuzione di densità dei valori x *j possono essere
discosti rispetto al valore impostato x j , ad indicare una deviazione sistematica dei valori reali
assunti dal fattore (Fig. 5.2 – curva A); anche gli estremi di variazione potrebbero inoltre non essere
simmetrici attorno al valore impostato x j (Fig. 5.2 – curva B).
44
Si può definire lo “spazio degli stati di processo” come l’iperspazio m-dimensionale i cui punti hanno come
coordinate i valori assunti da ciascuno degli m fattori Xj (j=1..m) di quel processo.
46
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
sistema. Poiché ciascun fattore Xj può assumere un diverso valore ad ogni stampata, il sistema
lavorerà in generale in un punto di lavoro sempre differente ma la cui posizione nello spazio degli
stati di processo sarà influenzata dalle distribuzioni delle densità di probabilità dei valori reali x *j di
ciascun fattore.
La risposta del sistema (ad es.: una dimensione del prodotto):
• dipenderà dalla posizione del punto di lavoro del sistema e di conseguenza verrà a dipendere
(in maniera indiretta) dalla distribuzioni di ciascun fattore;
• avrà una certa variabilità ed anche per essa sarà possibile associare una certa distribuzione di
densità dei suoi valori.
Se, per semplicità di rappresentazione grafica, si fa riferimento ad un processo che coinvolge due
soli fattori, lo spazio degli stati di processo sarà bidimensionale e, ipotizzando per ciascun fattore
una distribuzione gaussiana e centrata sui valori nominali, i punti di lavoro del sistema si troveranno
addensati in prossimità del punto (µ(x1*), µ(x2*)) avente appunto come coordinate i valori medi di
dette distribuzioni (Fig. 5.3).
Fattore 2
Fattore 1
µ(fatt2)
F2nom
Spazio degli
stati di
processo
µ(fatt1)
F1nom
Risposta indagata R
µR + ∆R
Risposta “R”
Stampate f(R)
µR
µR - ∆R
Fig. 5.3 – Indagine di un processo le cui impostazioni sulla macchina (valori nominali F1nom, F2nom) rimangono uguali
da una stampata alla successiva. Si noti la dispersione delle combinazioni dei valori reali nello stato degli spazi di
processo e la corrispondente dispersione della risposta indagata (R); la trasposizione esatta del processo con un FEM
richiederebbe l’esecuzione di una simulazione per ogni combinazione di valori dello spazio di processo.
47
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
valore nominale x j , ammissibile45 secondo una distribuzione precedentemente individuata per quel
fattore. In questo modo, si genererebbe ogni volta una nuova combinazione di valori per i fattori m-
upla* = (x1*, …, xj*, …xm*) sostitutiva della m-uplanom = (x1, …, xj, …xm) recante i valori nominali e
corrispondente, nello spazio degli stati di processo, ad un diverso punto di lavoro del sistema.
Ciascuna nuova combinazione (m-upla*) dei valori dei fattori (e la risposta R che essa determina)
può essere poi indagata tramite software FEM che, in quanto strumento deterministico, non
introduce alcun ulteriore scostamento dei fattori dai valori “già scostati” xij* . Disponendo di un certo
insieme di valori per la risposta indagata R, è possibile eseguire allora un’indagine di essa con i
metodi classici della Statistica Inferenziale, andando quindi a calcolare le statistiche fondamentali µ
e σ e generando la distribuzione continua della densità di probabilità f(R) a partire da punti discreti.
Il metodo di indagine appena esposto, anche se semplice dal punto di vista concettuale, in quanto
riproduce ciò che effettivamente accade durante la sperimentazione fisica e permette di non
utilizzare nessuna metodologia particolare congiuntamente al FEM, si rivela essere:
• particolarmente difficoltoso nella parte di rilevazione o generazione dei valori x *j assunti dal
Esso è di fatto inapplicabile. Appare quindi necessario che la soluzione per un’efficace
trasposizione in un ambiente virtuale di un processo reale debba svincolarsi dal legame duale
stampata-simulazione implementando un algoritmo che consenta di disporre di:
• un modello analitico della risposta del sistema nell’intorno del punto di lavoro, generato a
partire da relativamente poche simulazioni (rispetto a quanto appena esposto) e
• un metodo per generare rapidamente la distribuzione dei valori della risposta a partire dalle
distribuzioni dei singoli fattori.
45
Nello specifico è necessario tenere conto che i valori x *j che ciascun fattore nella realtà può assumere attorno al
valore impostato x j non sono equiprobabili all’interno dell’intervallo di variabilità ± ∆x j per il fattore j (ma hanno
una certa distribuzione, ad es. gaussiana in Fig.5.3). Algoritmi di tale tipo sono attualmente in corso di studio da parte
dell’Autore.
48
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Il nuovo approccio deve inoltre poter gestire sia il caso, appena esaminato, di un processo in cui i
parametri non vengono mutati sulla macchina da una stampata alla successiva (produzione
impostata su determinati valori nominali x1, …, xm), sia il caso in cui si vogliano esplorare più
combinazioni di processo tramite un piano sperimentale (quindi con impostazioni diverse da una
stampata alla successiva), pianificando però un numero di simulazioni minore di quello che si
otterrebbe moltiplicando per il numero complessivo di trattamenti le simulazioni necessarie per un
singolo trattamento (secondo quanto indicato nel caso precedente).
In particolare, questo Nuovo Ambiente per la Prototipazione Virtuale del processo di stampaggio
deve:
• limitare le risorse fisiche utilizzate (macchina di stampaggio, materiale plastico) e quindi
essere prevalentemente virtuale (Fig. 5.4);
• permettere l’ottimizzazione del processo, la stima della dispersione della risposta del
sistema e della percentuale di eventuali componenti non conformi alle specifiche;
• consentire di indagare la sensitività del sistema a variazioni dei parametri di processo e
quindi la robustezza del sistema.
49
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
A
Lancio della produzione Lancio della produzione
Fig. 5.4 – Confronto tra i flow chart riguardanti lo sviluppo di un prodotto stampato per iniezione e facenti uso
rispettivamente di un approccio fisico (A) ed uno virtuale (B) per l’indagine e l’ottimizzazione del processo (quindi per
l’individuazione dei parametri accettabili di processo). Il diverso posizionamento degli interventi previsti dall’approccio
virtuale (B) nella Fase di Progettazione è significativo per quanto riguarda il minore impegno di risorse materiali
coinvolte.
A tal fine, è necessario che l’Ambiente di Prototipazione Virtuale che qui si presenta si componga
di più strumenti o metodologie che interagiscano tra loro in maniera sinergica e complementare a
ricreare, in maniera virtuale, l’intero processo di stampaggio di un componente in plastica nelle
sue diverse:
• fasi produttive (iniezione, mantenimento, raffreddamento) e post produttive (misurazioni
sui componenti prodotti, confronto con limiti di accettabilità),
• problematiche (ritiri e distorsioni del pezzo, variabilità del processo).
50
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
DoE RSM
A ciascuna di queste metodologie corrisponde attualmente uno strumento software dedicato (FEM –
Moldflow Plastic Insight 6.1, DoE, RSM – Minitab 14 e Design Expert 7, Metodo Monte Carlo –
Crystal Ball 7) e i rispettivi interfacciamenti (passaggio di dati) tra i diversi software, nonché le
51
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
impostazioni operative di ciascuno di essi prima dell’esecuzione del compito ad essi preposto,
vengono eseguiti in maniera manuale. Non è escluso (ed anzi sarebbe auspicabile) che in un futuro
esse possano venire tutte integrate in un unico strumento software, rispecchiante quindi l’Ambiente
Virtuale qui presentato anche dal punto di vista architetturale – organizzativo. Esso sarebbe
sicuramente più user-friendly relativamente alle operazioni manuali sopra descritte e permetterebbe
all’utente di concentrarsi totalmente sui risultati.
5.3.1 Il metodo degli elementi finiti (FEM) nella simulazione del processo di
stampaggio ad iniezione
La suddivisione dei solidi continui (o, in generale, di volumi continui) in un numero finito di sotto-
domini detti “elementi finiti” (discretizzazione) consente di ricondurre la determinazione della
risposta di un sistema reale, con infiniti gradi di libertà, alla soluzione numerica di un problema
avente un numero finito di gradi di libertà46. Questa procedura permette di analizzare problematiche
alquanto generali ed eventualmente caratterizzate da geometrie anche molto complesse, per le quali
la determinazione analitica della risposta risulterebbe impossibile.
I metodi numerici inizialmente implementati nei solutori dei software per il calcolo strutturale sono
stati estesi con successo, fatti i dovuti adattamenti sulle grandezze coinvolte, anche in ambito
fluidodinamico e termo-fluidodinamico. In generale, l’estensione della metodologia degli Elementi
Finiti ha interessato tutti i settori dell’Ingegneria in cui si sia avuta la necessità di discretizzare
sistemi continui e il cui comportamento sia governato da sistemi di equazioni differenziali
relativamente complesse, da risolvere per via matriciale. Ad esempio, i programmi che simulano il
processo di stampaggio di materiali plastici (per quanto riguarda la fase di iniezione) e, in generale,
tutti i programmi FEM fluidodinamici47, sfruttano quindi l’analogia formale esistente tra la legge di
Hooke generalizzata e l’equazione del moto di un fluido causato da un gradiente di pressione per
risolvere il problema48:
46
Per la precisione, la legge che caratterizza il problema viene impostata e risolta in determinati punti (punti nodali)
posizionati sull’intero dominio spaziale della funzione stessa (superficie o volume); è dalla congiunzione di detti punti
nodali che si ottiene la discretizzazione del continuo (bidimensionale o tridimensionale) in sotto domini entro i quali la
funzione da calcolare viene localmente approssimata a partire dai valori nodali tramite opportune funzioni (funzioni di
forma).
47
Tali programmi vengono di solito chiamati “codici CFD” (Computational Fluid Dynamics).
48
Anche per le analisi termiche di conduzione e convezione si sfrutta un’analogia formale simile a quella presentata ma
coinvolgente il postulato di Fourier e la legge di Newton rispettivamente.
52
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
All’interno dell’Ambiente di Prototipazione Virtuale il metodo degli Elementi Finiti viene quindi
utilizzato per simulare il riempimento da parte del polimero fuso della cavità destinata a definire la
geometria del componente stampato, come pure tutte le fasi del ciclo produttivo successive
all’iniezione: pressurizzazione e mantenimento, raffreddamento e solidificazione. È possibile inoltre
effettuare una previsione puntuale del ritiro e quindi della distorsione del componente (tenendo
quindi in considerazione tutti i fenomeni che concorrono ad avere distorsione: §3.4.2) tramite un
solutore strutturale integrato. L’esecuzione di una simulazione tramite il metodo degli Elementi
Finiti è subordinata al disporre di un modello tridimensionale della cavità e di una serie di altre
informazioni necessarie all’impostazione del software (§6.1).
Il software utilizzato per l’esecuzione delle simulazioni di stampaggio ad iniezione presentate in
questa tesi è Moldflow Plastic Insight (MPI; §CAP. 12) della Moldflow Corporation ma le
considerazioni che si traggono in questo capitolo come pure l’Ambiente di Prototipazione Virtuale
che si presenta in questa tesi prescindono dai software utilizzati.
49
Si veda [126].
50
Tramite l’analisi della varianza (ANOVA) si individuano le varianze sperimentali imputabili ai singoli fattori e quindi
è possibile ottenere informazioni sugli effetti esercitati da quei fattori su di una variabile di interesse. Un fattore
determina un effetto significativo se produce una varianza maggiore di quella residua, calcolata come differenza tra
varianza totale e la somma delle singole varianze (vedere anche: CASTAGNA R. “Corso di Gestione Aziendale”,
Politecnico di Milano, sede di Cremona).
51
Si definisce fattore (sperimentale) una delle condizioni sotto le quali si svolge l’esperimento (nell’analisi di
regressione lineare è la variabile dipendente). In particolare, il ricercatore fissa a priori sia i fattori da includere
nell’esperimento che i livelli di tali fattori (i valori che essi possono assumere). Un insieme di fattori, con i relativi
livelli, determina un trattamento: esso è cioè l’insieme di condizioni sperimentali sotto le quali avviene una prova; vi
sono quindi tanti trattamenti quante sono le possibili combinazioni dei livelli dei fattori sperimentali. Si definisce
risposta il valore numerico assunto dalla variabile su cui si concentra l’analisi (nella regressione lineare è la variabile
dipendente). L’unità sperimentale è il soggetto (o l’entità) sottoposto all’esperimento.
53
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
sono altro che classici modelli di regressione caratterizzati da variabili categoriche e/o discrete52: sia
i modelli di regressione lineare che il DoE utilizzano infatti l’ANOVA come strumento di verifica
statistica (Tab. 5.1).
Ipotizzando che ognuno degli m fattori indagati abbia tre livelli (possa quindi assumere tre valori:
minimo, nominale, massimo), al fine di poter successivamente cogliere (tramite Response Surface
Modelling – RSM) eventuali curvature delle superfici di risposta, si avrà quindi per ciascun fattore j
e in un generico trattamento i:
xij = {xij ,min ; xij ,nom ; xij ,max }, j ∈ [1; m ], ∀i Eq. 5.3
52
Una variabile viene detta categorica se è di natura qualitativa e può assumere un numero finito di modalità; una
particolare variabile categorica è quella dicotomica o binaria, vale a dire che può assumere solo due valori (ad es.:
presenza di coloranti nella plastica: vero o falso). Una variabile discreta è invece una variabile numerica che può
assumere un numero finito, o al più numerabile, di valori (ad es.: tempo di mantenimento 8, 9 oppure 10 s); può trovare
la sua origine da un’operazione di conteggio.
53
Tabella tratta da [126], pag. 5.
54
Si veda §5.1.2 e la nota 44.
54
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
La determinazione della superficie di risposta viene effettuata tramite il metodo dei minimi quadrati
(least square method) e necessita di un numero minimo di trattamenti (o punti sperimentali) nmin
maggiore del numero di parametri da determinare (secondo le formule di Tab. 5.2).
Tab. 5.2 – Numero minimo di trattamenti o punti sperimentali per la determinazione della superficie di risposta.
Trattamenti o punti sperimentali minimi (nmin)
Fattori
Modello lineare Modello quadratico Modello cubico
m m +1 (m + 1)(m + 2) 2 (m + 1)(m + 2)(m + 3) 6
Una serie tipica di esperimenti pianificata secondo il DoE consiste di un primo piano sperimentale
per l’identificazione dei fattori significativi (screening design), seguito da un secondo piano
sperimentale con i soli fattori significativi prima individuati e funzionale alla modellazione degli
55
L’utilizzo di modelli di regressione con termini di grado superiore al primo consente di tenere in considerazione la
presenza di interazioni più o meno complesse tra i fattori. Dal punto di vista geometrico, visualizzando la superficie di
risposta in modo da avere tutti i fattori costanti tranne due (quindi in uno spazio tridimensionale), tali termini di
interazione consentono di ottenere una certa curvatura della superficie di risposta (che altrimenti sarebbe piana) ad
ottenere le tipiche conformazioni spaziali a “cupola”, a “calice” ed a “sella” (v. [130] pag. 289-290). Dal punto di vista
analitico, l’interazione fa sì che venga meno l’additività degli effetti dei fattori sulla risposta, caratteristica dei sistemi
lineari.
55
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
In questa sede, tale procedura generale di applicazione del DoE-RSM è stata semplificata in un
unico step applicativo, avendo già avuto cura di selezionare tra i numerosi fattori del processo di
iniezione (v. Fig. 3.6, §3.4 pag. 14) quelli impostabili sulla macchina ed indicati nella Letteratura
come maggiormente influenti sulle distorsioni di un componente (Fig. 3.16): (i) temperatura del
fuso - melt temperature, (ii) temperatura degli stampi - mould temperature, (iii) portata di iniezione
-injection rate, (iv) pressione di mantenimento - holding pressure, (v) tempo di mantenimento -
holding time. Sulla base di eventuali informazioni provenienti dalla sperimentazione, è possibile
inoltre effettuare un’ulteriore selezione di questi fattori, identificandone quindi un sottoassieme la
cui composizione è strettamente dipendente da caso a caso (§3.4.2). Ad ogni modo, è possibile
anche scegliere consapevolmente di tenere tutti e cinque i fattori prima elencati per mantenere
l’approccio il più generico possibile relativamente alla previsione della distorsione, soprattutto nel
caso si abbiano scarse informazioni per effettuare una selezione dei fattori stessi.
56
Si noti che un’ulteriore selezione dei fattori più significativi può essere eseguita anche nel calcolo del piano di
Response Surface (di tipo Central Composite o Box Behnken ad esempio, quindi nel secondo step della procedura
generale) grazie ai risultati dell’ANOVA che vengono forniti contestualmente al calcolo del modello di regressione.
57
Si veda la nota 56.
58
Le eventuali repliche, oltre a riprodurre quanto accade durante la sperimentazione fisica, sarebbero in questo caso
funzionali all’eliminazione di termini non significativi del modello di regressione della risposta, essendo già possibile,
anche senza di esse, legare la risposta ai fattori secondo un modello non ridotto. È attualmente allo studio dell’Autore
una procedura per generare in maniera statisticamente giustificabile dei nuovi punti di processo attorno ad una
combinazione nominale di un piano delle simulazioni. Questi punti, indagati poi con uno strumento deterministico come
il FEM, possono a tutti gli effetti generare delle repliche della combinazione nominale di riferimento.
59
Si veda [123], pag. 44.
56
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
RSM è comunque possibile ma non è invece possibile la selezione dei termini significativi di tale
modello sulla base della loro effettiva significatività (tramite i p-value generati con il test F).
Tab. 5.3 – Esempio di piano sperimentale non replicato con n trattamenti e m fattori.
Trattamento i (i = 1..n) Fattori Xj (j = 1..m) Valore della risposta
1 m-upla1 = (x11, …, x1j, …, x1m) R1
2 m-upla2 = (x21, …, x2j, …, x2m) R2
… … …
i m-uplai = (xi1, …, xij, …, xim) Ri
… … …
n m-uplan = (xn1, …, xnj, …, xnm) Rn
Inoltre, in questo caso non sarà neanche necessario casualizzare (o “randomizzare”) l’ordine dei
trattamenti, poiché lo strumento utilizzato per effettuare i trattamenti, in quanto numerico e non
fisico, non presenta nessuna influenza sistematica tra una simulazione e la successiva.
Il metodo Monte Carlo permette infatti di ottenere una stima dell’intera distribuzione di probabilità
dell’output scelto e non solo una singola stima puntuale (Fig. 5.7), nota la relazione empirica tra
input e output, data in forma di funzione analitica, e le distribuzioni di probabilità degli input. Esso
si basa sul fatto che una soluzione analitica diretta del problema, che permetta cioè di esplicitare
60
Si veda anche [125].
61
Secondo alcuni le origini storiche del metodo Monte Carlo potrebbero essere addirittura fatte risalire al 1700, ben
prima quindi dell’avvento dei calcolatori. Nel 1777 il matematico francese George Louis Leclerc de Buffon descrive
nella sua opera “Essai d’Arithmétique Morale” un esperimento di stima del valore di π tramite una “simulazione”
casuale basata sul lancio di uno spillo, ottenendo un risultato di buona precisione numerica per l’epoca. Nel 1900 il
metodo fu ampiamente utilizzato nella ricerca nucleare, potendosi poi avvalere, a partire dagli anni ‘40, della nascente
tecnologia dei calcolatori elettronici. Lo stesso Enrico Fermi all'inizio degli anni ‘30 sosteneva di utilizzare stime
ottenute con tecniche di campionamento statistico per lo studio del moto dei neutroni. Il metodo Monte Carlo fu
formalizzato negli anni ‘40 da J. Von Neumann e S. Ulam che partecipavano al progetto “Manhattan” per lo studio
della dinamica delle esplosioni nucleari. A quanto pare, il nome “Monte Carlo” fu coniato nel 1949 da N. Metropolis in
riferimento naturalmente al celebre casinò, sede per antonomasia dell’aleatorietà.
57
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
direttamente il legame dell’output che si desidera ottenere (in termini di: valore medio, dispersione)
con i dati di ingresso (valori medi, dispersioni), può essere troppo onerosa o magari impossibile.
SISTEMA
1 1 1 1
xi y xi y
Input xi Output y Input xi Output y
Fig. 5.7 – Risposta di uno stesso sistema (quindi con la stessa equazione del modello) ad input probabilistici (a sinistra)
e deterministici (a destra). La possibilità di avere un valore unico come risposta ad un input deterministico è il principio
alla base del metodo (input selezionati sulla base delle distribuzioni statistiche, N iterazioni), essendo spesso possibile
solo in via del tutto teorica l’assegnazione di una distribuzione continua di valori come input ad un modello [125].
xi xi Modello y y
y = f(x1, …, xn)
Fig. 5.8 – Modalità di operare in una simulazione Monte Carlo.
Gli elementi principali della tecnica possono essere così sommariamente enumerati (Fig. 5.9):
• Parametri: input specificati dal progettista/analista del processo, e quindi controllabili;
assieme alle variabili esogene costituiscono gli input del modello.
58
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
• Variabili esogene: variabili di ingresso che dipendono da eventi che non sono sotto il
controllo dell’analista, il cui andamento è però descrivibile in termini probabilistici; assieme
ai parametri costituiscono gli input del modello.
• Modello: equazioni matematiche (funzioni dei parametri e delle variabili di input) che
descrivono empiricamente il processo in termini di relazioni tra le componenti del sistema e
definiscono quindi il legame degli output con i parametri e le variabili di input.
• Variabili di output: risultati della simulazione; nei casi specifici di interesse qui trattati,
trattasi di alcune dimensioni critiche utilizzate per decidere sull’accettabilità o meno dei
componenti.
Variabili esogene
Input incontrollabili
con distribuzione di
probabilità nota
Il metodo Monte Carlo trova applicazione in vari ambiti scientifici, dall’Ingegneria all’Analisi del
Rischio nella valutazione degli investimenti. La sua applicazione nell’ambito produttivo dello
stampaggio per iniezione di termoplastici in combinazione con gli altri strumenti presentati nei
precedenti paragrafi, permette di valutare preventivamente e virtualmente il risultato di
un’operazione di stampaggio:
• prevedendo la distribuzione di alcune caratteristiche dimensionali di un prodotto legate a
parametri o variabili statistiche riferite alle impostazioni di processo, e
• stimando preventivamente la percentuale di pezzi non conformi sulla base della dispersione
statistica della risposta utilizzata come grandezza di controllo e dei limiti di accettabilità.
59
Il nuovo Ambiente di Prototipazione Virtuale del processo di stampaggio per iniezione
60
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Sulla base delle considerazioni esposte nel capitolo precedente in merito alle potenzialità e alle
possibilità applicative degli strumenti componenti l’Ambiente di Prototipazione Virtuale, si è
definita una procedura di utilizzo dell’ambiente stesso, esposta in questo capitolo ed applicata in
seguito (CAP. 7, CAP. 8) a due casi industriali.
Essa si articola in sei step successivi, ciascuno caratterizzato dall’intervento di una differente
metodologia di indagine facente parte dell’Ambiente di Prototipazione Virtuale (Fig. 6.1).
Esecuzione
FEM
3 delle simulazioni
Fig. 6.1 – Articolazione della procedura di utilizzo del nuovo Ambiente per la Prototipazione Virtuale del processo di
stampaggio in sei step successivi.
61
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Questi sei step possono in realtà essere raggruppati in tre macro fasi, corrispondenti alle fasi di
intervento a cui ciascuno di essi fa riferimento (Fig. 6.2):
I. Fase di preparazione: preparazione e calibrazione del modello FEM (step 1), progettazione
del piano delle simulazioni (step 2);
II. Fase di calcolo: esecuzione delle simulazioni (step 3), individuazione del modello di
regressione della risposta (step 4), generazione della distribuzione di probabilità della risposta
(step 5);
III. Fase di feedback qualitativo: studio di eventuali interventi correttivi sui fattori (step 6).
62
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Stampate
a vuoto
Primo
modello FEM
PREPARAZIONE
FEM
Risposte del
RSM
modello
CALCOLO
Distribuzioni Modello
statistiche per i Metodo Monte algebrico di
parametri di Carlo risposta del
processo modello
Distribuzione statistica
della risposta
% scarti di produzione
QUALITATIVO
FEEDBACK
Fig. 6.2 – Utilizzo dell’Ambiente di Prototipazione Virtuale per l’indagine della distribuzione statistica di una risposta
nel caso di una produzione impostata (o da impostare) su determinati valori nominali; dettaglio dei punti di intervento
delle diverse metodologie (sfondo giallo) e distinzione delle attività nelle tre fasi di preparazione, calcolo e feedback
qualitativo.
63
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Primo
modello FEM
PREPARAZIONE
FEM
Risposte del
RSM
modello
CALCOLO
Distribuzioni Modello
statistiche per i Metodo Monte algebrico di
parametri di Carlo risposta del
processo modello
Distribuzione statistica
della risposta
% scarti di produzione
QUALITATIVO
FEEDBACK
Fig. 6.3 – Utilizzo dell’Ambiente di Prototipazione Virtuale per l’indagine della distribuzione statistica di una risposta
nel caso dell’esplorazione di diverse combinazioni di processo entro la finestra di processabilità del materiale;
dettaglio dei punti di intervento delle diverse metodologie (sfondo giallo) e distinzione delle attività nelle tre fasi di
preparazione, calcolo e feedback qualitativo.
64
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
65
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Per il polimero è necessario affidarsi a laboratori specializzati (tipicamente i laboratori del fornitore
della materia prima ma anche i laboratori della Moldflow Corporation, ad es.) e far caratterizzare
proprio il materiale plastico utilizzato nello stampaggio.
Anche per i materiali metallici ci si può rivolgere a laboratori certificati, anche se in generale le
proprietà richieste sono note o facilmente reperibili (in Letteratura, presso il produttore): densità,
66
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Si noti però che la necessaria premessa all’utilizzo di un modello matematico del sistema per
l’effettuazione di esperimenti “virtuali” (al fine di effettuare ad esempio delle considerazioni sulla
robustezza del processo reale; §6.6), è che i risultati di tali esperimenti costituiscano una
“riproduzione” sufficientemente accurata del comportamento che avrebbe il sistema (il software
viene quindi detto, in questo caso, “calibrata” o, anche, più impropriamente, “tarata”62). La
conoscenza degli elementi prima esposti (geometrie, proprietà dei materiali, macchina utilizzata),
costituisce una condizione necessaria ma non sufficiente affinché il modello del sistema abbia un
comportamento uguale a quello del sistema reale, sussistendo comunque delle semplificazioni e
delle ipotesi che, di fatto, portano a differenze tra realtà e simulazione (§6.1.3).
Nel momento del primo utilizzo di un software con un certo materiale è quindi necessario disporre
di dati sperimentali (provenienti dal processo di stampaggio del componente in studio o da
esperimenti opportuni) da confrontare con le previsioni numeriche fornite dal FEM; in questo modo
si può quindi verificare l’attendibilità del modello ed eventualmente apportare delle modifiche in
modo da allinearne la risposta con quanto rilevato nella realtà (attività di calibrazione o tuning; v.
§6.1.3). Successivamente, sarà possibile utilizzare quel software, calibrato, con modelli simili (ad
es. facenti uso della stessa macchina e dello stesso materiale) senza dove effettuare una nuova
calibrazione prima di ogni singolo utilizzo.
62
Per una spiegazione di questi termini si veda la nota 63.
67
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
MACCHINA DI
GEOMETRIE DI CAVITÀ INIEZIONE CARATTERISTICHE
E STAMPI DEI MATERIALI
Calibrazione
modello FEM
Fig. 6.5 – Preparazione e calibrazione di un modello FEM; i dati di processo utili per la calibrazione del modello
possono provenire dall’esecuzione di una preserie sul componente in studio (§6.1.5.1) oppure dall’esecuzione di una
prova di spurgo macchina (§6.1.5.3).
63
La calibrazione di uno strumento di misura è l’operazione in cui uno strumento viene regolato in modo da
migliorarne l’accuratezza (vale a dire il grado di corrispondenza del dato teorico, desumibile da una serie di valori
misurati, con il dato reale o di riferimento) tramite il confronto con misure di riferimento prodotte utilizzando uno
strumento campione ([119], pag. 156). Analogamente, l’attività di calibrazione di un sistema virtuale (come un
software di simulazione di processo) fa in modo che l’output del sistema virtuale sia corretto, cioè allineato con il dato
reale, mettendo in discussione il modello stesso di sistema utilizzato ed eventualmente modificandolo in maniera
opportuna. Talvolta, in riferimento alle attività di messa a punto dei software, si utilizza anche il termine “taratura”
anche se, con riferimento alle definizioni metrologiche, è meno corretto di “calibrazione”: la taratura è infatti una
tipologia di caratterizzazione metrologica che ha come scopo la definizione delle caratteristiche di uno strumento di
misura. A differenza della calibrazione, che è un’attività di regolazione, la taratura è un’attività di indagine conoscitiva.
68
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
64
Può capitare che sia impossibile rilevare determinate grandezze fisiche durante la sperimentazione in alcuni punti
specifici della macchina e che risulti difficile la sostituzione di queste grandezze fisiche con altre, correlate alle prime in
maniera più o meno diretta. Nello stampaggio ad iniezione si possono fare i seguenti esempi: (i) la pressione dell’olio
rilevata in un punto imprecisato del circuito idraulico, al posto della pressione del fuso in camera di plastificazione o
immediatamente a valle dell’ugello macchina o in un punto della cavità (§6.1.4); (ii) la temperatura delle fasce
riscaldanti esterne al cilindro di plastificazione piuttosto che la temperatura effettiva del fuso all’ingresso delle cavità
nello stampo.
69
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Avendo a disposizione dei dati sperimentali, è quindi possibile compensare o, quanto meno,
minimizzare gli errori introdotti nella modellazione e derivati dalle tre cause appena esposte. In
particolare:
• per le grandezze fisiche coinvolte nel processo (impostazioni) o dipendenti da esso (letture)
e di cui si possiede un riscontro sperimentale in termini di valore puntuale, andamento nel
tempo o mappa in un dominio spaziale (ad es.: pressioni, temperature, dimensioni del
pezzo), si fa in modo che siano quanto più possibile simili alle analoghe grandezze misurate
nella sperimentazione fisica65;
• per le grandezze di cui invece non si possiede un valore preciso è possibile formulare delle
ipotesi che comunque portino alla scelta di valori fisicamente compatibili.
Nella simulazione dello stampaggio per iniezione, le attività di calibrazione possono riguardare in
generale tutti gli elementi necessari a preparare un modello ed impostare una simulazione (Fig. 6.5):
• le geometrie dei diversi componenti del sistema (es.: modifica, semplificazione o aggiunta
di dettagli, sostituzione delle geometrie con elementi equivalenti a quelli reali riguardo ad
65
Da ciò discende che la sola correzione della mancanza di accuratezza di un modello di un sistema tramite
compensazione, a posteriori della generazione dell’output, dei valori di determinate grandezze lette dal FEM, non può
ritenersi una calibrazione dello strumento software. La calibrazione di un software implica sempre azioni intraprese a
priori rispetto all’uso di un modello.
70
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
66
La pompa di movimentazione del fluido è di tipo rotodinamico e non volumetrico quindi ha un numero di giri non
costante al variare della prevalenza richiesta e, generalmente, non rilevabile nei modelli comunemente utilizzati nella
pratica industriale.
71
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
La calibrazione del modello FEM ripercorre tutte e tre le fasi di una simulazione esposte
precedentemente (Pre-processing, Processing, Post-processing; §6.1.1), dovendo necessariamente
avere a disposizione dei dati generati dal software da poter confrontare con quelli sperimentali. In
un’ottica più generale però, l’attività stessa di calibrazione del modello (lo STEP 1 della procedura
di utilizzo dell’APV) potrebbe essere essa stessa inquadrata nelle attività di pre-processing, essendo
preliminare all’utilizzo definitivo del modello, mentre invece le fasi successive di processing e di
post-processing troverebbero il loro corrispondente nello STEP 3 della procedura qui esposta.
72
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
La pressione varia infatti in maniera sostanziale da un punto di lettura ad un altro (per valore
assoluto e andamento temporale; Fig. 6.8, Fig. 6.9) e concorre in maniera diretta alla
determinazione dello stato effettivo di pressurizzazione del materiale plastico fuso entro una cavità,
esprimibile analiticamente (in MPa⋅s) punto per punto tramite l’integrale della pressione di
mantenimento effettiva calcolata in un punto “P” pmant(P) nel tempo a partire dall’istante di
commutazione velocità/pressione fino alla fine dell’applicazione della pressione:
fine _ appl _ press.
Pressurizzazione (P ) = ∫ p (P )dt
mant Eq. 6.1
commutazione
Il problema di ottenere nel software le stesse condizioni reali di deflusso del materiale dal
plastificatore alle impronte e quindi le condizioni effettive di pressurizzazione del materiale (in
73
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
termini di pressione e tempo di applicazione della stessa) a partire dai parametri di processo
impostabili è quindi primario per l’accuratezza dei risultati.
Una prima possibilità di intervento è quindi il completamento della geometria del sistema di
alimentazione dalla camera di plastificazione fino alle impronte.
Un intervento di calibrazione di questo tipo è strettamente dipendente dalla macchina utilizzata
nello stampaggio, dal momento che la parte di modello che si aggiunge è situata nell’unità di
plastificazione, e non dipende dal materiale o dal prodotto. Il completamento del sistema di
67
Un tale livello di completezza del modello FEM è quello che compare nel manuale del software MPI.
74
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
alimentazione è del tutto indipendente dalla caratterizzazione reologica del polimero e dal tipo di
componente da produrre.
Fig. 6.11 – A sinistra: scomposizione qualitativa del profilo di pressione registrato sulla macchina durante la fase di
iniezione dello stampaggio di un componente (cdt. profilo di “prima pressione”, conseguente all’impostazione di una
certa velocità di stampaggio) nei vari contributi. A destra: scomposizione qualitativa nei vari contributi del profilo di
pressione impostato sulla macchina per la fase di mantenimento durante lo stampaggio di un componente (cdt. profilo di
“seconda pressione”, impostato direttamente sulla macchina). In giallo i contributi di pressione conteggiati da un
modello FEM fino al nozzle escluso.
Fig. 6.12 – Esempio di possibilità di calcolo delle sezioni di passaggio del fuso tramite ricostruzione tridimensionale
dell’intercapedine entro cui passa il polimero (v. anche Fig. 7.12).
75
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
A titolo esemplificativo si riportano in Tab. 6.1 i valori della pressione di iniezione (vale a dire della
pressione di fine riempimento) per due modelli FEM della flangia motore del CAP. 8
(rispettivamente un modello semplificato e un modello dettagliato) con il sistema di alimentazione a
diversi livelli di completamento. Anche senza introdurre alcun coefficiente di quantificazione delle
perdite per brusca variazione di sezione di passaggio (§6.1.4.3) o di dipendenza della viscosità dalla
pressione (§6.1.4.4) è possibile notare che la mancata modellazione del primo tratto del sistema di
alimentazione (dalla camera di plastificazione fino al nozzle) introduce da sola un errore di circa 11
MPa sulla previsione della pressione di iniezione.
Tab. 6.1 – Pressioni di iniezione [MPa] rilevate per diversi completamenti del sistema di alimentazione e per differenti
modelli (materiale Latamid 66 H2 G/50 della Lati Industria Termoplastici S.p.A., velocità 80 mm/s, T fuso 318°C, T
stampi 90°C, c1=c2=d3=0). Punti di rilevazione della pressione: A = in cima alla parte di sistema di alimentazione
modellata, B = subito a valle del nozzle (ove presente).
Flangia semplificata – Modello FEM
È doveroso notare però che, nei materiali in cui i coefficienti di quantificazione delle perdite per
brusca variazione non siano definiti (v. §6.1.4.2), la sola modellazione del percorso completo del
polimero dalla camera di plastificazione fino alla cavità dello stampo migliora la previsione del
modello (pressioni, distorsioni), ma comunque sottostima ancora le pressioni. La procedura per la
calibrazione del FEM che di seguito si propone (§6.1.5) ed adottata anche nei casi studio trattati nei
CAPP. 7 e 8 opera infatti sia sulla geometria del sistema di alimentazione (completamento come
esposto sopra) sia su alcuni coefficienti del materiale (determinazione).
Si è individuato anche un altro intervento sul sistema di alimentazione e avente il medesimo scopo
76
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
di quello appena presentato (introdurre delle perdite continue e localizzate che innalzino il livello
della pressione richiesta alla macchina in fase di iniezione e che modifichino la pressione applicata
al polimero in cavità durante il mantenimento): l’introduzione di una resistenza concentrata in
cima alla parte di sistema di alimentazione modellata (ad es. una strizione; Fig. 6.13 e Fig. 6.14).
80 100
Caduta di pressione [MPa]
80
70
60
60
40
50
20
40 0
1.1 1.3 1.5 1.7 1.9 0.0 1.0 2.0 3.0 4.0 5.0
Fig. 6.14 – a sinistra: caduta di pressione attraverso una strizione al variare della lunghezza di quest’ultima (Ø 0.6 mm);
si noti la dipendenza lineare (y=39.071x+0.0372); a destra: caduta di pressione attraverso una strozzatura di lunghezza
1 mm al variare del diametro di quest’ultima; si noti la dipendenza secondo una legge di potenza (y = 14.049 · x-2.0109);
(materiale Latamid 66 H2 G/50 della Lati Industria Termoplastici S.p.A., portata di iniezione 190.1 cm3/s, T fuso
250°C, T stampi 90°C, c1=c2=d3=0).
Se la strizione viene aggiunta in cima ad un modello già completo fino alla camera di
plastificazione e privo dei coefficienti di quantificazione delle perdite per brusca variazione di
sezione di passaggio o di dipendenza della viscosità, questo tipo di intervento viene a dipendere dal
materiale e dal prodotto. La resistenza concentrata, infatti, svincolata dalla geometria dell’unità di
alimentazione ma non dal resto del modello, dà il contributo resistenziale desiderato solo con il
polimero considerato, con le impostazioni di processo e la cavità richieste per lo stampaggio del
prodotto in esame. Se invece il modello a cui si aggiunge la resistenza localizzata è completo solo
fino al nozzle (e presenta o meno i coefficienti reologici citati precedentemente), la resistenza
concentrata che si aggiunge dovrebbe approssimare, dal punto di vista delle cadute di pressione, la
77
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
parte di modello situata nell’unità di plastificazione (a monte del nozzle), l’intervento viene a
dipendere, oltre che dal materiale e dal prodotto, anche dalla macchina.
L’utilizzo di una resistenza concentrata migliora la previsione sull’andamento della pressione
durante la fase di iniezione ma le previsioni sulle distorsioni ne risultano pregiudicate a causa della
grande caduta di pressione che si ha anche durante il mantenimento.
Il mancato utilizzo di una delle due soluzioni prospettate sul sistema di alimentazione comporta
necessariamente:
• la rinuncia ad avere nel software il livello di pressione poi osservabile sulla macchina
durante l’iniezione e le stesse impostazioni della realtà per la fase di mantenimento;
• la esigenza di determinare sperimentalmente una funzione di correzione della pressione; a
tale scopo si devono utilizzare la macchina e il polimero che si intendono impiegare per la
produzione del componente in esame, nonché un campo di variazione dei parametri di
processo tipico della finestra di processabilità del polimero. Questo procedimento, oltre ad
essere estremamente complesso, è inoltre dipendente dalla macchina, dal polimero e dal
prodotto e quindi, tra i differenti procedimenti illustrati, è quello meno indicato.
68
In [9] si evidenzia come sia possibile migliorare ulteriormente la definizione del materiale tenendo in considerazione
anche le condizioni effettive di plastificazione del materiale stesso (velocità di rotazione della vite, tempo di permanenza
nel cilindro, temperature di plastificazione) tramite l’impiego di un reometro da montare direttamente sulla macchina di
iniezione. La caratterizzazione operata in questo modo è tanto più necessaria quanto più il materiale è sensibile a questi
parametri (ad es.: il PC è influenzato in maniera sensibile, a differenza del PP che invece può addirittura essere
utilizzato come materiale di taratura del reometro proposto nell’articolo).
78
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
• i moduli elastici del materiale plastico e della carica (E1, E2, ν1, ν2 nelle due direzioni
principali, G12),
• le curve p-v-T cioè pressione, volume specifico, temperatura (Fig. 6.15, Fig. 6.16) al di
sopra e al di sotto della temperatura di transizione del materiale, descritte dai tredici
coefficienti sperimentali del modello di “Tait a 2 domini” (Eq. 6.2): b1m, b2m, b3m, b4m, b5 e
b1s, b2s, b3s, b4s, b5, b7, b8, b9 (v. [145]), qui riportato:
p
V (T , p ) = V0 (T )1 − C ln1 + + Vt (T , p ) con :
B (T )
V0 (T ) = b1m + b2 m (T − b5 ) V0 (T ) = b1s + b2 s (T − b5 ) Eq. 6.2
T < Tg B (T ) = b3m exp[− b4 m (T − b5 )] ; T > Tg B (T ) = b3s exp[− b4 s (T − b5 )]
V (T , p ) = 0 V (T , p ) = b exp[b (T − b ) − b p ]
t t 7 8 5 9
Dove: V(T,p) è il volume specifico alla temperatura T in K e alla pressione p in Pa, C è una
costante (0.0894).
Fig. 6.15 – Curve dilatometriche
generiche di polimeri a pressioni
diverse per la determinazione
delle temperature di fusione (Tm)
e di transizione vetrosa (Tg); le
differenti pressioni influenzano il
valore di tali temperature
caratteristiche (da [129]).
• le curve viscosità – temperatura - gradiente dello sforzo di taglio (Fig. 6.16), descritte dai
coefficienti del modello di Cross - WLF (Williams – Landel – Ferry): n, a , a~ , d , d , d , τ* 1 2 1 2 3
(n.b.: solitamente d3 non viene rilevato e così viene posto uguale a 0).
− a1 (T − T *)
η 0 (T , p ) = d 1 ⋅ exp
a 2 + (T − T *)
η0
η (T , γ&, p ) = 1− n
con T * = d 2 + d 3 ⋅ p Eq. 6.3
η γ& a = a~ + d ⋅ p
1+ 0 2 2 3
τ*
79
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Fig. 6.16 – (da sinistra) esempio di curve p-v-T e di curve viscosità – temperatura - gradiente dello sforzo di taglio
(materiale: Hostacom PC072/2 della Basell Polyolefins).
Fig. 6.17 – (da sinistra) esempio di curva calore specifico – temperatura, curva conducibilità termica – temperatura
(materiale: Hostacom PC072/2 della Basell Polyolefins).
Nonostante una caratterizzazione del materiale che porti ad avere i coefficienti sopra esposti,
possono sussistere ancora delle differenze tra i risultati delle simulazioni e quelli sperimentali che
richiederebbero ulteriori coefficienti e quindi altre prove di laboratorio e che sono riconducibili ai
metodi numerici adottati per il calcolo:
• delle perdite concentrate di pressione subite dal polimero fuso lungo i condotti del sistema
di alimentazione (coefficienti c1 e c2 di quantificazione delle perdite per brusca variazione
della sezione di passaggio del fuso; v. §6.1.4.3);
• della viscosità, per quanto riguarda la dipendenza di questa dalla pressione (coefficiente d3
del modello di Cross – WLF; v. §6.1.4.4).
6.1.4.3 Modello di quantificazione delle perdite per brusca variazione della sezione
di passaggio del fuso
Nel caso si utilizzino per i condotti del sistema di alimentazione degli elementi monodimensionali
“beam”, come suggerito nel manuale di MPI, un possibile problema riguardante la caratterizzazione
80
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
dei materiali è l’assenza dei coefficienti che quantificano le perdite per brusca variazione della
sezione del condotto entro cui scorre il fuso. Tali coefficienti (juncture loss method coefficients, c1 e
c2) sono i coefficienti della “correzione di Bagley” per i reometri capillari (τw è lo sforzo di taglio
alla parete del capillare):
∆p = c1τ w1− c2 Eq. 6.4
81
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
resistenza ritarda l’ingresso del fuso in cavità) nel trasmettersi all’interno della cavità; le
condizioni di processo e le stime di distorsione risulteranno quindi diverse dalla realtà.
Nell’esempio qui sotto riportato si può vedere come per uno stesso modello, completo fino alla
camera di plastificazione (caso Whirlpool, CAP. 7) con uguali impostazioni di processo ed uguale
materiale ma differenti valori dei coefficienti c1 e c2 della correzione di Bagley (crescenti), si
registra (Fig. 6.19, Tab. 6.2):
• un innalzamento della pressione registrata durante la fase di iniezione,
• un aumento del tempo di fine riempimento (percentualmente pari, in questo caso, a circa un
decimo del corrispondente incremento percentuale di pressione).
60
Tab. 6.2 – Pressioni e tempi di fine riempimento registrati
50 nei casi di Fig. 6.19; le ultime due colonne recano le
40 differenze percentuali di ogni caso dal primo.
30 c1=3 c2=1.3
Si noti che tale incremento nella durata di riempimento dell’impronta è stato calcolato a patto di non
avere alcun vincolo nel posizionamento del punto di commutazione, risultando infatti anche
maggiormente accentuato nel caso di completamento del riempimento durante la fase controllata in
pressione (la pressione di mantenimento impostata è uguale da un caso all’altro).
82
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
− a1 (T − T *)
η 0 (T , p ) = d 1 ⋅ exp
a 2 + (T − T *)
η0
η (T , γ&, p ) = 1− n
con T * = d 2 + d 3 ⋅ p Eq. 6.5
η γ& a = a~ + d ⋅ p
1+ 0 2 2 3
τ*
Tra i vari coefficienti di derivazione sperimentale (n, a1, a~2 , d1, d2, d3, τ*), la dipendenza della
viscosità con la pressione è espressa tramite d3 (in K/Pa), la cui influenza su η 0 e quindi su η è
molto sensibile: piccole variazioni in valore assoluto di tale coefficiente fanno variare di molto la
viscosità del fuso ad una certa temperatura e ad una certa pressione (Tab. 6.3, Fig. 6.20).
In Tab. 6.3, in particolare, è possibile vedere la modifica, in un piano doppio logaritmico, delle
curve di viscosità a pressione relativa diversa da 0 MPa al crescere del coefficiente d3: le curve
traslano verso l’alto e diventano sempre più diritte. Si noti che per d3 nullo i grafici in
corrispondenza a 50, 100, 150 MPa sono tutti uguali (e uguali al grafico che si ha per 0 MPa).
Tab. 6.3 – Modifica dell’andamento delle curve di viscosità η per il Latamid 66 H/2 G50 della Lati al variare del valore
del coefficiente d3 (scala doppio logaritmica, gradiente dello sforzo di taglio tra 103 e 105, temperature tra 270 e 310°C).
Valore del Pressione del polimero fuso
coeff. d3 50 MPa 100 MPa 150 MPa
10-8
10-7
83
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
10-6
1.00E+04
a1=35.1, a ~ =51.6 K, d =6.93e+15 Pa·s,
0.00E+00 2 1
1.00E+03 5.00E-07 d2=333.15 K, τ*=59010 Pa).
1.00E-06
1.00E+02
1.00E+01
1.00E+00
0.00E+00 2.00E+07 4.00E+07 6.00E+07 8.00E+07 1.00E+08 1.20E+08
Pressione [Pa]
Un’impostazione non corretta del valore di tale coefficiente può di conseguenza falsare la
previsione del FEM circa il valore della pressione richiesta dalla macchina durante la fase di
iniezione. Nell’esempio riportato in Fig. 6.21 è possibile osservare come la pressione richiesta per il
riempimento di un componente (la “flangia motore” del caso DiZeta Plast; CAP. 8) durante la fase
di iniezione, fase controllata in velocità, varî di circa 85 MPa (da 60 a 145 MPa per una temperatura
del fuso di 310°C) per valori del coefficiente d3 da 0 a 1.55⋅10-7 K/Pa.
60 T(fuso) = 310°C
T(fuso) = 318°C
40
0.0E+00 5.0E-08 1.0E-07 1.5E-07
d3
84
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Tab. 6.4 – Confronto tra le previsioni della pressione di iniezione per diversi modelli FEM della “Flangia motore mod.
K3” con le stesse impostazioni di processo (in particolare quelle della simulazione n.7 di Tab. 8.12).
Valori dei coefficienti Errore rispetto al valore
Livello di completamento Previsione di
sperimentale
del sistema di alimentazione c1 c2 d3 pressione [MPa]
(94.0 MPa)
Fino alla camera di -14 -7
3.38⋅10 3.50 1.55⋅10 94.3 +0.3%
plastificazione
Fino alla camera di
0 0 0 53.4 -43.2%
plastificazione
Fino al nozzle escluso 3.38⋅10-14 3.50 1.55⋅10-7 47.1 -49.9%
Fino al nozzle escluso 0 0 0 42.6 -54.7%
69
Poiché la caratterizzazione dei materiali è indipendente dal caso specifico (quindi dagli stampi) e le caratteristiche
della macchina di stampaggio non dipendono né dal polimero né dagli stampi, descritti correttamente i materiali, la
macchina e gli stampi, il modello ad elementi finiti dovrebbe di conseguenza fornire previsioni corrette ed in linea con
l’eventuale sperimentazione fisica. Ciò può avvenire però solo se il modello numerico contiene una descrizione
completa del processo sia dal punto di vista delle geometrie che di quello del materiale, come proposto in questa tesi.
85
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
L’influenza del sistema di alimentazione in termini di modifica del valore della pressione al gate
cioè di pressurizzazione del materiale nelle impronte, è visibile anche in Fig. 6.24, illustrante
l’andamento della caduta di pressione attraverso il sistema di alimentazione durante un ciclo di
stampaggio (caso “flangia motore” DiZeta Plast).
È interessante notare che la stessa figura mostra anche durante la fase di mantenimento una caduta
di pressione non nulla (e quindi un certo scostamento della pressione effettiva al gate di
un’impronta dal valore nominale, riferito invece alla camera di plastificazione). La non
considerazione di questa differenza di pressione è la principale causa di errate previsioni delle
distorsioni di un componente.
86
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fase di Fase di
Fig. 6.24 – Andamento
Riempimento Mantenimento temporale della caduta di
(1.58 s) (9.00 s) pressione prevista dal software
attraverso il sistema di
90
alimentazione (dalla camera di
80 plastificazione al gate) di un
Caduta di pressione [MPa]
30
20
10
0
0 2 4 6 8 10
Tempo [s]
Gli obiettivi degli interventi di calibrazione proposti, basati su dati rispettivamente provenienti dalla
produzione oppure ottenuti da prove di spurgo macchina, sono quindi:
• mettere a disposizione dell’analista FEM delle previsioni della pressione alla camera di
plastificazione;
• introdurre delle perdite continue e localizzate equivalenti a quelle reali, subite dal fuso
durante il deflusso dalla camera di plastificazione fino al nozzle, consapevoli comunque che
esisterà sempre una parte del sistema reale, anch’essa sede di dissipazione di energia (la
parte meccanica del sistema di plastificazione/iniezione), che non viene e non può essere
modellata in un software di processo.
L’utilizzo di queste soluzioni per la calibrazione dei modelli FEM utilizzati nel CAP. 7 e nel CAP.
8, basate contemporaneamente sul completamento della geometria del sistema di alimentazione e
sulla modifica dei coefficienti del materiale inizialmente non noti, ha fornito previsioni in linea con
la realtà, risultando in particolare nel caso trattato nel CAP. 8, indipendente da una sperimentazione
fisica con gli stampi effettivi (in accordo a quanto si illustrerà nel §6.1.5.3).
possibile effettuare una calibrazione del software basata proprio su di essi. Tale affermazione è
confermata dalla validazione sperimentale operata nei due casi industriali (CAPP. 7 e 8).
Per fare ciò è necessario disporre del valore della pressione di iniezione letto durante una stampata
con gli stampi che producono il componente in esame (ad es. come nel caso di utilizzo
dell’ambiente Virtuale per l’indagine di una produzione dal punto di vista della robustezza del
processo70): i coefficienti del modello del materiale non definiti vengono modificati iterativamente
in modo da raggiungere all’apice del sistema di alimentazione del modello FEM (quindi alla camera
di plastificazione) la stessa pressione di iniezione misurata nella sperimentazione; Fig. 6.25).
110
100
90
80
Calcolo della pressione
Registrazione dei valori
Pressione [MPa]
70
60
50
richiesta in fase di
di pressione 40
30
20
iniezione
10
0
0 1 2 3 4 5 6 7 8 9
Tempo [s]
110
100
90
80
Pressione [MPa]
70
60
50
40
30
20
10
0
0 1 2 3 4 5 6 7 8 9
Tempo [s]
Fig. 6.25 – Attività da eseguire per l’ottenimento di un modello FEM calibrato a partire dai dati di una stampata del
componente.
70
Si veda in particolare il caso “Vasca per lavatrice Whirlpool mod. CP4” trattato nel CAP. 7 (§7.2.5).
88
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
studio. Per il processo di stampaggio questo si traduce non solo nell’occupazione di macchinari e
nello spreco di materiale plastico durante le stampate di prova, ma soprattutto implica la
disponibilità degli stampi al momento dell’effettuazione della sperimentazione.
Tale questione assume una rilevanza fondamentale dal punto di visto concettuale in quanto
impedisce un completo svincolamento delle simulazioni dalla produzione (e quindi il pieno utilizzo
dell’Ambiente di Prototipazione Virtuale). Si è allora cercato, contestualmente alla definizione di
una procedura generale di utilizzo dell’Ambiente di Prototipazione Virtuale proposto, di mettere a
punto anche un procedimento di calibrazione che prescindesse dalla sperimentazione fisica
effettuata con gli stampi necessari alla produzione dei componenti definitivi, di seguito illustrato.
Il procedimento di seguito presentato e che fa uso della prova di spurgo si articola in quattro attività
(Fig. 6.26). Esso, pur operando inizialmente su di un modello FEM della prova di spurgo, è
finalizzato proprio alla coincidenza delle condizioni di pressurizzazione del materiale nel modello
FEM completo con quelle reali in cavità a partire da impostazioni di pressione riguardanti il circuito
idraulico:
• ATTIVITÀ 1: Esecuzione di una prova di spurgo della macchina, con lo stesso materiale e la
stessa macchina di stampaggio destinati alla produzione del componente in studio,
registrando di volta in volta il valore della pressione richiesto alla macchina per espellere la
massa di plastica fusa alla velocità impostata; durante tale esperimento è consigliabile ma
non strettamente necessario impostare gli stessi parametri di processo (temperatura del fuso,
89
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
velocità di avanzamento del pistone) che poi si utilizzeranno nella sperimentazione virtuale
col modello FEM completo.
• ATTIVITÀ 2: Modellazione della geometria della parte del sistema di alimentazione situata
a monte dell’ugello macchina (nozzle) fino alla camera di plastificazione; utilizzo di un
volume di forma semplice accoppiato a tale sistema di alimentazione per l’effettuazione di
prove di spurgo simulate.
• ATTIVITÀ 3: Individuazione del valore dei coefficienti del materiale plastico non definiti o
non rilevati durante le prove di caratterizzazione; tipicamente: i coefficienti di
quantificazione delle perdite per brusca variazione della sezione di passaggio c1 e c2
(juncture loss coefficients; §6.1.4.3), il coefficiente che lega la viscosità alla pressione d3
(§6.1.4.4). Poiché si utilizzano i dati sperimentali della prova di spurgo macchina e il
modello della stessa prova preparato nel corso dell’attività 2, si riesce ad avere una stima di
tali coefficienti senza dover realizzare gli stampi del prodotto. Questo tipo di intervento di
calibrazione viene a dipendere, infatti, solo dalla macchina e dal polimero, unici elementi
effettivamente utilizzati nella sperimentazione, e non dal prodotto considerato.
• ATTIVITÀ 4: Completamento del modello FEM del componente da stampare, anche per
quanto riguarda la parte a monte dell’ugello macchina (nozzle) fino alla camera di
plastificazione, precedentemente preparata nell’attività 2 e che normalmente non viene presa
in considerazione. Tutte le simulazioni sul modello completo faranno uso dei coefficienti
trovati nell’attività 3.
90
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
60
Calcolo della caduta di
Pressu re (M Pa )
50
di pressione 20
Temp. 310°C; Flow rate 233.0 cm3/s
Temp. 318°C; Flow rate 233.0 cm3/s
Temp. 314°C; Flow rate 211.5 cm3/s
sistema di alimentazione
Temp. 310°C; Flow rate 190.1 cm3/s
10
0
Temp. 318°C; Flow rate 190.1 cm3/s
e il nozzle
0 0.1 0.2 0.3 0.4
Time (s)
80
Experim. data FEM results
70
Pressure [MPa]
60
50
40
30
20
190 233 211.5 190 233
318 318 314 310 310
Process settings
3
top - flow rate (cm /s), bottom - melt temp. (°C)
Confronto tra i valori di
pressione
Completamento del Modifica dei
modello FEM del Sì No coefficienti del modello
componente da Uguaglianza? del materiale non
stampare e suo utilizzo definiti durante la
nell’APV caratterizzazione
Fig. 6.26 – Attività da eseguire per l’ottenimento di un modello FEM calibrato a partire da una prova di spurgo
macchina.
91
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Stampata: variabile
Processo reale
Regolazioni di output indagata
Fattori Xj (j = 1..m) SISTEMA Risposta i (i = 1..n)
Fig. 6.27 – Procedura di indagine tramite sperimentazione fisica di un sistema produttivo impostato su determinati
valori nominali, uguali quindi da una stampata alla successiva (m fattori, n stampate con quelle impostazioni).
92
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Piano sperimentale
Trattamento i (i = 1..n)
Fig. 6.28 – Procedura di indagine tramite sperimentazione fisica di un sistema produttivo oggetto di un piano
sperimentale (m fattori, n trattamenti): le regolazioni sulla macchina degli m fattori vengono di volta in volta fatte
variare in accordo con un piano sperimentale precedentemente stilato.
Fig. 6.29 – Schema della procedura virtuale di indagine di un sistema produttivo (m fattori, n trattamenti quindi n
simulazioni); si noti che in questo caso si fa uso di un modello calibrato del sistema, configurato cioè in maniera tale da
comportarsi in maniera analoga al sistema reale di cui è un’approssimazione.
Sebbene le circostanze siano differenti a seconda dello scopo dell’indagine, come si è avuto modo
di illustrare, il fine di entrambe le indagini è lo stesso: trovare i valori delle variabili di ingresso che
ottimizzino un determinato output ed, in particolare, minimizzino le distorsioni del pezzo a 24 ore
della stampata (tempo che nella pratica si considera per ritenere terminato il processo di
assestamento delle tensioni) agendo sulle impostazioni e sulla dispersione dei valori di queste.
Le dimensioni del componente oggetto di indagine saranno quelle fondamentali ai fini funzionali
(quindi su cui esistono prescrizioni di tolleranze dimensionali o geometriche).
93
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
significativi sono cinque71: (i) melt temperature - temperatura del fuso, (ii) mould temperature -
temperatura dello stampo, (iii) injection rate - portata di iniezione, (iv) holding pressure -
pressione di mantenimento, (v) holding time - tempo di mantenimento.
Nell’Ambiente di Prototipazione Virtuale proposto, la scelta degli intervalli di variazione dei diversi
parametri e quindi dei livelli del piano consegue:
• dalla variabilità dei singoli fattori e
• dal tipo di indagine che si intende effettuare (cioè dal tipo di problema industriale da
affrontare secondo la distinzione fatta nel paragrafo precedente §6.2.1).
L’utilizzo di tre livelli per ogni fattore renderà poi possibile, una volta disponibili i risultati delle
simulazioni, cogliere eventuali curvature delle superfici di risposta.
Tab. 6.5 – Varianze registrabili sui principali parametri di processo impostati su di una stessa macchina di iniezione
secondo la classificazione in 9 classi di precisione proposta da Hunkar (tabella tratta da [53]).
La determinazione del campo di variabilità effettiva di ciascuna variabile risulta critica per la
generazione della distribuzione dei valori della risposta; l’utilizzo di dati storici può essere di sicuro
aiuto in questa attività mentre non è corretto assumere per semplicità un intervallo simile in termini
di scostamento percentuale dal valore nominale per ogni variabile (così facendo, infatti, si possono
ipotizzare come possibili degli scenari in realtà del tutto improbabili).
Ogni supplemento di indagine volto a migliorare l’accuratezza delle stime comporta però oneri
aggiuntivi per l’analista che dovranno essere valutati caso per caso.
Se non si dispone di rilevazioni dirette per ciascun fattore, si può ipotizzare una certa distribuzione
della densità di probabilità basandosi su rilevazioni di grandezze analoghe o, in generale, su casi
71
Si vedano ad esempio: [121], [122], [128], [140].
94
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
simili. Se si suppone ad esempio per ciascuno degli m fattori Xj una distribuzione di tipo gaussiano
centrata sul valore nominale x j (j = 1..m), i valori reali saranno addensati attorno al punto centrale
( )
x j ≡ µ x *j = µ (X j ) e l’ampiezza della gaussiana conseguirà da come è stata definita la precisione
del valore del fattore in esame: il campo di variabilità ± ∆x j può infatti corrispondere a 4 o 6
deviazioni standard σ a seconda che la precisione della misurazione / intervallo di confidenza della
misura sia rispettivamente il 95.44% o il 99.74% (quindi i valori x *j cadrebbero entro il suddetto
xj*
xj-∆xj xj xj+∆xj
5°C 5°C
L’ipotesi di gaussianità per le distribuzioni dei fattori, adottata nei casi industriali illustrati nei
capitoli seguenti 7 e 8, è corretta nelle applicazioni industriali in cui non siano presenti particolari
problemi (causa di errori sistematici) ed in cui le uniche deviazioni dei valori veri derivino quindi
da errori casuali (la maggior parte dei casi che si possono incontrare nella pratica quotidiana). Nei
due casi industriali trattati in questa tesi (CAP. 7, CAP. 8) essa ha garantito il raggiungimento di un
buon livello di coincidenza delle previsioni con i dati sperimentali e quindi è risultata essere
appropriata. Ad ogni modo, l’eventuale adozione di distribuzioni differenti da quella normale non
avrebbero pregiudicato la bontà del metodo esposto, del tutto generale.
95
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Tab. 6.6 – Tabella riassuntiva delle differenti possibilità applicative per le metodologie del nuovo ambiente di
prototipazione virtuale e delle relative definizioni dei livelli.
Caso considerato Scopo dell’indagine Definizione dei livelli
Valutazione di robustezza (indagine sui soli
campo di indagine DoE ≡ campo di
contributi della varianza dei fattori alla
Indagine di una variazione stocastica fattore
varianza della risposta)
produzione impostata su
Ricerca regolazioni migliori (indagine
determinati valori
sull’influenza delle variazioni della media e campo di indagine DoE > campo di
nominali
della varianza dei fattori sulla media e sulla variazione stocastica fattore
varianza della risposta)
Esplorazione di diverse
spazio indagato col DoE > spazio
combinazioni di processo Ricerca dell’ottimo di processo
punti di ottimo del sistema
tramite piano numerico
96
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
72
In questo caso rientrano tutti gli esempi riportati in [58] e riguardanti il campo della forgiatura a caldo di componenti
massivi in acciaio.
73
A tal proposito si veda [58].
97
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
in cui si considera col metodo Monte Carlo la variabilità di ciascun singolo fattore avendone
alterato il valore nominale (§6.5), l’estremità dell’intervallo (a ±3σ per distribuzioni
normali) uscirebbe dal campo indagato con il DoE e quindi dal dominio di validità della
funzione di regressione.
f(Fattore 2)
sistema - Indagine
virtuale del processo
Fattore
µfatt,2-∆fatt2 µfatt,2 µfatt,2+∆fatt2
F2- F2nom F2+
Fattore 1
µfatt,1+∆fatt1
F1+ Livelli
1 2 3
Spazio indagato dal
DoE
µfatt,1-∆fatt1
Fig. 6.32 – Impostazione dei livelli del piano delle simulazioni per l’indagine di una produzione impostata su
determinati valori nominali (le impostazioni di processo rimangono uguali da una stampata alla successiva);
nell’esempio si illustra un processo con due soli fattori ed un piano delle simulazioni di tipo fattoriale completo. I punti
di lavoro del sistema reale (pallini neri) rientrano tutti entro lo spazio indagato in maniera virtuale tramite il piano delle
simulazioni (la griglia generata con il DoE).
98
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
singolo fattore j ( ∆fatt j ) permette, ai fini della robustezza del processo, non solo di valutare gli
effetti sulla distribuzione della risposta di eventuali interventi di modifica della dispersione dei
fattori, ma anche di esplorare la risposta del sistema (valore medio e deviazione standard) ad un
diverso posizionamento dei valori nominali dei fattori (in un intorno delle impostazioni iniziali).
Il caso “Vasca per lavatrice Whirlpool mod.CP4” presentato in questo lavoro (CAP. 7) costituisce
un’applicazione di quanto esposto qui.
Si noti che, allo scopo di non uscire dal campo di indagine impostato nel piano delle simulazioni nel
momento in cui si considera la variabilità di ciascun singolo fattore (in una zona dello spazio degli
stati di processo in cui il modello di regressione non è più definito), il massimo spostamento
indagabile per i valori nominali di ciascun fattore j ( ∆µ fatt , j , max ) è, a rigore, pari a (Fig. 6.34):
74
Lo spazio di indagine potrebbe al più corrispondere alla cosiddetta “finestra di processabilità” del materiale in esame
per lo stampaggio di un dato componente. La finestra di processabilità rappresenta tutta la possibile gamma di
regolazioni dei parametri di processo per l’ottenimento di un prodotto. Il componente prodotto con regolazioni
comprese entro la finestra di processabilità potrà avere caratteristiche qualitative anche molto differenti e ciò giustifica
l’indagine entro detta finestra di processabilità.
99
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
µfatt,2-∆fatt2 µfatt,2+∆fatt2
Fattore 1
F1+ 1 2 3 Spazio
µfatt,1+∆fatt1
degli stati
di processo
µfatt,1
F1nom 4 5 6
Punti indagati
µfatt,1-∆fatt1
simulazioni
Punti di lavoro
f(Fattore 1)
Spazio indagato
dal DoE
Fig. 6.33 – Impostazione dei livelli del piano delle simulazioni per l’indagine di una produzione impostata su
determinati valori nominali; rispetto alla situazione illustrata nella figura precedente (Fig. 6.32), in questo caso il range
di indagine del piano delle simulazioni è più ampio dei 6σ che costituiscono il range di variabilità di un singolo fattore.
Fattore j
µfatt,j*-∆fattj µfatt,j*+∆fattj
∆µfatt,j,max
Fig. 6.34 – Massimo spostamento indagabile ∆µfatt,j,max per i valori nominali di ciascun fattore j.
le stesse impostazioni nominali, tutte le regolazioni sono affette da aleatorietà per quanto riguarda le
reali condizioni di stampaggio: la situazione che prima si era presentata per quanto riguardava
un’unica combinazione di parametri nominali ora si ripresenta per ciascun punto dello spazio degli
stati di processo e ciò si traduce quindi nell’esistenza di una distribuzione dei valori della risposta in
corrispondenza a ciascun punto del piano (Fig. 6.35).
In maniera simile a quanto presentato nel §6.2.2.4, si imposta un piano di simulazioni a copertura
totale dello spazio degli stati di processo entro cui si ricerca l’ottimo, vale a dire a copertura della
finestra di lavorabilità per il polimero considerato; poiché esiste una certa variabilità dei fattori che
si ripercuote in una certa dispersione dei punti di lavoro del sistema, lo spazio in cui possono
trovarsi i punti di ottimo del sistema sarà una porzione dello spazio delimitato dai livelli del piano
delle simulazioni (finestra di lavorabilità) per cui si rende necessario ridurre opportunamente la
finestra in cui si cerca l’ottimo (tratteggi fitti viola di Fig. 6.35).
processo
Casi indagati
dal piano delle
simulazioni
Casi indagati da
µB(fatt1)
nom un eventuale
F1 4 5 6 piano
sperimentale
i punti di ottimo
µA(fatt1)
del sistema
F1- 7 8 9
Fig. 6.35 – Impostazione dei livelli del piano delle simulazioni per l’indagine di un processo le cui impostazioni
vengono fatte variare secondo un piano numerico di tipo fattoriale (nell’esempio qui illustrato trattasi di un piano
fattoriale a due fattori con tre livelli ciascuno). È possibile generare una distribuzione della risposta in ciascun punto
dello spazio degli stati di processo (in questo caso di coordinate F1=F1*, F2=F2*) compreso entro la finestra che
considera anche la variabilità dei fattori (tratteggi fitti in viola).
101
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Nel caso in cui il piano delle simulazioni scelto sia del tipo “Box Behnken” piuttosto che fattoriale o
altro, la situazione rimane esattamente uguale dal punto di vista della scelta dei livelli del piano
delle simulazioni rispetto al campo di ricerca dell’ottimo, cambiando solo il posizionamento dei
punti da indagare tramite FEM nello spazio degli stati di processo (Fig. 6.36) rispetto ad altri tipi di
piani.
Fatt. 3
f(Fattore 2) Fatt. 2
Fatt. 1
Fattore 1
Fattore 2
µΑ(fatt2) µΒ(fatt2) µC(fatt2)
F2- F2nom F2+
stati di
processo
Casi indagati
dal piano delle
simulazioni
µΒ(fatt1)
Casi indagati da
F1nom 3 un eventuale
piano
sperimentale
Spazio in cui
f(Fattore 1)
possono trovarsi
µΒ(fatt1)
i punti di ottimo
del sistema
F1- 4 5
Fig. 6.36 – Impostazione dei livelli del piano delle simulazioni per l’indagine di un processo le cui impostazioni
vengono fatte variare secondo un piano sperimentale di Box Behnken (nell’esempio qui illustrato trattasi di un piano di
Box Behnken a tre fattori75 di cui si rappresenta solamente la parte indicata nella figura in alto a sinistra, corrispondente
ad un’impostazione al livello nominale per il fattore F3).
75
Si noti che le ripetizioni, in un tale tipo di piano, possono essere effettuate solo in corrispondenza al punto “centrale”.
102
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Tab. 6.7 – Confronto tra il numero di trattamenti previsti con diverse tipologie di piani a tre livelli (senza repliche) per
l’indagine di relazioni quadratiche.
Trattamenti minimi teorici Trattamenti previsti con diverse tipologie di piani
Numero di
per un modello quadratico
fattori Fattoriale completo a
(v. Tab. 5.2) Central composite Box Behnken
tre livelli
1 3 3 - -
2 6 9 9 -
3 10 27 15 13
4 15 81 25 25
5 21 243 43 41
76
Con volume di controllo si intende in generale una porzione di spazio, sede di modificazioni o fenomeni di vario tipo,
sulla quale lo sperimentatore concentra la propria attenzione durante l’esecuzione di un esperimento (fisico o virtuale,
come in questo caso).
103
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Dopo il completamento di una simulazione di warpage, a ciascun nodo sono sempre associate due
terne di coordinate cartesiane (Fig. 6.38), riferite rispettivamente alla posizione di quel nodo:
• prima della deformazione (il volume di controllo coincide con il volume della cavità che
originerà il componente quindi il nodo giace sulla superficie nominale77 della cavità stessa);
• successivamente alla deformazione, in particolare a partire dall’estrazione e dopo un tempo
sufficiente all’instaurarsi dell’equilibrio delle tensioni interne, qualunque sia la causa che le
ha instaurate78 (il volume di controllo in questo caso è il volume del componente di plastica
solidificata e il nodo si situa quindi sulla sua superficie).
77
Si noti che si parla di superficie nominale della cavità in quanto MPI è in grado di conteggiare anche la eventuale
dilatazione del materiale costituente gli stampi stessi e quindi la dilatazione delle cavità che accolgono il polimero fuso.
78
Si veda §3.4.2.
104
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Poiché il FEM dà come output delle coordinate spaziali, mentre le verifica delle tolleranze
dimensionali risulta essere relativamente semplice, può risultare invece molto difficoltosa la verifica
di alcune tolleranze geometriche (ad es. la tolleranza di circolarità indagata con il metodo dei
minimi quadrati) a meno di non usare programmi specifici, simili a quelli utilizzati nelle macchine
di misura a coordinate (MMC).
Modello di regressione
(II grado full-quadratic)
y = f (x j )
m m m
= b0 + ∑ bj x j + ∑∑bj1 j2 xj1 xj2
Valori della risposta j =1..m
j =1 j1=1 j2 =1
RSM
Fig. 6.39 – Schematizzazione dell’attività di definizione del modello di risposta del sistema virtuale di stampaggio
tramite metodologia RSM.
La stima dei coefficienti del modello viene eseguita in maniera automatica da apposti programmi
statistici (ad es. Minitab 14 oppure Design Expert 7) tramite il metodo dei minimi quadrati e quindi
minimizzando la differenza tra i valori della risposta (in questo caso forniti dal FEM, quindi non
sperimentali) e la previsione del modello in corrispondenza alle singole condizioni di processo
indagate. Per l’esecuzione dei calcoli dei coefficienti del modello di regressione e la successiva
visualizzazione dei risultati tramite grafici bidimensionali o tridimensionali, i software statistici
suddetti richiedono:
105
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
1. una dichiarazione circa il tipo di piano scelto e l’impostazione dei valori massimi e minimi
di ciascun fattore;
2. l’eventuale riarrangiamento dei trattamenti del piano delle simulazioni generato e
l’immissione dei risultati numerici provenienti dal FEM.
Modello di regressione
risposta
Monte
Carlo
µ σ
Valori impostati Variabilità dei
in produzione fattori
Fig. 6.40 – Studio numerico della variabilità della risposta tramite applicazione della tecnica Monte Carlo.
selezionando solo le variabili davvero rilevanti per l’analisi. Nei casi presentati in questa sede
gli input sono al più tutti i parametri di processo che possono influenzare il ritiro del materiale e
la distorsione del pezzo, precedentemente individuati per la progettazione del piano delle
simulazioni (Fig. 3.16): (i) melt temperature, (ii) mould temperature, (iii) injection rate, (iv)
holding pressure, (v) holding time (a tal proposito si veda §6.2.2).
2. Definizione del modello. Si esplicitano le relazioni matematiche che consentono di determinare
il risultato desiderato in funzione degli input. Anche in questo caso valgono le considerazioni
indicate nel punto precedente relativamente al giusto equilibrio tra rappresentatività e semplicità
del modello. Nei casi in esame si utilizza come modello la legge di regressione precedentemente
definita tramite il metodo RSM, che lega una dimensione geometrica di un componente
stampato ai parametri di processo utilizzati (si veda §6.4).
3. Attribuzione delle distribuzioni di probabilità. È necessario specificare la distribuzione di
probabilità di ogni variabile di input, basandosi su dati quantitativi (come fatto nei casi in
esame, in cui si è appunto utilizzata la variabilità rilevata dei fattori §6.5) oppure anche grazie
alla consultazione di esperti.
4. Impostazione delle simulazioni Monte Carlo ed effettuazione degli esperimenti (numerici).
A questo punto si procede fissando il numero di iterazioni da eseguire e stabilendo il modo
adeguato per riprodurre numericamente nel calcolatore le funzioni statistiche delle variabili di
ingresso (il “sampling method”); successivamente è quindi possibile effettuare le simulazioni
pianificate ed ottenere il campione dei valori assunti dalle variabili di output.
5. Verifiche dei risultati. Al termine delle simulazioni possono seguire alcune verifiche ed
eventualmente può essere necessario ripetere alcune delle fasi precedenti (ad es. rivedere i dati
di input, pianificare altri esperimenti, selezionare altri output). Al termine del lavoro verranno
prodotti dei rapporti finali che esprimono (numericamente e/o graficamente) i risultati del
metodo, ossia le analisi statistiche delle variabili di output su cui il decisore/l’analista si baserà
per trarre delle conclusioni ed eventualmente pianificare alcuni cambiamenti (§6.6).
Il software che è stato utilizzato per l’esecuzione delle simulazioni Monte Carlo presentate in questo
lavoro è Crystal Ball 7 della Decisioneering Inc. Poiché esso si interfaccia col foglio di calcolo
Microsoft Excel© si sono predisposte in questo ultimo, in entrambi i casi trattati (CAP. 7, CAP. 8),
delle opportune caselle per l’immissione degli input (media e deviazione standard di ogni singolo
fattore; Fig. 6.41) e l’inserimento del modello di regressione della risposta, con la usuale notazione
utilizzata per la scrittura delle formule in Excel. I valori di output vengono letti ad ogni iterazione,
registrati da Crystal Ball ed infine utilizzati per la costruzione di un istogramma delle densità di
107
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
frequenza.
Cella di definizione
distribuzioni degli input
Parametri statistici
fondamentali e
informazioni
complementari
Fig. 6.41 – Esempio di foglio di calcolo utilizzato per la definizione degli input di processo; l’analista inserisce il valore
medio e la semiampiezza dell’incertezza di ciascun fattore (valori in grassetto); le altre caselle che compaiono sono utili
per calcolare automaticamente la deviazione standard a partire dalla semiampiezza dell’incertezza attribuita a ciascun
fattore come pure per tenere sotto controllo gli estremi inferiore e superiore delle distribuzioni. Le caselle a sfondo
verde vengono utilizzate da Crystal Ball per l’esecuzione delle iterazioni, avendo precedentemente definito la forma
della distribuzione statistica (Fig. 6.42).
La forma della distribuzione della densità di probabilità dei valori di ogni singolo fattore (Fig. 6.42)
(come pure una serie di altre opzioni di calcolo, ad es.: numero di iterazioni, algoritmo di
campionamento dei valori delle distribuzioni di input79, avanzamento ed arresto della simulazione)
vengono invece controllate direttamente tramite un apposito menu di Crystal Ball.
79
Il generatore di numeri casuali utilizzato da questo programma è il “Multiplicative Congruential Generator” (v. [143]
pag. 20) avente come seme di generazione il numero di millisecondi trascorso dall’avvio del sistema operativo ed un
periodo di 231-2; la campionatura dei valori delle distribuzioni degli input può essere scelta tra casuale (“Monte Carlo
sampling method”) o equiprobabile (“Latin Hypercube sampling method”). Seguendo le indicazioni scritte in [143] per
casi similari a quelli qui trattati, si è selezionato il primo metodo di campionamento.
108
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
80
Si parla in genere di analisi per scenari, laddove uno scenario rappresenta una tra le possibili combinazioni
alternative di valori assunti dalle variabili indipendenti, od anche di analisi “what if”, in quanto si va a valutare cosa
cambia nella risposta di un dato sistema al cambiare dei valori assunti dai determinati parametri di input.
109
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
pressoché insensibile alle variazioni di alcuni parametri (perseguimento della qualità intesa
secondo Taguchi).
Mentre sulla natura delle relazioni analitiche l’analista non può certo intervenire, in quanto
dipendente dal problema/sistema che si sta analizzando, è invece possibile intervenire:
• Sugli intervalli di variabilità dei singoli fattori, riducibili intervenendo opportunamente sul
sistema (utilizzando una strumentazione più precisa o dei controllori di processo più evoluti;
Fig. 6.47); tali interventi hanno senso soprattutto (se non esclusivamente) per le variabili i
cui scostamenti dal valore nominale possono modificare in maniera sensibile il valore della
risposta (e quindi la sua dispersione).
• Sul valore assoluto dei fattori, in modo da far lavorare il sistema in un punto di lavoro in cui
i pesi che i fattori hanno sulla risposta sono diversi da quelli iniziali.
Al fine di individuare le variabili più influenti sulla dispersione della risposta si utilizzano i grafici
di contributo alla varianza della risposta (“contribution to variance view chart”; Fig. 6.43), resi
disponibili come output dal programma di applicazione del metodo Monte Carlo.
81
Il legame tra l’incertezza di un fattore e quella di una risposta nei termini sopra descritti (di sensibilità della risposta al
valore assunto dal fattore considerato e di contributo di tale fattore alla varianza della risposta) è usualmente posto in
analogia con il modello meccanico di una macchina semplice (analogia della leva di I genere [143]) in cui: l’entità
degli spostamenti verticali dei punti di applicazione delle forze sono correlabili con le variabilità dei fattori e della
risposta e il posizionamento del fulcro nell’analogia della leva è determinato dalla formulazione matematica del
modello algebrico di risposta (modello di correlazione). La vicinanza del fulcro alla parte delle assunzioni sui fattori si
traduce in un modello che amplifica le variazioni dell’input considerato in termini di variazioni sull’output.
110
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
In questi grafici (Fig. 6.43) la percentuale che compare in associazione a ciascun fattore indica il
contributo della varianza di quel fattore σ 2 (X j ) sulla varianza della risposta σ 2 (Y ) , ordinando i
fattori dal più influente al meno influente sulla variabilità della risposta stessa. Tale valore è
calcolabile anche in maniera analitica tenendo presente le seguenti relazioni (Xj sono variabili
aleatorie continue)82:
∂ 2 f
µ (Y ) = µ ( f (X j )) ≅ f (µ (X j )) + ⋅ ∑ ⋅ σ 2 (X j )
1
2 j ∂X 2j
Y = f (X j ) ⇒
P
Eq. 6.7
2 ∂f 2
σ (Y ) = σ 2
( f ( X j )) ≅ ∑j ∂X
⋅ σ 2
( X j ) (
≠ f σ 2 (X j ) )
j P
Le derivate che compaiono nell’Eq. 6.7 sono calcolate in un punto P di lavoro del sistema (quindi
appartenente allo spazio degli stati di processo) su cui vengono centrate le distribuzioni dei valori
dei singoli fattori Xj e avente quindi le seguenti coordinate:
P ≡ (µ ( X 1 );...; µ (X j );...; µ ( X m )) Eq. 6.8
Il segno che compare nei grafici di contributo alla varianza della risposta è invece riferito al legame
di crescenza o decrescenza tra il valore medio di quel fattore e il valore medio della risposta: se
positivo indica una correlazione di tipo positivo (al crescere del valore medio del fattore crescerà il
82
Le relazioni proposte sono quelle che si ricavano dall’applicazione del Metodo Delta per l’approssimazione di media
e varianza di una funzione Y di più variabili aleatorie Xj ([130], pagg. 145-146); per l’espressione che calcola la media
della funzione Y si è arrestata la relazione ai primi due termini, essendo ogni altro termine (è uno sviluppo in serie)
“molto spesso nullo, perché nelle applicazioni le Xj risultano quasi sempre non correlate” ([130], pagg. 146), come
appunto nei casi presentati in questa sede. Nel caso di modelli analitici f(Xj) di grado non superiore al primo, la prima
( ( ))
espressione di Eq. 6.7 può essere semplificata come segue: µ (Y ) = µ f X j ≅ f µ X j . ( ( ))
111
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
83
Si pensi ad una legge del secondo grado (parabolica) a concavità rivolta verso l’alto in cui la correlazione tra variabile
indipendente x e variabile dipendente y è positiva solo oltre il valore di x corrispondente al vertice della parabola,
negativa altrimenti.
112
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Un possibile intervento che coinvolga il valore medio delle distribuzioni dei singoli fattori
dovrà produrre uno spostamento minimo della media della risposta di una distanza pari a quella
esistente tra il valore minimo ipotizzato dalla distribuzione generata tramite il Metodo Monte Carlo
e il limite inferiore di accettabilità (Fig. 6.46):
(
∆ 1 = ∆R − µ R , FEM − Linf )
* Eq. 6.9
µ R , FEM ≥ Linf + ∆R = µ R , FEM + ∆ 1
RFEM
µR,FEM -∆R
*
µR,FEM *
µR,FEM +∆R
*
Si fa notare che la ricerca di un valore medio traslato della quantità indicata costituisce solo
113
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
un’indicazione di primo tentativo in quanto modificando i valori nominali dei fattori anche
l’ampiezza stessa della distribuzione della risposta può subire una modifica rispetto all’ampiezza
precedentemente calcolata, venendo l’ampiezza a dipendere anche dalla derivata alla seconda della
funzione di regressione nel punto di lavoro del sistema oltre che dai valori medi dei singoli fattori84:
∂f
2
σ 2 (Y ) ≅ ∑ ⋅ σ 2 (X j ) con P ≡ (µ ( X 1 );...; µ (X j );...; µ ( X m ))
j ∂X j
P
Eq. 6.10
∂f
2
σ 2 (Y )* ≅ ∑ (
⋅ σ 2 (X j ) con P * ≡ µ ( X 1 );...; µ * (X j );...; µ ( X m )
)
j ∂X j P*
Gli aggiustamenti successivi si dovranno basare necessariamente sui risultati ottenuti effettuando
più simulazioni Monte Carlo con i nuovi valori nominali dei fattori.
A completamento del discorso si aggiunga anche che lo stesso nuovo valore medio della
distribuzione può essere stimato a partire dai soli valori medi dei singoli fattori solo in maniera
approssimativa: esiste infatti una ulteriore aliquota di traslazione, di stima non immediata, che
dipende dalla derivata seconda della funzione di regressione nei due punti di lavoro del sistema (P e
P*), e dalla varianza dei fattori (v. seconda parte dell’espressione analitica di ∆[µ (Y )] qui di
seguito).
∂ 2 f
µ (Y ) ≅ f (P ) + ⋅ ∑ 2 ⋅ σ 2 (X j ) con P ≡ (µ ( X 1 );...; µ (X j );...; µ ( X m ))
1
2 j ∂X j
P
* ∂ 2 f
( )
µ (Y ) ≅ f P + ⋅ ∑
* 1
2 j ∂X 2j
(
⋅ σ 2 (X j ) con P * ≡ µ ( X 1 );...; µ * (X j );...; µ ( X m )) Eq. 6.11
P*
∂ 2 f 2
[( ) ]
⇒ ∆[µ (Y )] = µ * (Y ) − µ (Y ) ≅ f P * − f (P ) + ⋅ ∑
1 − ∂ f ⋅ σ 2 (X j )
2 j ∂X 2j ∂X 2
P* j P
Eventuali interventi correttivi basati sulla modifica della dispersione della risposta dei fattori
sono sempre possibili in linea teorica e di facile verifica tramite simulazioni Monte Carlo ma
dovrebbero essere considerarti con cautela: questi interventi, infatti, trovano difficilmente una
corrispondenza nel reparto produttivo (in termini di regolazioni sulla pressa) a meno di interventi
significativi sulla strumentazione che equipaggia la macchina di iniezione (Fig. 6.47).
84
Lo spostamento del punto di lavoro del sistema causa di conseguenza anche un cambio nei pesi percentuali delle
varianze dei fattori sulla varianza della risposta.
114
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
La seconda ottimizzazione, consistente nel trovare i valori medi e le dispersioni dei fattori che
riducano al minimo la percentuale di prodotti non accettabili, è possibile anche su un modello
fisico, ma è solo con l’utilizzo di un modello FEM calibrato (quindi affidabile dal punto di vista dei
risultati in relazione con la realtà) e delle metodologie RSM e Monte Carlo, facenti parte
dell’Ambiente di Prototipazione Virtuale qui proposto, che si raggiunge il massimo livello di
virtualizzazione. Così facendo, infatti, risulta quindi possibile il vaglio delle possibili alternative
con la tutta la libertà concessa dal fatto di non stare utilizzando nessuno stampo o attrezzatura in
particolare.
115
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Disegno geometria
Impostazione dei parametri di stampaggio
componente
Inizio processo di
Scelta del materiale ottimizzazione
plastico
Procedura di ottimizzazione dei valori I livello di
Compensazione isotropa nominali dei parametri di processo ottimizzazione
dei ritiri nel disegno
Applicazioni dispersioni dei fattori e verifica
Posizionamento canali posizionamento dispersione risposta
raffreddamento e punto di
iniezione nel progetto;
scelta pressa La percentuale prevista di Sì
scarti è accettabile?
Disegno stampi maschio e No
femmina
Procedura di ottimizzazione a livello di
II livello di
controllo statistico dei singoli parametri di
Realizzazione degli stampi ottimizzazione
processo
Fine processo di
Lancio in produzione ottimizzazione
Fig. 6.48 – Flow chart in cui si mostra l’istante di intervento dell’Ambiente di Prototipazione Virtuale presentato per
l’ottimizzazione dei parametri di processo.
116
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Inoltre, è possibile estendere l’indagine a tutti i fattori che, di volta in volta, vengano ritenuti
significativi per la risposta indagata o le cui variazioni dal valore nominale siano interessanti da
conoscere nel processo di iniezione. In generale, come fattori del piano delle simulazioni possono
essere utilizzati non soltanto i parametri di processo impostabili sulla macchina, ma anche un
qualsiasi altro parametro che è possibile impostare nel momento della preparazione del modello
FEM e che abbia un suo corrispondente fisico nel processo.
Bisogna però ricordare che maggiore sarà il numero di fattori considerati, maggiore sarà il numero
di trattamenti di cui si comporrà il piano di simulazioni da esplorare (Tab. 6.8) e di conseguenza più
lungo sarà il tempo di calcolo complessivo necessario alla completa esecuzione del piano.
85
Alcuni esempi di possibili output del processo che possono rivestire un interesse industriale (sia grandezze puntuali
che globali) sono: la pressione massima di iniezione, la forza di serraggio degli stampi, il peso della stampata, il
massimo sforzo di taglio subito dal materiale plastico fuso (maximum shear stress) nel punto di iniezione,
l’orientamento delle fibre in una determinata posizione rispetto ad una direzione di riferimento, l’incremento di
temperatura nel liquido di raffreddamento.
117
Proposta di una procedura di utilizzo per il nuovo Ambiente di Simulazione Virtuale
Tab. 6.8 – Confronto tra il numero di trattamenti previsti per l’indagine di relazioni quadratiche con le due tipologie di
piani a tre livelli (senza repliche) meno dispendiosi dal punto di vista del numero di trattamenti (Central composite
design, Box Behnken design).
Trattamenti minimi per un Trattamenti previsti con diverse tipologie di piani
Numero di
modello quadratico
fattori Central composite Box Behnken
(v. Tab. 5.2)
1 3 - -
2 6 9 -
3 10 15 13
4 15 25 25
5 21 43 41
6 28 77 49
7 36 143 57
8 45 273 113
118
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
86
Si veda anche [14].
119
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
La forma del componente è, solo in prima approssimazione, cilindrica cava senza una base: il suo
contorno in realtà possiede una forma ovale asimmetrica motivata dalla messa in esercizio in
posizione verticale (quindi con il foro per l’albero del cestello avente asse orizzontale) e dalla
contestuale necessità di raccolta dell’acqua all’interno della cavità in alcune fasi del ciclo di
lavaggio (Fig. 7.2).
Esso presenta inoltre una serie di features che ne completano la geometria assolvendo le diverse
esigenze (funzionali, meccaniche) richieste ad un prodotto di questo tipo:
• una sede per una guarnizione in gomma lungo tutta la circonferenza del vano (Fig. 7.3);
• diversi punti di inserimento (Fig. 7.3), nella sua parte esterna, per le griffe di metallo
necessarie all’aggancio del componente con la parte anteriore vasca di contenimento del
cestello di lavaggio;
• un inserto metallico, totalmente inglobato nel mozzo del componente (part insert o inserto
120
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
del pezzo; Fig. 7.4), entro il quale ruota l’albero del cestello. All’interno dell’inserto sono
poi montati, in opportuna posizione ed in apposite sedi, i cuscinetti volventi e le guarnizioni
di tenuta (Fig. 7.4);
• delle asole per l’attacco del motore elettrico, dei sostegni elastici e di altri componenti
elettromeccanici (Fig. 7.2);
• una rete di nervature per l’irrigidimento meccanico del componente, che si diparte dal
mozzo e raggiunge tutti i punti di aggancio di altri componenti (asole, sedi per viti; Fig. 7.2).
Fig. 7.3 – Particolari della sede per la guarnizione di tenuta in gomma (a sinistra in sezione) e dei punti di
aggancio/inserimento per griffe di metallo (al centro e a destra).
Il componente viene prodotto in polipropilene caricato con il 20% di fibra di vetro ed utilizzando la
tecnologia dello stampaggio per iniezione; nella tabella seguente (Tab. 7.1) sono raccolte
sinteticamente tutte le informazioni riguardanti il processo di produzione.
121
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Di seguito è possibile leggere anche alcune specifiche di dettaglio riguardanti il materiale plastico
direttamente sulla scheda del produttore (Fig. 7.5).
87
Scheda tratta da: http://www.basell.com/portal/site/basell/.
122
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
i percorsi di flusso del materiale sono abbastanza lunghi; ciò dà luogo ad alti valori della
pressione di iniezione ed impone inoltre l’uso di un sistema di alimentazione complesso al
fine di: assicurare il riempimento completo e isocrono di tutti i punti della cavità nonché
garantire una pressurizzazione omogenea del materiale durante il mantenimento; gli spessori
disuniformi, la presenza di nervature e la geometria asimmetrica88 (principalmente a causa
delle features di dettaglio) accentuano inoltre le problematiche dovute a ritiri e deformazioni
del materiale e all’asportazione del calore dallo stampo, in quanto creano una certa difficoltà
nel posizionamento dei dispositivi di raffreddamento;
• Funzionalità: il componente deve garantire la tenuta all’acqua calda ed interfacciarsi con
altri componenti; di conseguenza, le tolleranze dimensionali e geometriche imposte sono
piuttosto strette ed inoltre esso presenta dei particolari piuttosto complessi; a ciò si aggiunga
anche che la vasca in esame contribuisce al sostentamento del cestello di lavaggio,
appoggiato a sbalzo sul cuscinetto volvente, in presenza di acqua calda nella cavità e quindi
deve presentare una certa resistenza meccanica (da cui il posizionamento di nervature di
irrigidimento dalla parte opposta al vano di lavaggio).
88
La zona del mozzo, ad esempio, ha seri problemi di raffreddamento a causa dello spessore particolarmente elevato
(raggiunge infatti i 13.2 mm a fronte di uno spessore prevalente di 3.5 mm) nonostante l’uso di un inserto di lega ad alta
conducibilità termica (in rame e berillio) proprio nella zona centrale dello stampo, peraltro nemmeno previsto
inizialmente nel progetto degli stampi. Durante la progettazione del pezzo hanno prevalso considerazioni di resistenza
strutturale e non si sono tenute in considerazione le problematiche produttive che poi lo stampatore si è trovato ad
affrontare.
123
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
124
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
100
durante la prova stampi (primi 15 s).
90
80
70
60
50
40
30
20
0
0 2 4 6 8 10 12 14
Tempo [s]
La necessità di avere delle letture della pressione nel modello FEM confrontabili con la curva
sperimentale per effettuare quindi la calibrazione, ha reso quindi necessaria, fin da subito, la
preparazione di un modello dello stampo per la produzione della vasca completo fino alla camera
di plastificazione.
89
La lettura di pressione in questione include tutte le perdite subite dal fuso nel suo deflusso verso l’impronta ed è
quindi utilizzabile tal quale per la calibrazione del modello.
125
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Le geometrie della cavità per la creazione del componente, dell’inserto del pezzo e dello stampo
(part and mould insert), del sistema di alimentazione del fuso e del sistema di condizionamento
degli stampi sono state tutte ricavate a partire da disegni tridimensionali (Fig. 7.12) forniti da
Whirlpool:
• Le geometrie della cavità del componente e dell’inserto sono state importate in MPI tramite
un opportuno formato a partire dai disegni; l’operazione di importazione è stata eseguita su
di un file di tipo stl (stereolitography), che descrive i solidi per mezzo delle loro superfici
esterne, discretizzate in triangoli aventi i vertici sugli spigoli del pezzo. A questa operazione
è stata fatta seguire l’operazione di meshatura di questi componenti, eseguita direttamente
all’interno del programma MPI; la mesh è di tipo “Fusion a 20 lamine90” (ed ha quindi
90
La mesh “Fusion” è una mesh facente uso della tecnologia Dual domainTM sviluppata da Moldflow ed è di tipo
bidimensionale in quanto discretezza la superficie e attribuisce a ciascun elemento le proprietà dello spessore ad esso
sottostante. Essa è utilizzata soprattutto in solidi con spessori non eccessivi rispetto alle altre dimensioni e presenta
caratteristiche intermedie fra una mesh a piano mediale (midplane) ed una mesh tridimensionale (altri tipi di mesh
disponibili in MPI), cioè buona precisione e tempi di esecuzione particolarmente contenuti. Questo tipo di mesh risulta
essere particolarmente adatto nella maggior parte dei casi industriali che vengono analizzati con MPI in quanto una
126
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
riguardato le superfici, Fig. 7.9) sia per la cavità del componente “vasca” che per gli inserti.
• Il sistema di alimentazione, del tipo “a canali caldi”, e il sistema di condizionamento degli
stampi sono stati disegnati per coordinate direttamente nel preprocessore MPI (sulla base di
dati forniti dallo stampatore) e lì meshati con elementi beam, gli elementi preposti a questo
scopo in MPI. Il sistema di alimentazione del fuso (Fig. 7.10) è completo fino alla camera di
plastificazione91 e presenta sei iniettori disposti in configurazione assialsimmetrica (ai
vertici di un esagono). Per quanto riguarda la trasposizione della geometria, piuttosto
complessa, dei passaggi per il fuso all’interno del puntale in elementi monodimensionali
beam, si è quindi proceduto innanzitutto modellando in 3D con il programma di disegno
Pro/Engineer tale spazio di passaggio del fuso e successivamente eseguendo delle opportune
sezioni del componente così modellato al fine di conoscerne le aree in più punti. In questo
modo si è potuto pervenire a disegnare un terminale per gli ugelli come quello di Fig. 7.11.
a b c d e f g
Fig. 7.10 – Geometria del sistema di alimentazione (a: ℓ 213.5 ∅ 10, b: ℓ 170 ∅ 13, c: ℓ 15 ∅ 7, d: ℓ 100 ∅ 10, e: ℓ 45
∅ 10-20, f: ℓ 15 ∅ 20, g: ℓ 225 ∅ 20-160; per la sommità si hanno invece le 5 zone di Fig. 7.11).
delle principali regole di buona progettazione di un pezzo in plastica è proprio quella di avere spessori non eccessivi e,
per quanto possibile, costanti su tutto il pezzo e questo fatto li rende idonei appunto ad una meshatura di tipo fusion.
Il numero di lamine quantifica il numero di layer interni allo spessore su cui si effettuano i calcoli termo-fluidodinamici.
91
Si legge infatti in [52]: “Without the feed system, however, the analysis cannot properly predict the pressure drop
through the feed system, or the proportion of flow going through each of the gates. Always question results that were
generated without a feed system, and request another set of analysis runs with a reasonable estimate of the feed system”
e in [139]: “If possible, model the machine nozzle all the way back to the barrel of the machine. This will predict the
pressure the best. If this is not possible, the pressure drop through the nozzle will need to be estimated”.
127
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Fig. 7.11 –
Trasposizione delle
sezioni reali di
passaggio del fuso per
A la parte finale delle
camere calde con 5
elementi beam
B (cilindrici o tronco
conici); A: ℓ 3 ∅ 9-12,
B: ℓ 8.5 ∅ 9, C: ℓ 10 ∅
4.5-9, D: ℓ 2.5 ∅ 4.5, E:
C ℓ 4 ∅ 2-4.5. Nelle zone
più complesse ci si è
serviti di un modello
D
tridimensionale della
zona di passaggio.
E
Nelle figure qui di seguito riportate (Fig. 7.12) si illustrano, a titolo esemplificativo, gli interventi
effettuati per la corretta modellazione del sistema di alimentazione (schematizzazione degli ugelli,
modellazione delle camere calde, completamento del modello con trasposizione virtuale del sistema
di alimentazione reale fino alla camera di plastificazione) nonché degli altri componenti dello
stampo (sistema di condizionamento, sagoma esterna dello stampo, inserto del pezzo, inserto dello
stampo). A seguito di questi interventi si è giunti ad un modello dello stampo per la parte posteriore
della vasca composto di circa 50900 elementi, la cui ripartizione tra i vari componenti (vasca vera e
propria, inserti, sistema di alimentazione e di raffreddamento, sagoma esterna dello stampo) è
riportata nella seguente Tab. 7.2, assieme ad altri dati.
Tab. 7.2 – Presentazione dei vari componenti del modello del componente “Tub Rear Cover CP4”.
Componenti Nodi Elementi Volume [cm3] Area [cm2]
Impronta della Vasca 15833 31750 3238.45 16372.2
Inserto stampo 5772 11564 3736.24 4855.52
Inserto pezzo 2270 4564 188.85 510.06
Sistema di alimentazione 133 132 1984.18 n.d.
128
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fig. 7.12 – Panoramica dei componenti del modello CAD con la loro trasposizione in MPI (a partire da in alto a sinistra:
cavità e sistema di alimentazione fino al nozzle, particolare dell’ugello anulare con passaggio interno al puntale,
completamento del sistema di alimentazione fino al cilindro di plastificazione, sistema di condizionamento, sagoma
esterna dello stampo, inserto del pezzo, inserto dello stampo).
129
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
MPI (file con estensione “.udb”) a partire dai dati ottenuti da prove di laboratorio (tramite reometro,
DSC; v. Fig. 7.13 - Fig. 7.17) proprio sul lotto di materiale che è stato utilizzato nello stampaggio.
Fig. 7.14 – Curva del calore specifico in funzione della Fig. 7.15 – Curva della conducibilità termica in funzione
temperatura per il PC072/2 Basell Polyolefins; il picco è in della temperatura per il PC072/2 Basell Polyolefins.
corrispondenza alla temperatura di fusione (118°C).
130
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
131
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
132
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
7.2.5 Utilizzo dei dati di una prova stampi per la calibrazione del software
Al momento dell’utilizzo dell’APV a questo caso studio, gli stampi per la produzione della vasca
erano già stati costruiti e testati sulla macchina e con il materiale che poi sarebbe stato adottato
definitivamente in produzione. A seguito di questa prova degli stampi, si disponeva dell’andamento
temporale della pressione specifica alla macchina (Fig. 7.23), nonché di una rilevazione del tempo
di riempimento, della dimensione del raggio più sensibile e del peso del componente alla fine del
packing. Si è quindi pensato di eseguire la calibrazione e la successiva verifica del modello
utilizzando i dati forniti dallo stampatore e registrati durante la citata prova degli stampi e quindi
133
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
senza dovere, in questo caso, eseguire alcuna prova di spurgo della macchina (§6.1.5.3).
100
durante la prova stampi (primi 15 s).
90
80
70
60
50
40
30
20
0
0 2 4 6 8 10 12 14
Tempo [s]
Nella tabella seguente (Tab. 7.3) sono raccolte tutte le impostazioni utilizzate sulla macchina di
iniezione per l’effettuazione della prova degli stampi.
Tab. 7.3 – Dati di processo riguardanti il caso di studio – prova stampi iniziale.
Dato di processo Valore numerico
Temperature Stampi 50°C
Materiale fuso 230°C
Cilindro di plastificazione 195÷230°C
Camere calde 225÷235°C
Tempi caratteristici Riempimento 6.84 s
Mantenimento 18.00 s
Raffreddamento 35.00 s
Reset ciclo 40.16 s
Tempo ciclo totale 100.00 s
Altre specifiche Descrizione profilo di velocità “stroke - %max speed”
Corsa di iniezione (shot size) 260 mm,
Cuscino (cushion) 20 mm
Profilo di mantenimento Costante a 34 bar idraulici (corrispondenti a 37.16
MPa in camera di plastificazione)
In Fig. 7.24 è possibile invece vedere un diagramma circolare che mostra la suddivisione del ciclo
qui presentato nelle diverse sue fasi; la fase di reset ha una predominanza maggiore di quanto
tipicamente capita di osservare nello stampaggio ad iniezione in quanto, per il caso qui analizzato,
esiste la necessità di estrarre il componente formato e di collocare, in un’apposita sede dello stampo
maschio e per mezzo di un manipolatore robotico, l’inserto del pezzo, che verrà poi inglobato nel
materiale plastico durante la fase di stampaggio del ciclo successivo.
134
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Per quanto riguarda la velocità di traslazione della vite durante la fase di iniezione, si è utilizzato un
profilo di velocità (Tab. 7.4) in cui i valori (8) sono espressi come percentuale sulla velocità
massima a cui la macchina può funzionare in corrispondenza a determinate posizioni della vite
quindi a certi avanzamenti (“stroke VS % max speed”).
In Fig. 7.25 è rappresentato il profilo di velocità della vite in funzione della posizione, così come è
stato impostato sulla macchina di iniezione: la vite parte da 260 mm (la cosiddetta “lunghezza di
carica”) e trasla in direzione dello 0 mm. Avendo a disposizione tutte le caratteristiche riguardanti
la macchina di iniezione, è anche possibile esprimere lo stesso profilo in funzione del tempo (Fig.
7.26) ricordando però che i cambi di velocità verranno sentiti in cavità con un certo ritardo dovuto
in primo luogo alla lunghezza del percorso del fuso ma soprattutto alla comprimibilità del polimero.
Per la stesse ragioni, il volume spostato dalla vite durante il suo moto (Fig. 7.27) non deve essere
confuso con il volume dell’impronta riempito e non è corretto quindi utilizzare grafici come quello
di Fig. 7.27 per avere una stima del tempo di riempimento.
135
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
100 100
90 90
Velocità traslazione vite [%]
Fig. 7.25 – Velocità di traslazione della vite in funzione Fig. 7.26 – Velocità di traslazione della vite in funzione
della posizione. del tempo.
4 000
3 000
2 000
1 000
0
0 1 2 3 4 5 6 7
Tempo totale [s]
Dopo aver impostato il profilo di velocità nominale nel software, si sono quindi modificati
iterativamente i valori dei coefficienti c1, c2 e d3 per portare il profilo di pressione durante la fase di
iniezione allo stesso livello di pressione (85÷95 MPa) di quello registrato sulla macchina durante il
riempimento.
Si noti che, sebbene sia possibile utilizzare i soli coefficienti c1 e c2 per l’innalzamento della
previsione di pressione in camera di plastificazione, tale operazione è generalmente sconsigliata e in
particolar modo in questo caso. Essa, infatti, causa una sostanziale modifica dell’andamento
macroscopico del profilo di iniezione: i coefficienti c1 e c2 quantificano le perdite localizzate
conseguenti a variazioni della sezione di passaggio per la plastica fusa e quindi il loro intervento è
dipendente dalla velocità locale del fuso. Poiché un profilo come quello utilizzato in questo caso ha
le velocità nominali maggiori all’inizio del movimento della vite, il solo uso di c1 e c2 ha
maggiormente effetto sulla prima parte del profilo di pressione alterandone addirittura l’andamento
registrato durante il riempimento da “monotono crescente” (come quello sperimentale, a due tratti
con differente pendenza) a “crescente - decrescente”. Da questa considerazione e da alcune prove
136
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
che sono state eseguite al simulatore (Fig. 7.28, Fig. 7.29) emerge quindi la necessità di suddividere
l’innalzamento di pressione tra i coefficienti di quantificazione delle perdite per variazione della
sezione, c1 e c2, e il coefficiente di dipendenza della viscosità dalla pressione, d3.
80 macroscopicamente crescente.
70
60
c1 = 4, c2 = 1.15, d3 = 6.5 E-7
40
0 1 2 3 4 5 6
Tempo [s]
Fig. 7.29 – Profilo di pressione rilevato
100 all’apice del sistema di iniezione
modellato nel FEM con il valore di d3
90 molto piccolo (valori inferiori a 2⋅10-7);
l’andamento è sempre
Pressione [MPa]
80 macroscopicamente decrescente.
70
60
c1 = 3, c2 = 1.30, d3 = 2.0 E-8
50
c1 = 6, c2 = 1.20, d3 = 2.0 E-7
40
0 1 2 3 4 5 6
Tempo [s]
Il risultato di questa attività di modifica dei coefficienti c1, c2 e d3 ha portato a trovare i valori
riportati in Tab. 7.5 che danno la curva di pressione specifica di Fig. 7.30.
137
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
110
del sistema di iniezione modellato nel
FEM.
100
90
80
70
60
50
40
30
0
0 1 2 3 4 5 6 7 8 9
Tempo [s]
Osservando la Fig. 7.30, sebbene essa presenti delle pressioni durante il riempimento allo stesso
livello di quelle sperimentali ed un andamento globale crescente con una pendenza simile a quella
sperimentale (pari a circa +2.2 MPa/s nel tratto a 85÷95 MPa), si rilevano esistere ancora delle
differenze tra il profilo sperimentale e quello previsto dal software:
• il primo tratto di salita della pressione è più ripido quindi l’arrivo del profilo alle pressioni a
cui avviene il riempimento nonché il termine del riempimento sono anticipati di circa 1 s,
• il profilo di pressione ha un overshot non presente nella realtà al termine del tratto di salita,
• il profilo manifesta un’ondulazione in corrispondenza a tutti cambi di velocità;
• il termine della fase controllata in velocità e l’inizio della fase controllata in pressione si
manifesta nel FEM con uno scalino verticale in luogo di un tratto ripido ma non verticale del
profilo reale (pendenza -79.8 MPa/s).
Queste differenze sono dovute principalmente alle diversità esistenti tra il profilo nominale,
perfettamente riprodotto dal software, e il profilo di velocità effettivamente seguito dalla macchina
a partire dalle impostazioni immesse. Questo ultimo, di fatto incognito anche all’operatore della
macchina, risulta in generale essere differente da quello nominale a causa dell’esistenza di ritardi
nel raggiungimento dei valori impostati, dovuti per esempio alle inerzie meccaniche e alle modalità
di intervento dei controllori.
Specie quando si ha a che fare con profili di velocità abbastanza articolati, come quello attinente a
questo caso, sarebbe opportuno operare un affinamento del profilo di velocità nominale immesso
nel software FEM in modo che la curva della velocità (o meglio della portata) fosse quanto più
possibile vicino al profilo reale.
138
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Poiché la modifica del profilo nominale tramite aggiunta e/o spostamento dei punti di controllo si
rivela essere un approccio poco efficiente e alquanto laborioso (si procede per tentativi, da
verificare di volta in volta tramite una simulazione), si è quindi pensato di utilizzare un approccio
inverso al problema: controllare in pressione anche la fase di iniezione utilizzando a questo
proposito proprio il profilo di pressione sperimentale di Fig. 7.23.
L’impostazione della curva di pressione sperimentale ad un sistema virtuale con le stesse resistenze
al flusso di quello reale (vale a dire con i coefficienti c1, c2 e d3 precedentemente trovati) garantisce
quindi l’utilizzo del profilo di portata reale effettivamente seguito dalla macchina. Infatti,
procedendo in questo modo si sfrutterebbe a fini simulativi la dualità esistente tra portata di fuso e
pressione che la genera, consci comunque delle motivazioni che portano nella pratica corrente a
controllare la fase di iniezione in velocità piuttosto che in pressione92.
Nel caso si volesse conoscere il profilo effettivo di velocità sarebbe inoltre necessario (l’intera
procedura è riportata in Fig. 7.31):
• rilevare l’andamento della portata che il software ha calcolato per seguire il profilo di
pressione immesso e stimare il profilo della velocità percentuale della vite in funzione della
sua posizione per la generazione di quel profilo di portata; poiché il calcolo viene effettuato
in un’ipotesi semplificativa di equivalenza del volume descritto dalla vite nel tempo durante
il suo avanzamento con la portata stimata dal software, esso permetterà di disporre di un
profilo di velocità di primo tentativo e sicuramente non di quello definitivo;
• correggere iterativamente il profilo di velocità nominale in modo da ripercorrere il profilo di
portata trovato nello step precedente.
92
Le motivazioni che portano a controllare la fase di iniezione in velocità piuttosto che in pressione sono ad esempio le
seguenti (v. anche [122], pag. 42-43):
• in questa fase (a differenza della fase di mantenimento) c’è movimento macroscopico di materia e quindi si
vuole controllare in maniera diretta la velocità e la posizione del fronte del polimero nell’impronta (per evitare
i vari problemi che possono manifestarsi nel riempimento: jetting, intrappolamenti d’aria, bruciature, linee di
saldatura dei flussi);
• la resistenza opposta dal fuso nel suo fluire all’interno di un’impronta è difficilmente stimabile a priori in
quanto differente per ogni impronta; non è quindi possibile avere un’idea della pressione e del suo tempo di
azione da impostare sulla macchina se non a seguito di un primo riempimento in controllo di velocità,
• esiste la necessità di conoscere la posizione della vite in modo da evitare di raggiungere il fine corsa e quindi
di avere collisioni della vite contro il cielo del cilindro.
139
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Il controllo della fase di iniezione tramite il profilo di pressione sperimentale di Fig. 7.23 ha dato il
profilo di portata in funzione del tempo visibile in Fig. 7.32.
700
600
500
400
300
200
100
0
0 1 2 3 4 5 6 7 8
Tempo [s]
140
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Il confronto del grafico della portata di fuso con il controllo in pressione con quello della portata
generata dal pistone93 in controllo di velocità (visibile sempre in Fig. 7.32) evidenzia un andamento
di tipo “crescente – decrescente” per il primo rispetto ad un andamento “solo decrescente” per il
secondo, con tratti decrescenti sostanzialmente allineati ed un certo ritardo nel seguire il profilo
nominale in tutte le sue fasi (salita al valore impostato, cambi di portata) e tale da portare il tempo
di fine riempimento ad valore prossimo a quello sperimentale.
Terminata l’attività di calibrazione del software, la bontà del modello è stata testata:
• tramite un confronto tra dati sperimentali della prova stampi e risultati numerici per quanto
riguarda il tempo di iniezione, il raggio della cavità e il peso del componente (Tab. 7.6)
nonché
• con l’osservazione in alcuni punti delle similitudini esistenti tra un componente reale,
prodotto durante la prova stampi, e la configurazione deformata del componente virtuale
(vedi Fig. 7.33, Fig. 7.34, Fig. 7.35). In particolare ci si è concentrati sulle parti aggettanti
(agganci), meno irrigidite dalla presenza di nervature e quindi più soggette a fenomeni
distorsivi post stampaggio.
Tab. 7.6 – Confronto tra dati sperimentali della prova stampi e risultati numerici.
Dato sperimentale Risultato numerico Scostamento %
Tempo di iniezione [s] 6.84 6.95 +1.61%
Raggio della cavità [mm] 251.31 251.29 -0.01%
Peso del componente [g] 3150 3162 +0.38%
93
Tale andamento è stato ottenuto da quello di Fig. 7.26 moltiplicando tutti i punti di quel grafico per l’area del pistone
e per la velocità massima di traslazione.
141
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
7.3.1 Scelta dei fattori e dei rispettivi range di variazione, individuazione della
variabile di risposta
Sulla base delle informazioni provenienti dallo stampatore circa la sensibilità del componente alle
regolazioni sulla pressa, verificate poi con analisi di sensitività sul modello calibrato della vasca, si
è potuto ridurre a tre il numero dei parametri di processo con effettiva influenza sulla risposta
esaminata (Fig. 7.36): temperatura degli stampi - mold temperature, temperatura del fuso - melt
temperature, pressione idraulica di mantenimento - hydraulic packing pressure.
Tutti gli altri parametri di processo (tempi e lunghezze caratteristiche, profilo di velocità della vite;
Fig. 7.36) sono stati mantenuti costanti in tutte le simulazioni ed impostati ai valori utilizzati dallo
stampatore durante la prova degli stampi (Tab. 7.3). La variabile di risposta indagata è il raggio
della cavità indicato nel §7.1.2.
142
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fig. 7.36 – Schematizzazione del processo di produzione della parte posteriore della vasca “CP4”; nella figura si
mostrano i parametri di processo mantenuti costanti e quelli fatti variare durante l’esecuzione delle simulazioni.
Poiché con le regolazioni utilizzate durante la prova stampi (in particolare: melt temperature 230°C,
mould temperature 50°C, hydraulic packing pressure 34 bar), il valore del raggio in esame risultava
essere però fuori tolleranza (al di sotto del limite minimo di accettabilità di 251.50 mm), si è cercata
tramite il software FEM una nuova combinazione di fattori in grado di dare un pezzo nominalmente
in tolleranza e i cui valori stessero entro le regolazioni indagate. La regolazione trovata è la
seguente: melt temperature 234°C, mould temperature 40°C, hydraulic packing pressure 41 bar.
Essa è stata scelta come punto di partenza per una valutazione di robustezza e la ricerca di eventuali
regolazioni migliori (§7.6.1); a tale scopo si sono dovuti definire dei campi di indagine per ciascuno
dei tre fattori in modo da poter successivamente stilare un piano delle simulazioni (Tab. 7.7) e
disporre di un modello di regressione della risposta per l’applicazione del metodo Monte Carlo.
Tali campi di variazione sono stati individuati in base alla finestra di lavorabilità del materiale
(condizioni di processo al di fuori delle quali sussistono dei problemi di stampaggio di diversa
natura, ad es.: degradazione del materiale, mancato riempimento, raggiungimento della pressione
limite esercitabile dalla macchina) ricavata utilizzando il modello FEM calibrato e le indicazioni
presenti sulla scheda del materiale. Si è poi aggiunto, per ciascun fattore, un terzo valore,
equidistante dai limiti individuati (indicato come “nominale” in Tab. 7.7), al fine di poter avere tre
livelli per la stesura del piano e quindi poter cogliere eventuali curvature della superficie di risposta
(corrispondenti a termini di grado superiore al primo nel modello di regressione).
Tab. 7.7 – Livelli per la temperatura del fuso, la temperatura degli stampi, la pressione idraulica di mantenimento.
Parametri Nominale Basso Alto
Temperatura fuso [°C] 230 220 240
Temperatura stampi [°C] 30 10 50
Pressione idraulica mantenimento [bar] 41 34 48
143
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
94
Esiste infatti la possibilità di effettuare durante la produzione degli aggiustamenti dei valori dei parametri di processo
impostati sulla macchina al fine di riportare il prodotto entro gli standard richiesti. Tali aggiustamenti vengono effettuati
per tenere in considerazione le diversità che si presentano durante lo stampaggio nel materiale (lotti diversi oppure
stesso lotto ma differente contenuto di umidità), nelle condizioni ambientali (giornate umide, temperature ambientali
basse), ma soprattutto nelle condizioni operative della macchina (es.: surriscaldamenti, incrostazioni dei condotti di
iniezione). Essi sono solitamente contenuti entro il campo di variabilità di ±3% dei valori nominali indicati per ognuno
dei parametri di processo. Qualora si dovesse presentare la necessità di superare tale limite di regolazione, ciò
comporterebbe la ridefinizione completa dei valori nominali dei parametri di processo (detta “riomologazione del
prodotto”).
144
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Sulla base di queste considerazioni si è quindi ritenuto ragionevole stimare una variabilità di ±5°C
per le temperature e ±3 bar per la pressione idraulica e, sulla base di queste variabilità, ipotizzando
delle distribuzioni gaussiane centrate sulle regolazioni in grado di dare un pezzo in tolleranza, si
sono calcolate le deviazioni standard di ciascun singolo fattore (pari a 1/3 della variazione assoluta
stimata; Fig. 7.38).
µ = 40°C
σ = 1.66°C
µ = 41 bar
Post pressione
σ = 1 bar
145
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
146
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
L’elaborazione dei risultati della lunghezza del bordo esterno della cavità tramite il software
statistico Minitab 14 ha portato alla definizione dei coefficienti del modello di regressione del II
grado “full quadratic” per il raggio della cavità della vasca:
Radius[mm] = +271.27155 - 0.17474 ⋅ melt + 0.023376 ⋅ mold − 9.18827 E − 005 ⋅ pressure
− 1.81708 E − 004 ⋅ melt ⋅ mold + 2.39888 E − 005 ⋅ melt ⋅ pressure + 2.29904 E − 004 ⋅ mold ⋅ pressure
+ 3.88857 E − 004 ⋅ melt 2 − 5.34868 E − 005 ⋅ mold 2 + 7.30882 E − 005 ⋅ pressure 2
In tale modello compaiono tutti i termini fino al II grado poiché il piano non è replicato e quindi
non è possibile effettuare alcuna selezione dei termini sulla base dei p-value. In Fig. 7.39 è possibile
vedere una rappresentazione assonometrica della superficie di risposta del modello.
147
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Fig. 7.41 – Previsione di pezzi in tolleranza e fuori tolleranza (visualizzazione grafica al centro, conteggio a destra),
impostati i limiti di accettabilità per il raggio in studio (a sinistra).
148
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
È interessante osservare che il grafico dei contributi alla varianza della risposta dà indicazioni
sull’opportunità di intervenire anche a livello di valori medi delle dispersioni dei fattori oltre che di
sole varianze. Infatti, nella formula analitica che esprime la varianza della risposta in funzione della
varianza dei fattori (Eq. 6.7) compaiono appunto le varianze dei fattori moltiplicate per il quadrato
della derivata della funzione di regressione. Essendo le varianze dei fattori dello stesso ordine di
grandezza, un maggiore contributo della varianza di un fattore sulla varianza della risposta è in
questo caso indicatore anche di una maggiore pendenza della funzione che lega la risposta al fattore
considerato essendo gli altri costanti. Ciò è quindi garanzia che ad uno spostamento sensibile del
valore medio di un fattore (quantitativamente pari, ad esempio, alla deviazione standard:
149
Il caso “Vasca per lavatrice Whirlpool mod. CP4”
Dal grafico di Fig. 7.42 si può conseguentemente dedurre che un eventuale intervento correttivo che
riguardi la modifica delle deviazioni standard dei fattori oppure la modifica dei valori medi delle
distribuzioni, deve quindi interessare la temperatura degli stampi (mold temperature) e/o il valore
della pressione idraulica di mantenimento (hydraulic packing pressure) affinché sia efficace.
Si è quindi pensato di modificare il valore della pressione idraulica di mantenimento in accordo con
il segno che compare nel grafico di Fig. 7.42: al fine di avere una distribuzione dei raggi della cavità
più spostata a destra, quindi nel senso dei valori crescenti per il raggio, si è proposto di aumentare la
pressione di mantenimento (essendo positiva la correlazione tra pressione di mantenimento e
raggio).
Grazie alla possibilità, messa a disposizione dall’APV, di disporre della distribuzione dei valori
della risposta in corrispondenza ad una certa distribuzione dei fattori, si è quindi verificato che
l’intervento correttivo suggerito eliminasse del tutto la produzione non conforme. L’aumento di 4
bar (da 41 a 45 bar; “Setup 2”, Tab. 7.10) della pressione idraulica ha aumentato di 0.09 mm la
media della distribuzione della risposta al valore di 251.64 mm, un valore sufficiente a far rientrare
la distribuzione dell’intera produzione entro i limiti di accettabilità (Fig. 7.43).
Si noti che tale valore della pressione è del tutto accettabile anche nell’Ambiente di Prototipazione
Virtuale in quanto consente di non uscire con i valori di pressione dai limiti del piano delle
simulazioni (48 bar) nel momento in cui si consideri la distribuzione di frequenza dei valori di
pressione (in questo caso infatti: ± 3σ ≡ ± 3 bar). L’impostazione in produzione del valore calcolato
in questo modo ha infine confermato la previsione di annullamento dei componenti fuori tolleranza.
150
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
generare delle risposte con valori dei fattori anche differenti da quelli impostati come
livelli del piano delle simulazioni.
152
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
95
Si veda anche [15].
153
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
La forma del componente è, in prima approssimazione, a doppio bicchiere, costituita cioè da due
cilindri sovrapposti e separati da una flangia centrale forata (Fig. 8.3).
estrazione”).
Esso presenta inoltre una serie di features che ne completano la geometria assolvendo le diverse
esigenze (funzionali, meccaniche e normative) richieste ad un prodotto di questo tipo (Fig. 8.4, Fig.
8.5):
• Una sede per l’alloggiamento dei cuscinetti volventi dell’albero motore attorno al foro
centrale;
• Quattro asole per il fissaggio del componente alla cassa motore e altrettante sedi per il
collegamento mediante viti con la voluta;
• Un bordo posteriore per il posizionamento della flangia sulla cassa motore;
154
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
• Un vano laterale per il passaggio dello spinotto di alimentazione del motore elettrico;
• Uno sfiato, situato nella parte opposta dell’interruttore, per evitare la formazione di
condensa nel vano motore;
• Un aggancio per il fissaggio della piastrina di messa a terra del motore elettrico.
Uscita
condensa
Attacco per
collegamento a
Foro per l’albero massa
motore
Il componente viene prodotto in PA66 caricata con il 50% di fibra di vetro ed utilizzando la
tecnologia dello stampaggio per iniezione; nella tabella seguente (Tab. 8.1) sono raccolte
sinteticamente tutte le informazioni riguardanti il processo di produzione. Di seguito è possibile
leggere anche alcune specifiche di dettaglio riguardanti il materiale plastico direttamente sulla
scheda del produttore (Fig. 8.6).
155
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
96
Scheda tratta da: http://lambda.lati.it/documentazione/FogliTecnici/Italiano/LATAMID_66_H2_G_50_.PDF .
97
La forma a doppio bicchiere è penalizzante proprio perché il pezzo è concavo anche nel lato da cui avviene
l’iniezione: le camere calde devono necessariamente passare nella porzione di stampo compresa tra i bordi che si
interfacciano con il motore elettrico e quindi risultano essere particolarmente vicine alle cavità riempite dal polimero.
156
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Resp2
Resp1
Resp4
Su questi diametri sono state imposte in fase di progettazione delle strette tolleranze dimensionali
(Tab. 8.2) in quanto dal loro valore viene a dipendere la possibilità o meno di un corretto
assemblaggio della flangia motore con gli altri componenti con cui si interfaccia nonché la
157
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
presenza, in fase di esercizio, di eventuali vibrazioni del cuscinetto volvente per l’albero motore o
di perdite di acqua dalla voluta.
Tab. 8.2 – Valori nominali e tolleranze dimensionali imposte ai diametri di Fig. 8.8.
Resp1 Resp2 Resp3 Resp4
Valore nominale (mm) 47.00 35.00 110.00 69.40
-0.03 +0.15 +0.12
Tolleranza (mm) ±0.10
-0.07 +0.10 +0.00
46.97 35.15 110.12 69.50
Campo di accettabilità (mm)
46.93 35.10 110.00 69.30
Si è quindi eseguita una serie di spurghi, vale a dire di stampate in aria (Fig. 8.9, Fig. 8.10), senza
stampo, sulla questa macchina di iniezione, utilizzando il materiale con cui successivamente
sarebbe stata prodotta la flangia (LATI Latamid 66 H2 G/50) e un campo di variazione dei
parametri di processo tipici della finestra di processabilità del polimero.
Fig. 8.9 – Diversi istanti durante la prova di spurgo macchina; a sinistra emissione del materiale plastico, a destra
termine della fase di espulsione del materiale.
Fig. 8.10 – Materiale plastico espulso durante l’esecuzione dell’esperimento e raccolto nella zona sottostante all’ugello.
L’obiettivo della sperimentazione eseguita era individuare la dipendenza della pressione idraulica
dalla velocità di traslazione della vite pistonante (in seguito: “velocità vite”) e dalla temperatura
delle fasce riscaldanti del cilindro (in seguito: “temperatura cilindro”) al fine di stimare le
resistenze opposte al flusso per quanto concerne la parte del sistema di alimentazione a monte
dell’ugello macchina.
Per raccogliere in maniera più efficiente le informazioni sperimentali, l’indagine dell’influenza dei
parametri di processo prima elencati sulle risposte è stata eseguita tramite un piano sperimentale,
del tipo fattoriale a due fattori e due livelli, a cui è stato aggiunto un punto centrale per un totale di
cinque combinazioni dei fattori (Tab. 8.3, Tab. 8.4).
159
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Il profilo impostato per la velocità di traslazione della vite è un profilo ad un solo valore cioè
costante, le prescrizioni del piano sperimentale si riferiscono appunto a quel valore.
Per quanto riguarda la temperatura delle fasce riscaldanti del cilindro, le prescrizioni si
riferiscono a tre differenti zone delle sette presenti sulla macchina utilizzata (corrispondenti
all’ugello e alla parte del cilindro entro cui avviene la plastificazione), la cui temperatura è stata
fatta variare in contemporanea e tutta agli stessi livelli (Fig. 8.11) e sulla base della quale venivano
di conseguenza regolate anche le temperature delle restanti quattro fasce del cilindro (secondo tipici
profili di temperatura per il cilindro delle macchine di iniezione, indicati dal produttore del
polimero).
Fig. 8.11 – Parte del “cartellino di lavorazione” (o scheda di produzione) in cui si indicano le temperature delle fasce
riscaldanti del cilindro oggetto di prescrizione diretta nel piano sperimentale.
A causa del lungo tempo richiesto dalla macchina per raffreddare il cilindro (oltre 10 minuti per
passare ad esempio da 318°C a 310°C), le prove sono state eseguite in modo da avere le
temperature delle fasce riscaldanti crescenti dalla prima all’ultima prova. L’adeguamento delle
temperature in crescere è infatti più rapido in quanto controllato direttamente tramite l’attivazione
delle fasce riscaldanti interessate dalla nuova regolazione; il raffreddamento è molto più lungo in
quanto effettuato solo tramite meccanismi passivi di dispersione del calore. Si è inoltre prevista una
serie di espulsioni di fuso intermedie tra quelle registrate affinché la macchina si portasse di volta in
volta a regime.
I due parametri controllati sopra elencati (fattori) sono stati impostati in accordo alle prescrizioni
160
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
del piano sperimentale e, per ogni trattamento, la macchina ha visualizzato il profilo della pressione
fornita al circuito idraulico e riportata alla camera di plastificazione tramite il fattore di leva
idraulica98, necessaria per mantenere la velocità di traslazione costante impostata.
Tale profilo ha presentato in tutti i casi indagati un andamento similare (Fig. 8.12), caratterizzato da
un picco iniziale seguito da un plateau costante esteso in maniera proporzionale alla quantità di
carica espulsa dalla macchina.
Nella seguente Tab. 8.5 sono riportati i valori di pressione rilavati alla macchina di iniezione.
Tab. 8.5 – Combinazioni di fattori indagate e relative rilevazioni di pressione (massima e di plateau).
Combinazione Condizioni di Processo Pressioni alla camera di plastificazione
di fattori Temp. Fuso [°C] Velocità [mm/s] Picco [MPa] Plateau [MPa]
1 318 80 46.8 42.0
2 318 98 66.8 57.4
3 314 89 59.0 52.8
4 310 80 48.6 42.7
5 310 98 68.5 63.2
98
Tutti i valori di pressione presenti in questo capitolo vengono rilevati al circuito idraulico della macchina e riportati
alla camera di plastificazione per via software tramite applicazione del fattore di leva idraulica (intensification ratio);
non sono quindi il risultato di una rilevazione diretta tramite un trasduttore posizionato sul cilindro di plastificazione.
161
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Fig. 8.13 – Plastificatore della macchina di iniezione ARBURG Allrounder 570C 2000-800 (a sinistra) e particolare
dell’ugello macchina (a destra) (da: http://www.arburg.com/com/common/download/web_522558_it.pdf).
Fig. 8.14 – Sezione longitudinale dell’ugello della macchina di iniezione (fonte: ARBURG) e ricostruzione dei volumi
interni entro cui scorre il fuso (nella figura: sezione di rivoluzione quotata).
Tale parte del sistema di alimentazione è stata quindi modellata all’interno di MPI tramite elementi
“beam” ed è stata accoppiata con un volume di forma semplice, modellato invece con elementi
piani di tipo Fusion (Fig. 8.15). Questo solido fittizio (100×100×7 mm), non presente nella realtà, è
stato introdotto all’interno di MPI al fine di permettere l’effettuazione di prove di spurgo virtuali
all’interno dell’ambiente di simulazione. Esso costituisce infatti un volume destinato ad accogliere
il polimero in uscita dall’ugello durante una simulazione di riempimento (fill analysis) ed è stato di
volta in volta impostato alla stessa temperatura del fuso affinché non sopraggiungessero fenomeni
di solidificazione del fuso a contatto con le sue pareti ad influenzare la pressione registrata.
Sistema di
alimentazione
162
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fig. 8.18 –
Curve p-v-T e
relativi
coefficienti
(modello di Tait)
per il Latamid 66
H2 G/50.
163
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
164
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fig. 8.21 – Scheda tecnica99 della macchina di iniezione ARBURG Allrounder 570 C 2000/800 - Ø55 mm.
99
Scheda tratta da: http://www.arburg.com/com/common/download/web_522558_it.pdf .
100
Con una mesh di tipo “midplane” non è possibile aumentare troppo lo spessore per eliminare l’influenza delle pareti
del volume destinato ad accogliere il polimero in quanto gli spessori troppo elevati causerebbero problemi di calcolo; in
particolare [47, pag. 11]: “The same thickness ratio limitations that apply for midplane mesh models also apply to Dual
Domain mesh models”; “the average of the length and width of any local region should be greater than four times the
local thickness […]. A more conservative rule is: the width should not be less than ten times the thickness of a
particular section”. La mesh indicata per spessori maggiori è la tetraedrica (3D), che in questo caso non si è voluto
utilizzare affinché la calibrazione fosse fatta su un modello coerente dal punto di vista del tipo di elementi utilizzati e
degli algoritmi di calcolo (e quindi conservasse la sua validità) con quello delle cavità della flangia motore.
165
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Fig. 8.23 – Simulazione della prova di spurgo macchina tramite esecuzione di un’analisi di fill; a sinistra, particolare del
riempimento a 0.047 s (temperatura del fuso = 310°C, portata = 233 cm3/s) e, a destra, curva completa di pressione
registrata al punto di iniezione (cono giallo della figura di sinistra).
La Tab. 8.4 mostra le cinque combinazioni di fattori. Nella stessa tabella si è riportato anche il
valore nominale della portata del fuso, ricavato a partire dalla velocità di traslazione e dal diametro
della vite di plastificazione ed utilizzato nell’impostazione delle simulazioni in luogo della velocità
di traslazione della vite.
Modificando il valore dei coefficienti c1, c2 e d3, non definiti nel modello del materiale plastico, è
stato possibile modificare il livello di pressione predetto dal FEM per l’efflusso del fuso dal sistema
di alimentazione modellato fino a portarlo agli stessi valori registrati durante la sperimentazione.
In Tab. 8.7 sono riportati i valori dei coefficienti c1, c2 e d3 risultanti dall’operazione di calibrazione
del software tramite la prova di spurgo, mentre in Fig. 8.24 sono visibili le relative curve di
pressione ottenute al calcolatore.
166
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
50
40
0
0 0.1 0.2 0.3 0.4
Time (s)
Da un confronto dei valori delle pressioni di picco alla camera di plastificazione (Tab. 8.8, Fig.
8.25) ottenute sperimentalmente con le analoghe letture al calcolatore al termine del processo di
ricerca dei coefficienti (vale a dire con i valori di Tab. 8.7), si evidenzia una buona coincidenza: lo
scostamento percentuale dei valori del FEM rispetto a quelli sperimentali è minore del 9%. I
coefficienti così trovati sono quindi stati utilizzati anche per il modello FEM completo (§8.4).
60
50
40
30
20
1 2 3 4 5
Discharging test
167
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
al nozzle) ed avendo già definito in MPI il materiale plastico (completo anche dei coefficienti c1, c2
e d3 grazie all’attività di calibrazione basata sui dati della prova di spurgo), nonché la macchina di
iniezione, si è quindi completato il modello FEM della flangia motore con i seguenti interventi:
• completamento del sistema di alimentazione tramite trasposizione dei condotti delle camere
calde, degli ugelli ed unione con la parte di sistema di alimentazione utilizzata nelle prove di
spurgo (Fig. 8.26, Fig. 8.28);
• modellazione delle due cavità per lo stampaggio della flangia motore (Fig. 8.26, Fig. 8.27,
Fig. 8.29) e schematizzazione della sagoma esterna dello stampo (Fig. 8.26);
• selezione di un file per il materiale metallico degli stampi;
• modellazione del sistema di raffreddamento e individuazione della soluzione di
condizionamento (Fig. 8.26).
Realtà
Moldflow Palstic
Insight©
Fig. 8.26 – Panoramica dei componenti del modello CAD e la cui trasposizione in MPI ha interessato questa fase (a
partire da in alto a sinistra: cavità, sistema di alimentazione a camere calde, sistema di condizionamento, sagoma
esterna dello stampo.
Le geometrie della cavità per la creazione del componente, dello stampo, delle camere calde e del
sistema di condizionamento degli stampi sono state tutte ricavate a partire da disegni
tridimensionali forniti da Dizeta Plast:
• La geometria delle due cavità per la realizzazione del componente sono state importate
tramite un file di tipo stl (stereolitography) e poi meshate all’interno di MPI con una mesh
168
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
di tipo “Fusion”101 (Fig. 8.27); ciascuna cavità (circa 26150 triangoli per impronta) è stata
ottenuta unendo opportunamente due mesh di taglie differenti generate sulla stessa
geometria importata (Fig. 8.27): una piuttosto grossolana (19250 triangoli) ed un’altra
particolarmente fitta (65800 triangoli). In questo modo si è ottenuta un’ottima descrizione
della geometria nei punti di interesse a fronte di un aumento contenuto del numero di
elementi per ciascuna cavità rispetto alla una mesh grossolana.
• il sistema di alimentazione, del tipo “a canali caldi”, e il sistema di condizionamento degli
stampi sono stati disegnati per coordinate direttamente nel preprocessore MPI (sulla base di
dati forniti sempre da Dizeta Plast) e lì meshati con elementi beam (Fig. 8.28, Fig. 8.29).
Fig. 8.27 – Ottenimento della mesh definitiva di un’impronta della cavità del componente (a destra, 26150 triangoli)
come unione di due mesh di taglie differenti (grossolana a sinistra, 19250 triangoli, e fitta al centro, 65800 triangoli
totali, prima del ritaglio) opportunamente ritagliate.
a’ b’ c' d’ e’ f’
d
i
a b c e f g h
Fig. 8.28 – Geometria del sistema di alimentazione completo (a: L 80 ∅e12/∅i5, b: L 88 ∅ 12, c: L 12 ∅ 12-8, d: L 10
∅3.1, e: L 6.9 ∅ 4-12, f: L 86 ∅12, g: L 10.25 ∅ 12-20.5, h: L 17.25 ∅ 20.5-55, i: L 5 ∅ 15-55; per l’estremità si
hanno invece 6 zone, a’: L 3.6 ∅ 3-5.7, b’: L 3.45 ∅5.7, c’: L 5.4 ∅ 5.7-9.45, d’: L 1.75 ∅ 9.45-10, e’: L 8.2 ∅10, f’: L
15.6 ∅ 10-12).
101
Si veda la nota 90.
169
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
A seguito di questi interventi si è giunti ad un modello dello stampo per la flangia motore composto
di quasi 54000 elementi, la cui ripartizione tra i vari componenti (due impronte102, sistema di
alimentazione e di raffreddamento, sagoma esterna dello stampo) è riportata nella seguente Tab.
7.2, assieme ad altri dati.
Tab. 8.9 – Presentazione dei vari componenti del modello del componente “Flangia motore mod. K3”.
Componenti Nodi Elementi Volume [cm3] Area [cm2]
Impronte 26122 52320 280.185 1732.77
Sistema di alimentazione 161 159 169.669 n.d.
Sistema di condizionamento 799 800 n.d. n.d.
Stampo esterno 340 676 73261.184 10840.5
102
Si noti che non è stato possibile modellare solo metà modello e successivamente imporre opportune condizioni di
simmetria/antisimmetria (operazione usuale nei FEM strutturali) in quanto tali vincoli non sono definiti nel programma
MPI e, nello specifico caso in esame, esiste un’antisimmetria per quanto riguarda i canali di condizionamento (le due
impronte non sono indipendenti).
170
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
120
Fig. 8.31 – Curve di solidificazione ed ebollizione
calcolate per la soluzione di condizionamento degli stampi
100
a varie percentuali in peso di glicole.
80 T ebolliz
T solidif
60
40
T [°C]
20
0
0 10 20 30 40 50
-20
-40
-60
% w glicole
103
Le formule a cui si è fatto riferimento sono le seguenti: ∆Tc = K c ⋅ ml , ml = n moli _ soluto m solvente ,
m = n moli ⋅ PM (∆Tc abbassamento della temperatura di solidificazione della soluzione rispetto a quella del solvente,
Kc costante crioscopica dell’acqua, pari a 1.86°C kg/mole, ml molalità, m massa, PM peso molecolare).
171
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
172
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
temperatura degli stampi (mould temperature), (iii) la pressione di mantenimento o post pressione
(packing pressure).
Le indicazioni del fornitore del polimero sono state quindi utilizzate come regolazioni “nominali”
per la progettazione del piano delle simulazioni; in base alla finestra di lavorabilità del materiale, è
stato possibile individuare, per i tre parametri di processo sopra citati, gli estremi dei campi di
variazione, equidistanti dai valori nominali, da utilizzare per stilare il piano delle simulazioni (Tab.
8.11) avente come scopo l’esplorazione di diverse combinazioni di processo (§8.1.3). Anche in
questo caso si sono definiti tre livelli per ciascun fattore, in modo da poter individuare eventuali
curvature della superficie di risposta.
Tutti gli altri parametri di processo (tempi e lunghezze caratteristiche, profilo di velocità della vite)
sono stati mantenuti costanti in tutte le simulazioni ed impostati ai valori indicati dal fornitore del
materiale (in particolare: velocità di traslazione della vite 80 mm/s, tempo di mantenimento 9 s; v.
Tab. 8.10).
173
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Fig. 8.34 – Modello della cavità per la creazione della flangia motore utilizzato
per la conduzione delle prime simulazioni di riempimento, mantenimento e
deformazione; il cono giallo indica il punto di ingresso del polimero nella cavità.
Vista la finalità dell’APV applicato a questo caso, i livelli estremi dei fattori nel piano di
simulazioni risultano correttamente essere più ampi della variabilità stimata di ciascun singolo
fattore. Questi campi di variabilità appena individuati serviranno poi per generare, tramite il metodo
Monte Carlo, le distribuzioni di probabilità delle variabili di risposta in corrispondenza a
determinate condizioni di processo.
174
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Temperatura fuso
µ = 318°C simulazioni; in particolare, le gaussiane
σ = 1°C rappresentate figura sono centrate sulle
regolazioni suggerite dal produttore del
materiale.
Temperatura stampi
µ = 90°C
σ = 0.67°C
µ = 850 bar
Post pressione
σ = 13.33 bar
175
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Simulazione Temperatura fuso [°C] Temperatura stampi [°C] Post pressione [bar]
10 326 85 850
11 326 90 950
12 326 90 750
13 326 95 850
Osservando i risultati e confrontandoli con i limiti di accettabilità di ciascuna risposta (Tab. 8.2), è
possibile formulare i seguenti commenti:
• le previsioni per le risposte “Resp1” e “Resp2” risultano essere sempre al di fuori del range
di accettabilità (in particolare tutti i tredici valori si collocano al di sotto dei rispettivi limiti
di tolleranza, pari a 46.93 mm e 35.10 mm);
176
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
• le previsioni per la risposta “Resp3” sono sempre all’interno del campo di accettabilità;
• le previsioni per la risposta “Resp4” fluttuano attorno al valore superiore del campo di
tolleranza (69.50 mm) e quindi sono solo parzialmente accettabili.
L’obiettivo di individuare una combinazione dei parametri di processo all’interno dei campi di
indagine studiati, tale da portare in tolleranza tutte le quattro risposte considerate, appare quindi non
percorribile a meno di modifiche della geometria delle cavità, la cui proposta va oltre quello che è
lo scopo del presente lavoro.
Per questa ragione ci si è posti un nuovo obiettivo che può essere espresso come segue:
“trovare una combinazione dei parametri di processo che permetta di ottenere pezzi i cui diametri:
• “Resp3” e “Resp4” (diametri degli alloggiamenti per il motore elettrico e per la voluta)
risultino conformi in relazione ai relativi campi di tolleranza, e
• “Resp1” e “Resp2” si avvicinino quanto più possibile al campo di tolleranza”.
Poiché la combinazione dei livelli dei fattori adottata nella simulazione n.7 sembrava soddisfare
questo obiettivo (“Resp3” e “Resp4” in tolleranza, “Resp1” e “Resp2” a valori tra i più alti
registrati), essa è stata scelta come punto di partenza per una valutazione di robustezza e la ricerca
di eventuali regolazioni migliori (§8.6.1).
L’elaborazione dei risultati della lunghezza del diametro di alloggiamento della voluta (“Resp4”), il
più critico tra i quattro indagati in quanto con valori prossimi al limite di accettabilità, ha portato
alla definizione dei coefficienti del modello di regressione del II grado “full quadratic” per questa
dimensione:
177
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
Come per il caso-studio precedente, anche in questo caso nel modello compaiono tutti i termini fino
al II grado poiché il piano non è replicato e quindi non è possibile effettuare alcuna selezione dei
termini sulla base dei p-value. In Fig. 8.36 è possibile vedere una rappresentazione assonometrica
della superficie di risposta del modello.
178
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Fig. 8.37 – Distribuzione di frequenza prevista per la risposta “Resp4” con le impostazioni della simulazione n.7; in rosa
i componenti fuori del campo di tolleranza.
La distribuzione così originata ha evidenziato un valore medio del diametro di 69.4966 mm, quindi
in tolleranza, ed una deviazione standard di 0.0021 mm.
Impostando i due limiti di accettabilità (69.30 e 69.50 mm) è possibile visualizzare direttamente
sull’istogramma delle densità di frequenza gli eventuali valori al di fuori di tali limiti ed avere un
conteggio in tempo reale della percentuale di campioni accettabili (in rosa in Fig. 8.37). Sebbene il
valore medio sia entro le specifiche, a causa della sua vicinanza al limite superiore di accettabilità,
la previsione mostra che esiste una percentuale di misure fuori tolleranza (quindi di componenti non
accettabili) pari al 4% circa. La combinazione di valori scelta risulta pertanto essere non accettabile.
Al fine di abbassare il valore della risposta è necessario allora scegliere una combinazione di fattori
179
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
che abbia una pressione di mantenimento minore e/o una temperatura del fuso minore e/o una
temperature dello stampo maggiore.
Si è quindi deciso di valutare la distribuzione delle misure del diametro Resp4 anche in
corrispondenza alle impostazioni della Simulazione n. 9 (Tab. 8.14). Per questi valori dei fattori, i
cui valori risultano effettivamente coerenti con le indicazioni sopra enunciate e dedotte dal grafico
di Fig. 8.38, il FEM aveva infatti previsto un valore medio della Resp4 maggiormente discosto dal
limite di tolleranza rispetto al caso precedente.
La distribuzione dei valori della risposta per questo secondo caso (Simulazione n.9) ha mostrato una
produzione tutta compresa entro i limiti, avente in particolare un valore medio di “Resp4” pari a
69.4789 mm ed una deviazione standard di 0.0016 mm (Fig. 8.39).
Grazie all’azzeramento della percentuale di componenti fuori tolleranza, questa soluzione può
essere a buon diritto considerata come migliore e più robusta della precedente.
Fig. 8.39 – Distribuzione di frequenza prevista per la risposta “Resp4” con le impostazioni della simulazione n. 9; come
si può osservare anche visivamente (l’istogramma ha tutte le barre blu) l’intera produzione prevista risulta entro i limiti
di tolleranza.
180
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
sono stati disponibili, è stato possibile ripercorrere il piano delle simulazioni anche per via
sperimentale e quindi disporre di pezzi da misurare successivamente tramite una macchina di
misura a coordinate. In questo modo i risultati dell’applicazione dell’APV al caso in studio hanno
avuto un’importante validazione sperimentale.
Nell’istogramma di Fig. 8.40 si mostrano a confronto le misurazioni sperimentali (in bianco) con le
previsioni del FEM (a colori) per il diametro dell’alloggiamento della voluta (“Resp4”) nei tredici
casi previsti dal piano, riportate anche in Tab. 8.15.
L’errore massimo per questa risposta è pari a 20 µm: è ragionevole quindi affermare che il FEM
può considerarsi calibrato e capace di fornire previsioni attendibili.
69.52
voluta (“Resp4”).
69.50
69.48
69.46
69.44
1 2 3 4 5 6 7 8 9 10 11 12 13
Simulation
Tab. 8.15 – Risultati FEM e sperimentali riguardanti il diametro dell’alloggiamento della voluta (“Resp4”).
Parametri di processo Resp4 [mm]
Simulazione
Temp. Fuso [°C] T. Stampi [°C] Pr. Mant. [bar] FEM Sperim.
1 310 85 850 69.50 69.52
2 310 90 750 69.48 69.50
3 310 90 950 69.51 69.53
4 310 95 850 69.49 69.49
5 318 85 750 69.49 69.51
6 318 85 950 69.52 69.52
7 318 90 850 69.50 69.50
8 318 95 950 69.49 69.49
9 318 95 750 69.48 69.48
10 326 85 850 69.51 69.51
11 326 90 950 69.52 69.52
12 326 90 750 69.49 69.49
13 326 95 850 69.50 69.48
Un’ulteriore conferma della bontà della calibrazione effettuata è venuta anche dal confronto
qualitativo (caso 7 del piano) tra i fronti di avanzamento previsti dal FEM in istanti diversi e quelli
181
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
ottenuti arrestando il riempimento degli stampi (quindi provocando intenzionalmente degli short
shot104; Fig. 8.41).
Fig. 8.41 – Confronto tra i fronti di avanzamento previsti dal FEM in istanti diversi (a sinistra dopo 1.01s, cioè al 67.0%
del riempimento, a destra dopo 1.52 s cioè al 96.5% del riempimento) e quelli ottenuti arrestando il riempimento degli
stampi.
Per quanto riguarda la valutazione della dispersione statistica delle misure, l’azienda Dizeta Plast ha
acconsentito ad effettuare una piccola produzione di componenti (meno di 20 pezzi in totale) con le
impostazioni dei fattori adottate rispettivamente nelle simulazioni 7 e 9.
In Fig. 8.42 è possibile vedere la distribuzione della densità di frequenza delle misurazioni (8 in
tutto) del diametro dell’alloggiamento della voluta “Resp4” con le impostazioni del trattamento 7.
Essa presenta un valore medio di 69.50 mm, una deviazione standard di 0.0053 mm ed una sola
parte fuori tolleranza. La deviazione standard dell’intera popolazione calcolata a partire dal
campione a disposizione ha un valore circa doppio rispetto a quello previsto (0.0053 mm rispetto a
0.0021 mm) a causa del ristretto numero di componenti misurati.
104
La verifica di una corretta calibrazione del FEM può essere eseguita tramite confronto di più short shot intenzionali
(stampate il cui riempimento delle cavità è stato volutamente arrestato nella macchina a diversi istanti di tempo) con le
isocrone di riempimento date dalla simulazione. In [42] l’applicazione del metodo dei riempimenti arrestati che si fa in
questo caso riguarda la taratura di MPI per la previsione del riempimento di uno stampo con cera fusa; il metodo è
comunque estendibile con successo anche alla plastica fusa.
182
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
Le impostazioni corrispondenti al trattamento n.9 hanno dato pezzi (8 in totale) tutti in tolleranza.
Si può quindi affermare che anche il modello di regressione calcolato a partire dai risultati numerici
sia efficace e che le dispersioni impostate ai parametri di processo abbiano generato una previsione
della distribuzione della produzione non lontana dalla realtà.
183
Il caso “Flangia motore per idropulitrice Dizeta Plast mod. K3”
184
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
CAP. 9 Conclusioni
In questa tesi si è analizzato il processo di stampaggio per iniezione per poi sviluppare un Ambiente
di Prototipazione Virtuale capace di anticipare la maggior parte delle attività di messa a punto del
processo stesso dall’ambiente produttivo alla fase di progettazione in accordo con i principî del
Concurrent Engineering. In tale Ambiente sono state integrate più metodologie: il metodo degli
Elementi Finiti, il metodo Monte Carlo e le tecniche di Progettazione degli Esperimenti – DoE e di
Modellazione delle Superfici di Risposta – Response Surface Modelling.
Si è inoltre sviluppata una procedura di calibrazione del software FEM per l’ottenimento di modelli
numerici affidabili tramite una sperimentazione che non faccia uso di alcuno stampo, e si è definita
una procedura integrata in sei step, facente uso di tali metodologie (FEM, DoE, RSM e Metodo
Monte Carlo) e che porta a disporre dell’Ambiente di Prototipazione Virtuale sopra esposto per
un’efficace analisi preventiva del processo produttivo e della robustezza dello stesso.
185
Conclusioni
186
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
CAP. 10 Bibliografia
13. BERNI R., Il disegno dei parametri di Taguchi, Università degli Studi di Firenze, Dipartimento
di Statistica, 1998
14. BERTI G. A., MONTI M., BIETRESATO M., A new approach for robust design of injection
moulding process based on the integration of FEM, RSM and stochastic simulations, 8th
A.I.Te.M. Conference - Enhancing the Science of Manufacturing – Proceedings, Montecatini
Terme (PT), 10-12 settembre 2007, 53-54
15. BERTI G. A., MONTI M., BIETRESATO M., Robust design by virtual prototyping of injection
moulding process, CIRP ICME Conference – Proceedings, Napoli, 22-25 luglio 2008
16. BIKAS A., PANTELELIS N., KANARACHOS A., Computational tools for the optimal design of the
injection moulding process, Journal of Materials Processing Technology 122 (2002) 112–126
17. CASTRO J., Comparison of Moldflow with Analytical Solutions, Ohio
18. CAVANNA T., FRANZESE E., LIMITI E., PELOSI G., SELLERI S., SURIANI A., Valutazione tramite
il metodo degli elementi finiti dell’effetto delle tolleranze di lavorazione sul comportamento
elettromagnetico di una transizione a onde millimetriche, Quaderni della Società Italiana di
Elettromagnetismo - vol. 1, 2 (luglio 2005), 48-52
19. CHAN F.T.S., LAU H.C.W., JIANG B., In-line process conditions monitoring expert system for
injection molding, Journal of Materials Processing Technology 101 (2000) 268-274
20. CHANG R.-Y., HUANG S.-H., YANG W.-L., CHEN I.-Y., LAI C.-C., A novel computer simulation
technology for the cooling analysis of complex injection moulded parts, Society of Plastics
Engineers, ANTEC Proceedings, Joanne Drinan, (2000) 449-452
21. CHANG S.-H., HWANG J.-R., DOONG J.-L., Optimization of the injection moulding process of
short glass fiber reinforced polycarbonate composites using grey relational analysis, Journal
of Materials Processing Technology 97 (2000) 186–193
22. CHANG T.C., Teaching design for manufacturing using computer–aided techniques, The
Journal of Technology Studies 101-108
23. CHANGYU S., LIXIA W., QIAN L., Optimization of injection moulding process parameters
using combination of artificial neural network and genetic algorithm method, Journal of
Materials Processing Technology 183 (2007) 412–418
24. CHEN X., GAO F., A study of packing profile on injection moulded part quality, Materials
Science and Engineering A358 (2003) 205-213
25. CHIANG K.-T., CHANG F.-P., Application of grey-fuzzy logic on the optimal process design of
an injection-molded part with a thin shell feature, International Communications in Heat and
Mass Transfer 33 (2006) 94– 101
26. CHIANG K.-T., The optimal process conditions of an injection-moulded thermoplastic part
188
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
with a thin shell feature using grey-fuzzy logic: a case study on machining the PC/ABS cell
phone shell, Materials and Design 28 (2007) 1851–1860
27. CHUN D.H., Cavity filling analysis of injection moulding simulation: bubble and weld line
formation, Journal of Materials Processing Technology 89-90 (1999) 177–181
28. CHUNG T.N., PLICHTA C., MENNIG G., Flow disturbance in polymer melt behind an obstacle,
Rheol. Acta 37:299–305 (1998)
29. COLTON J.S., CRAWFORD J., PHAM G., RODET V., Failure of Rapid Prototype Moulds during
Injection Moulding, CIRP Annals - Manufacturing Technology, Volume 50, Issue 1 (2001)
129-132
30. DAWSON A., RIDES M., NOTTAY J., The effect of pressure on the thermal conductivity of
polymer melts, Polymer Testing 25 (2006) 268–275
31. DAWSON A., RIDES M., URQUHART J., BROWN C. S., Thermal conductivity of polymer melts
and implications of uncertainties in data for process simulation, The 17th European
Conference on Thermophysical Properties - proceedings, Bratislava, Slovak Republic, 5-8
settembre 2005
32. DEMIRER A., SOYDAN Y., KAPTI A.O., An experimental investigation of the effects of hot
runner system on injection moulding process in comparison with conventional runner system,
Materials and Design 28 (2007) 1467–1476
33. DIMLA D.E., CAMILOTTO M., MIANI F., Design and optimisation of conformal cooling
channels in injection moulding tools, Journal of Materials Processing Technology 164–165
(2005) 1294–1300
34. ERZURUMLU T., OZCELIK B., Minimization of warpage and sink index in injection-molded
thermoplastic parts using Taguchi optimization method, Materials and Design 27 (2006) 853–
861
35. FERREIRA J.C., MATEUS A., Studies of rapid soft tooling with conformal cooling channels for
plastic injection moulding, Journal of Materials Processing Technology 142 (2003) 508–516
36. FOX C.W., POSLINSKI A.J., KAZMER D.O., Correlation of spiral and radial flow lengths for
injection-molded thermoplastic parts, Society of Plastics Engineers, ANTEC (1998)
37. GABOR J., KOVACS J., Analyzing the warpage in the injection moulding using SLS tool inserts,
Advenced manufacturing Systems and Technologies, CISM Courses and Lectures Springer
Wien New York, 437 (2002) 449-456
38. GALANTUCCI L.M., PERCOCO G., SPINA R., TRICARICO L., Evaluation of warpage of injection
moulded parts using RE and FEM approaches, CISM Courses and Lectures 437 (2002),
Springer Wien New York, 441-448
189
Bibliografia
39. GALANTUCCI L.M., SPINA R., Evaluation of filling conditions of injection moulding by
integrating numerical simulations and experimental tests, Journal of Materials Processing
Technology 141 (2003) 266–275
40. GAO D.M., NGUYEN K.T., HETU J.-F., LAROCHE D., GARCIA-REJON A., Modelling of
Industrial Polymer Processes Injection moulding and blow moulding, Advanced Performance
Materials 5 (1998) 43–64
41. GARCIA N., GONZÁLEZ E., BASELGA J., BRAVO J., Critical thickness estimation in ISO-MC
cards injection using CAE tools, Journal of Materials Processing Technology 143–144 (2003)
491–494
42. GEBELIN J.-C., JOLLY M.R., CENDROWICZ A.M., CIRRE J. AND BLACKBURN S., Simulation of
die filling for the wax injection process Part 2, Vol. 35, No. 4 (2004) 761-768
43. GHIDINI F., CROPELLI S., Simulazione dello stampaggio ad iniezione uno dei filoni di attività
del progetto NUMA, Brescia Ricerche 57 (2006) 37-46
44. HUANG M.-S., Cavity pressure based grey prediction of the filling-to-packing switchover
point for injection moulding, Journal of Materials Processing Technology 183 (2007) 419–
424
45. HUANG M.-S., LIN T.-Y., An innovative regression-model based searching method for setting
the robust injection moulding parameters, Journal of Materials Processing Technology 198
(2008), 436-444
46. JAVIERRE C., FERNANDEZ A., AISA J., CLAVERIA I., Criteria on feeding system design:
conventional and sequential injection moulding, Journal of Materials Processing Technology
171 (2006) 373–384
47. JAWORSKI M., A mesh by any other name - is it still the same? How choice of mesh type
affects analysis outcomes, Flowfront, vol.4 issue 1 (aprile 2004), 11-14
48. JIN S., LAM Y.C., 2.5 D Cavity Balancing, Journal of Injection Molding Technology (2002)
6(4) 284-296.
49. KALLIEN L., Optimization of the injection moulding process for thermoplastics with 3D
simulation, Sigma Engineering GmbH internal document
50. KAPOOR D., KAZMER D., Comparison of sequential valve gate moulding to multi-cavity melt
control injection moulding, (1998) in http://kazmer.uml.edu/Staff/papers.htm
51. KARATAS C., SOZEN A., ARCAKLIOGLU E., ERGUNEY S., Modelling of yield length in the
mould of commercial plastics using artificial neural networks, Materials and Design 28
(2007) 278–286
52. KAZMER D, “Computer flow simulation”, SPE conference, 2001, (in
190
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
http://kazmer.uml.edu/Staff/Archive/2001SPE_Flow_Simulation.pdf)
53. KAZMER D., DANAI K., Control of polymer processing, The Control Handbook, CRC & IEEE
Press, 1999
54. KENIG S., BEN-DAVID A., OMERA M., SADEH A., Control of properties in injection moulding
by neural networks, Engineering Applications of Artificial Intelligence 14 (2001) 819–823
55. KIM C.H., YOUN J.R., Determination of residual stresses in injection-moulded flat plate
Simulation and experiments, Polymer Testing 26 (2007) 862-868
56. KIM H.S., SON J.S., IM Y.T., Gate location design in injection moulding of an automobile
junction box with integral hinges, Journal of Materials Processing Technology 140 (2003)
110–115
57. KINI S., SHIVPURI R., A response surface based fem approach for improving quality of forging
processes, 8th ICTP conference proceedings, Verona, (2005) 107-108
58. KINI S.D., An approach to integrating numerical and response surface models for robust
design of production systems, Ph.D thesis, Ohio State University, Industrial and Systems
Engineering, 2004
59. KOSZKUL J., NABIALEK J., Viscosity models in simulation of the filling stage of the injection
molding process, Journal of Materials Processing Technology 157–158 (2004) 183–187
60. KURTARAN H., OZCELIK B., ERZURUMLU T., Warpage optimization of a bus ceiling lamp base
using neural network model and genetic algorithm, Journal of Materials Processing
Technology 169 (2005) 314–319
61. KUZMAN K., NARDIN B., KOVAC M., JURKOSEK B., The integration of rapid prototyping and
CAE in mould manufacturing, Journal of Materials Processing Technology 111 (2001) 279–
285
62. KWAK T.S., SUZUKI T., BAE W.B., UEHARA Y., OHMORI H., Application of neural network
and computer simulation to improve surface profile of injection moulding optic lens, Journal
of Materials Processing Technology 170 (2005) 24–31
63. LAM Y.C., BRITTON G.A., LIU D.S., Optimisation of gate location with design constraints,
International Journal of Advanced Manufacturing Technologies (2004) 24: 560–566
64. LAU H.C.W., NING A., PUN K.F., CHIN K.S., Neural networks for the dimensional control of
molded parts based on a reverse process model, Journal of Materials Processing Technology
117 (2001) 89–96
65. LERKE N.D., Use of advanced structural simulation software to supplement MPI 3D,
NAFEMS seminar, 23-24 novembre 2005, Gothemburg, Sweden
66. LI C.C., A feature-based approach to injection mould cooling system design, Computer Aided
191
Bibliografia
192
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
193
Bibliografia
194
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
105. TOR S.B., LEE S.G., HIAN S.H. C.Y., A two-stage collapsible core for injection moulded
plastic parts with internal undercuts, International Journal of Machine Tools & Manufacture
40 (2000) 1215–1233
106. TSENG W.J., Statistical analysis of process parameters influencing dimensional control in
ceramic injection moulding, Journal of Materials Processing Technology 79 (1998) 242–250
107. VILELA PONTES A.J., Shrinkage and ejection forces in injection moulded products,
Universidad Do Minho, 2002
108. WANG K.K., ZHOU J., A Concurrent-Engineering Approach Toward the Online Adaptive
Control of Injection Molding Process, Annals of the CIRP Vol. 49/1/2000
109. WEIDENFELLER B., HOFER M., SCHILLING F.R., Cooling behaviour of particle filled
polypropylene during injection moulding process, Composites: Part A 36 (2005) 345–351
110. WILL J., BALDAUF H., Integration of computational robustness evaluations in virtual
dimensioning of passive passengers safety at the BMW AG, Berechnung und Simulation im
Fahrzeugbau, VDI-Berichte Nr.1976 (2006), 851-873
111. WILL J., BUCHER C., GANSER M., GROSSENBACHER K., Computation and visualization of
statistical measures on FE structures for forming simulations, Weimarer Optimierungs und
Stochastiktage 2.0, 1-2 dicembre 2005
112. WU C.-H., SU Y.-L., Optimization of wedge-shaped parts for injection molding and injection
compression moulding, Int. Comm. Heat Mass Transfer 30 (2003) 215-224
113. YAMAKAWA S., SHAW C., SHIMADA K., Layered tetrahedral meshing of thin-walled solids for
plastic injection moulding FEM, Computer-Aided Design 38 (2006) 315–326
114. YARLAGADDA P.K.D.V., Development of an integrated neural network system for prediction
of process parameters in metal injection moulding, Journal of Materials Processing
Technology 130–131 (2002) 315–320
115. YARLAGADDA P.K.D.W., KONG C.A.T., Development of a hybrid neural network system for
prediction of process parameters in injection moulding, Journal of Materials Processing
Technology 118 (2001) 110–116
116. YEN C., LIN J.C., LI W., HUANG M.F., An adductive neural network approach to the design of
runner dimensions for the minimization of warpage in injection mouldings, Journal of
Materials Processing Technology 174 (2006) 22–28
117. ZHENG R., KENNEDY P., PHAN-THIEN N., FAN X-J., Thermoviscoelastic simulation of
thermally and pressure-induced stresses in injection moulding for the prediction of shrinkage
and warpage for fibre-reinforced thermoplastics, Journal of Non-Newtonian Fluid Mech. 84
(1999) 159-190
195
Bibliografia
118. ZHOU H., GENG T., LI D., Numerical filling simulation of injection moulding based on 3D
finite element model, Journal of reinforced plastics and composites, Vol. 24, No. 8 (2005)
823-830
10.2 Libri
119. ANGRILLI F., Corso di misure meccaniche, termiche e collaudi, vol. 1, CEDAM, Padova,
2000
120. ASBHY M. F., Materials Selection in Mechanical Design, 3rd ed., Butterworth-Heinemann,
Oxford, 2005
121. BEAUMONT J., NAGEL R., SHERMAN R., Successful injection moulding – process, design and
simulation, Carl Hanser Verlag, Munich, 2002
122. BERTACCHI G., Manuale dello stampaggio progettato, Tecniche Nuove, Milano, 2002
123. BERTI G., MONTI M., SALMASO L., Introduzione alla metodologia DOE nella sperimentazione
meccanica- disegno sperimentale e superfici di risposta, CLEUP, Padova, 2002
124. BODINI G., BODINI R., CACCHI PESSANI F., Presse e stampi per lo stampaggio delle materie
plastiche, 3^ ed., Negri Bossi S.p.A., 1992
125. BOLISANI E., GALVAN R., La simulazione Monte Carlo: appunti integrativi, dispense on-line
dal corso di Economia Applicata all’Ingegneria per Ingegneria Gestionale, Vicenza, 2007
126. BONZANI S., Il disegno degli esperimenti - Esempi introduttivi, Dispense di Statistica
Aziendale per il Corso di Metodi quantitativi per la gestione aziendale, Università di Bergamo
A.A. 1997-‘98
127. BRÜCKNER S., ALLEGRA G., PEGORARO M., LA MANTIA F.P., Scienza e tecnologia dei
materiali polimerici, Edises, Napoli, 2004
128. CANOVI P.N., Le basi per ottenere qualità e produttività nello stampaggio, P.N. Canovi,
Ginevra, 2003
129. DE FILIPPI A.M., Fabbricazione di componenti in materiali polimerici, Ulrico Hoepli, Milano,
2004
130. ERTO P., Probabilità e statistica per le scienze e l’ingegneria, 2^ ed., McGraw Hill, Milano,
2004
131. GHETTI A., Idraulica, II ed., Libreria Cortina, Padova, 1981
132. GOZZELINO G., Materie plastiche – struttura, proprietà e applicazioni dei materiali
polimerici industriali, Ulrico Hoepli, Milano, 2007
133. LA MANTIA F.P., TITOMANLIO G., Fondamenti di tecnologia dei polimeri, Promaplast, Assago
196
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
(MI), 1995
134. MESSORI M., Appunti di Elementi di Viscoelasticità Lineare, Reologia e Reometria per il
corso di Tecnologia dei Polimeri, Modena, 2006
135. MONTGOMERY D.C., Progettazione e analisi degli esperimenti, McGraw-Hill, 2005
136. PANZAROTTO A., Progettare con le materie plastiche, 2^ ed., Promaplast, Assago (MI), 2002
137. PASTORINI N., Errori di progettazione con termoplastici, N. Pastorini, Ginevra, 2005
138. SCARINCI G., BERNARDO E., Introduzione ai materiali polimerici per Ingegneria dei
Materiali, Libreria Progetto, Padova, 2006
139. SHOEMAKER J., Duplicating an Actual Moulding Process in MPI
(http://www.moldflow.com/stp/english/products/mpimcc/downloads.php?cat_id=3)
140. SHOEMAKER J., Moldflow Design Guide, Carl Hanser Verlag, Munich, 2006
141. SPINELLI R., Stampi per materie plastiche, 2^ ed., Promaplast, Assago (MI), 2005
142. ZÖLLNER O., The fundamentals of shrinkage of thermoplastics, Bayer AG, Leverkusen, 2001
147. BASSO S., Modellazione numerica del processo di stampaggio ad iniezione di un componente
realizzato in poliammide caricata con fibre di vetro, tesi di Laurea triennale in Ingegneria
Gestionale, A.A. 2006-2007
148. BERGAMINI D., Analisi del processo di stampaggio ad iniezione mediante software ad
elementi finiti, tesi di Laurea triennale in Ingegneria Gestionale, A.A. 2006-‘07
149. CASTELLO A., Ottimizzazione del processo di stampaggio ad iniezione del componente
“flangia motore” attraverso l’applicazione di tecniche di Design of Experiments, tesi di
Laurea quinquennale in Ingegneria Gestionale, A.A. 2004-‘05
150. CONTRO P., Simulazione del processo di Injection Moulding di un componente di un
197
Bibliografia
198
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
105
Si veda anche [125].
199
Appendice: problematiche specifiche nell’applicazione del Metodo Monte Carlo
poi a leggere;
• numeri pseudocasuali: sono serie generate direttamente dal calcolatore secondo un
determinato algoritmo106. Si tratta della modalità di operare più diffusa anche se non la
migliore in assoluto107.
• numeri “quasi” casuali: sono anch’essi prodotti da un algoritmo, tuttavia con l’obiettivo di
non rappresentare una vera sequenza casuale ma una serie di numeri disposti in maniera
uniforme.
Se il modello analitico è stato individuato tramite applicazione del metodo RSM ai dati raccolti
durante una campagna sperimentale o di simulazioni applicata ad un sistema di produzione, come
negli esempi presentati in questo lavoro, il problema qui presentato non si pone.
L’analista, infatti, ha già potuto rendersi conto delle eventuali relazioni tra gli input tramite uno
studio preliminare del processo in esame e del sistema produttivo utilizzato, nonché verificando la
modalità di impostazione dei valori per i diversi parametri di processo. Di conseguenza il piano
sperimentale non contemplerà fin da subito il parametro dipendente dagli altri e il modello di
regressione trovato y = f 3 ( xi ) sarà funzione solo di variabili tra loro indipendenti.
106
Generalmente, i calcolatori utilizzano una funzione predefinita di generazione di numeri pseudocasuali che riproduce
una distribuzione uniforme. È possibile anche generare sequenze che riproducono distribuzioni non uniformi a partire
dalla distribuzione uniforme prima citata usando ad esempio il metodo della funzione di ripartizione inversa [130].
107
Si comprende evidentemente come in realtà creare numeri casuali con un algoritmo deterministico sia in sostanza
virtualmente impossibile. I numeri casuali generati da un calcolatore tuttavia sono ritenuti tali nella misura in cui essi
soddisfano i requisiti statistici (in termini di frequenze di estrazione) di cui godono i numeri veramente casuali.
201
Appendice: problematiche specifiche nell’applicazione del Metodo Monte Carlo
campione di valori, l’esattezza della stima (in termini di ripetibilità108 e accuratezza109) degli
indicatori statistici di interesse riferiti alla popolazione (ad es.: media e deviazione standard)
aumenta all’aumentare della dimensione del campione quindi del numero di iterazioni N (trattasi
infatti di un’applicazione del Teorema del Limite Centrale). In relazione al valore di N scelto è
quindi possibile determinare il grado di attendibilità e precisione dell’output; ciò consente di fissare
il valore di N minimo per poter avere un determinato grado di precisione.
Nelle simulazioni stocastiche eseguite per il presente lavoro si è utilizzato, come suggerito dai
manuali del software utilizzato, un numero di iterazioni pari a 1000, ottimo compromesso tra
rapidità di calcolo e grado di attendibilità e precisione dell’output.
108
La ripetibilità è il grado di convergenza di dati individualmente rilevati su un valore medio della serie cui
appartengono. Essa è la qualità metrologica di strumenti o di misure in cui gli errori accidentali sono piccoli [119]. In
statistica la ripetibilità è esprimibile in termini di deviazione standard.
109
L'accuratezza è il grado di corrispondenza del dato teorico, desumibile da una serie di valori misurati, con il dato
reale o di riferimento. L’accuratezza è quindi la qualità metrologica di strumenti o misure in cui gli errori sistematici
sono piccoli [119]. Si ha invece precisione per una determinata misurazione quando esiste sia accuratezza che
ripetibilità.
202
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
In Moldflow Plastic Insight 6.1 (MPI), il software utilizzato per la simulazione del processo di
iniezione, i tre moduli di preprocessing, di calcolo e di postprocessing, tipici dei software di
calcolo, sono integrati in un’unica struttura software (“MPI Synergy”).
Con Moldflow Plastic Insight è possibile effettuare (Fig. 12.1) analisi di:
• riempimento delle impronte e mantenimento della pressione (filling and packing analyses),
• orientazione delle fibre (fiber analysis) e raffreddamento del fuso (bilancio termico dello
stampo; cooling analysis),
• predizione della distorsione dei componenti (warpage analysis).
Si noti che l’analisi di raffreddamento (mould cooling analysis) viene eseguita, per motivi di calcolo
(preparazione del campo di temperatura sul dominio spaziale di flusso), prima dell’analisi di
riempimento e quindi in maniera contraria alla successione reale di queste due fasi110. Le
temperature delle superfici dello stampo così calcolate sono utilizzate come dati di input per il
calcolo delle condizioni al contorno delle simulazioni di riempimento dello stampo e di
compattamento (filling analysis) nonché nelle analisi dello stress termico.
110
L’analisi di raffreddamento dello stampo viene portata a termine su di una cavità virtualmente già riempita di
polimero fuso al fine di stimare la distribuzione delle temperature sulla superficie dello stampo conseguentemente alla
presenza di un certo trasferimento di calore dal polimero allo stampo e da esso al refrigerante e all’aria, attraverso le
pareti esterne dello stampo.
203
Appendice: la simulazione del processo di stampaggio tramite il software Moldflow Plastic Insight
Infine, la distorsione viene predetta dall’analisi degli stress teorici, nella quale si considera: la
differenza di temperatura tra lo stampo superiore e inferiore, la distribuzione della temperatura nelle
parti stampate all’espulsione, le differenze nei ritiri dovute alle diverse condizioni di
compattazione/cristallinità, le proprietà anisotropiche del materiale dovute all’orientazione delle
fibre. In talune caratterizzazioni del materiale si affiancano a questi calcoli delle correzioni di natura
empirica, valutate in sede di compilazione del file di definizione del materiale (in MPI vengono
chiamate Corrected Residual In-Mould Stress - CRIMS111 e vengono stimate direttamente dalla
Moldflow Corporation nei suoi laboratori: §12.1).
111
In [144] si legge: “Moldflow strongly recommends using the CRIMS model to achieve the best simulation results.
The CRIMS technique uses the predicted residual in-mould stress from the theoretical model and corrects it to achieve
unprecedented accuracy in the prediction of shrinkage and warpage. The result is anisotropic residual stress
distributions that account for morphology and structure in both amorphous and semi-crystalline materials. The CRIMS
method combines a theoretical model for residual stress, a model for morphology development, and correction of errors
due to the use of material data that are obtained under laboratory conditions rather than those experienced by the
material in injection moulding”.
204
Sviluppo di un ambiente per la prototipazione virtuale del processo di stampaggio ad iniezione di materie plastiche
programma).
Per quanto riguarda il primo metodo, la deformata di un oggetto viene ottenuta grazie al calcolo
diretto della distribuzione delle tensioni residue per ogni elemento, il quale permette di avere
puntualmente il valore della tensione nelle direzioni dello spessore, parallela e perpendicolare al
flusso. Il modello assume un comportamento del materiale di tipo termo – viscoelastico lineare e
riesce a tenere conto delle tensioni che si ingenerano per effetto del raffreddamento non uniforme
della massa fusa e della pressione trasmessa dal materiale fuso e agente sul materiale solidificato.
La derivazione prettamente teorica del metodo “uncorrected residual stress” (basata sull’evoluzione
delle condizioni di processo nel piano p-v-T per ogni singolo elemento Fig. 12.2) lo rende
applicabile in tutti i casi e il suo uso è obbligato quando si utilizzi un materiale in cui non è presente
nel file di definizione alcun dato riguardante il secondo modello112 (situazione molto frequente nella
pratica quotidiana di utilizzo di MPI).
Per quanto riguarda il metodo “corrected residual in mould stress” (CRIMS), Moldflow dichiara
solo che si tratta di un modello reologico ibrido basato sul modello teorico precedentemente esposto
(“uncorrected residual stress”) e in cui i sei coefficienti CRIMS correggono in maniera numerica e
non fisica le differenze esistenti tra la previsione numerica e la realtà. Il valore di tali coefficienti
viene ricavato presso i laboratori della Moldflow [144] minimizzando la differenza tra le
dimensioni di un componente reale, di geometria e dimensioni iniziali note, e le previsioni fornite
112
Da [145]: “Being theoretically based, this model has the advantage that it can be used even if no shrinkage data is
available for the material. However, its performance can be improved greatly when shrinkage data is available”.
205
Appendice: la simulazione del processo di stampaggio tramite il software Moldflow Plastic Insight
dal software per un modello dello stesso componente113, comprensivo del sistema di alimentazione
a canali freddi fino al gate (Fig. 12.3), e con gli stessi parametri di processo usati nella realtà. Il
confronto tre le previsioni di distorsione e i dati sperimentali viene effettuato per diversi valori dei
coefficienti e dei parametri di processo (28 diverse condizioni di processo; fattori: melt temperature,
mould temperature, injection rate, part thickness, hold pressure, hold time).
La formulazione del modello CRIMS e l’effetto dei singoli coefficienti sugli algoritmi di calcolo
delle distorsioni non sono stati resi noti da Moldflow Corporation.
Nell’esempio che segue si sono indagate le previsioni del software riguardo al calo massimo di due
grandezze caratteristiche del modello di Fig. 12.4 (i due diametri indicati), utilizzando
rispettivamente il modello CRIMS con i coefficienti definiti nel database e il modello “uncorrected
residual stress”. Dai dati riportati in Tab. 12.1 si osserva che in questo caso l’effetto dei coefficienti
CRIMS è quello di contenere i cali dimensionali dei diametri studiati.
113
Da [145]: “When a material has been shrinkage characterized by Moldflow, the thermo-viscous-elastic model can be
improved dramatically by accounting for the measured shrinkage results. This is done by using the theoretical model as
one of the independent variables in a hybrid model that is correlated with measured shrinkage data in order to reduce
the discrepancy between measured and predicted shrinkage”.
206