Please use this identifier to cite or link to this item: https://hdl.handle.net/11147/14982
Title: Optimization of ınjection molding process parameters for cycle time
Other Titles: Çevrim süresi için enjeksiyon kalıplama proses parametrelerinin optimizasyonu
Authors: Kaplan, Anıl
Advisors: Artem, Hatice Seçil
Keywords: Injection molding of plastics
Mechanical Engineering
Publisher: 01. Izmir Institute of Technology
Abstract: Modern yaşamın en önemli parçası haline gelen plastik, otomotiv, havacılık, tıp gibi çeşitli sektörlerde sıkça kullanılmaktadır. Plastik endüstrisindeki hızlı gelişmeler, plastik işleme teknolojilerini geliştirmiştir. Günümüzün üretim yöntemlerinde, plastik enjeksiyon kalıplama, en yaygın kullanılan üretim yöntemlerinden olmuştur. Endüstriyel pazarlar hızla gelişirken, ürün çevrim sürelerini kısaltma, üretim maliyetlerini düşürmek ve üretim hızlarının arttırılmasıyla talebe hızlı cevap verme ihtiyacı giderek daha acil hale gelmiştir. Bu bağlamda, tez çalışmasında enjeksiyon kalıplama prosesinin proses parametrelerinin optimizasyonu ile çevrim süresinin kısaltılması ele alınmıştır. Literatürde bulunan deneysel veriler kullanılarak, hibrit bir yöntem olan Nöro-regresyon yaklaşımı ve çapraz doğruluma tekniği ile enjeksiyon kalıplama prosesinin matematiksel modellemesi yapılmıştır. Enjeksiyon kalıplama prosesinin çevrim süresinin minimize etme amacıyla, yedi farklı proses parametresi ve iki adet ürün kalitesine etki eden parameter kullanılarak çok amaçlı optimizasyon senaryoları oluşturulmuştur. Optimizasyon çalışmaları, 'Simulated Annealing', 'Random Search', 'Nelder-Mead' ve 'Differential Evolution' algoritmaları kullanılarak 'Wolfram Mathematica' programında 'NMinimize' aracı yardımıyla stokastik optimizasyon yöntemleri ile gerçekleştirilmiştir. Elde edilen optimizasyon sonuçları ve literatürdeki sonuçlar karşılaştırıldığında çalışmada kullanılan modelin ve optimizasyon yöntemlerinin güvenilir ve uygulanabilir olduğu görülmüştür.
Plastic, an integral part of modern life, is widely used in various sectors such as automotive, aerospace, and healthcare. The rapid advancements in the plastic industry have improved plastic processing technologies. Among contemporary production methods, plastic injection molding has become one of the most commonly used techniques. As industrial markets evolve rapidly, the need to shorten product cycle times, reduce production costs, and increase production speeds to respond swiftly to demand has become increasingly urgent. In this context, the thesis addresses the reduction of cycle times through the optimization of process parameters in the injection molding process. By utilizing experimental data available in the literature, a mathematical model of the injection molding process has been developed using a hybrid method known as Neuro-regression approach and cross-validation technique. To minimize the cycle time of the injection molding process, multi-objective optimization scenarios were created using seven different process parameters and two parameters affecting product quality. Optimization studies were carried out using stochastic optimization methods with the 'Simulated Annealing,' 'Random Search,' 'Nelder-Mead,' and 'Differential Evolution' algorithms in the 'Wolfram Mathematica' program with the help of the 'NMinimize' tool. When comparing the obtained optimization results with those in the literature, it was found that the model and optimization methods used in the study are reliable and applicable.
Description: Thesis (Master)--İzmir Institute of Technology, İzmir, 2024
Includes bibliographical references (leaves. 44-47)
Text in English; Abstract: Turkish and English
URI: https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=UjlM15wKZGQW6TLC0pvCt-UzvjzL6R-YtNI5oAdPAAmrW6W5gu-KmmAbH5k3bhPa
https://hdl.handle.net/11147/14982
Appears in Collections:Master Degree / Yüksek Lisans Tezleri

Files in This Item:
File SizeFormat 
14982.pdf2.35 MBAdobe PDFView/Open
Show full item record



CORE Recommender

Page view(s)

18
checked on Nov 25, 2024

Download(s)

2
checked on Nov 25, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.