Köpük enjeksiyon prosesinde gri Taguchi ve yapay sinir ağları yöntemleri ile parametre optimizasyonu

Genişletilmiş polipropilen (EPP) köpükler; otomotiv, HVAC (Isıtma, Havalandırma ve İklimlendirme), gıda, savunma ve spor ekipmanları gibi çeşitli endüstrilerde yaygın olarak kullanılmaktadır. Bu çalışmanın amacı, EPP köpük enjeksiyon proses parametrelerinin çok yanıtlı optimizasyonunu incelemek ve en iyi performansı elde etmek amacıyla optimal parametrelerin doğrulanmasını sağlamaktır. Köpük enjeksiyon sürecinde operatörler 11 farklı parametreyi ayarlamaktadır. Mevcut durumda, operatörler bir ürünün parametresini geçmiş deneyimlerine dayanarak deneme yanılma yöntemi ile belirlemektedir. Bu çalışmada, Taguchi yöntemi temel alınarak L27 ortogonal dizisi ile deneyler tasarlanmıştır. Sabit ve hareketli taraf buhar süresi, soğutma süreleri, köpük basıncı süresi ve dolum basınçları gibi proses parametrelerinin çevrim süresi ve çarpıklık seviyesi üzerindeki etkileri analiz edilmiştir. İlk olarak proseste kullanılan tüm parametreler sisteme dahil edilmiş ve deneyler gerçekleştirilmiştir. İki çıktının da minimum seviyede tutulabilmesi amaçlandığından Gri Tabanlı Taguchi yöntemi kullanılarak proseste en etkili parametreler analiz edilmiştir. Alınan sonuçlar sabit ve hareketli taraf buhar süresi, otoklav süresi, soğutma süresi ve köpük basıncı soğutma süresinin en etkili parametreler olduğunu göstermektedir. Çalışmanın devamında etkisiz parametrelerin değerleri sabit tutularak çalışmaya belirlenen beş parametre üzerinden devam edilmiştir. Beş parametre için L27 ortogonal diziye göre deneyler tekrarlanmıştır. Her bir deney kombinasyonu için üç tekrarlı deney yapılmıştır. Her bir çıktı için ayrı ayrı Taguchi yöntemi uygulanarak optimal deney kombinasyonları belirlenmiştir. İki çıktı için kombinasyonlar farklılık gösterdiğinden Gri Tabanlı Taguchi metodu ile iki çıktının da optimum olduğu deney düzeneği belirlenmiş ve sonuçlar Varyans Analizi (ANOVA) yöntemi ile incelenmiştir. Optimal deney kombinasyonu, sabit ve hareketli taraf buharlama sürelerinin orta seviyelerde, otoklav süresinin yüksek seviyede ve soğutma sürelerinin düşük seviyelerde tutulmasını içermektedir. İkinci aşamada deneyler için harcanan zamanın ve maliyetin azaltılması için prosesi modelleyen bir yapay sinir ağı oluşturulması amaçlanmıştır. Yapay Sinir Ağları (YSA) yöntemi ile çevrim süresi ve çarpıklık seviyesinin tahminlemesini sağlayan bir model oluşturulmuştur. Çapraz doğrulama metodu ile hiperparametre optimizasyonu yapılmış ve en iyi parametrenin belirlenmesi amaçlanmıştır. Yapılan çalışmada en iyi tahmin sonucunu veren model parametrelerinin düzenleme değeri: 0,0001, gizli katman boyutu: 150, öğrenme hızı: 'adaptive' ve çözücü: 'lbfgs' olarak belirlenmiştir Alınan sonuçlarda modelin çevrim süresinin %99,8 ve çarpıklık seviyesinin %99,7 oranlarında tahminleme yapabildiği görülmüştür.