Optimering af laserskæringshastighed: baseret på kvalitetanalyse af Grundfos starlamel og en empirisk procesmodel
Oversat titel
Optimization of laser cutting spped: based on quality analysis of Grundfos stator lamination and an empirical process model
Forfattere
Hansen, Lasse Juul Rud ; Nielsen, Emil Krabbe
Semester
4. semester
Uddannelse
Udgivelsesår
2013
Antal sider
146
Abstract
Denne afhandling undersøger, om Grundfos kan laserskære statorlameller (tynde metalplader i en elektrisk motors stator) hurtigere og med en kvalitet, der matcher stansning, uden at forringe de magnetiske egenskaber. En stanset og en laserskåret lamel blev sammenlignet: Laserskæring gav den bedste kant- og overfladekvalitet, og der kunne ikke påvises nogen forskel i de magnetiske egenskaber. Vi udvalgte centrale proces- og kvalitetsparametre og byggede en database over laserskæringsprocessen baseret på bl.a. faktorforsøg (systematiske forsøg, hvor flere indstillinger varieres samtidig). Et neuralt netværk blev trænet som en empirisk procesmodel. Modellen beskrev processen på linje med resultater fra en variansanalyse af databasen og stemte overens med publiceret forskning. Med en genetisk algoritme (en søgemetode inspireret af evolution) blev procesindstillingerne optimeret, så skærehastigheden steg med 1160 %, samtidig med at kvaliteten var bedre end ved stansning. Procesmodellen blev brugt til at vurdere, om kvalitetsparametrene var på niveau med stansekvaliteten.
This thesis examines whether Grundfos can laser-cut stator laminations (thin metal sheets in an electric motor’s stator) faster and with quality comparable to punching, without degrading magnetic properties. We compared a punched and a laser-cut lamination: laser cutting delivered the best edge and surface quality, and no difference in magnetic properties could be detected. We selected key process and quality parameters and built a database of the laser cutting process based on factorial experiments (systematic tests that vary several settings at once). A neural network was trained as an empirical process model. The model described the process in line with results from a variance analysis of the database and was consistent with published research. Using a genetic algorithm (a search method inspired by evolution), we optimized the process settings to increase cutting speed by 1160% while achieving better quality than punching. The process model was used to assess whether the quality parameters were on par with punching quality.
[Dette resumé er genereret ved hjælp af AI]
Emneord