Optimizacin de los par metr os del pr oceso de Inyeccin de

Plsticos a tr avs de un hbr ido de Super ficies de Respuesta con el

algor itmo de la Colonia Ar tificial de Abejas
Dr. Alejandro Alvarado Iniesta
1
, Dr. Ivn Rodrguez Borbn
2
, Dr. Jorge L. Garca Alcaraz
3
Resumen: Este estudio presenta un mtodo de optimizacin de los parmetros del proceso en inyeccin de plsticos
mediante un hbrido de superficie de respuesta con un algoritmo de optimizacin global conocido como el algoritmo de la
Colonia Artificial de Abejas. El propsito del presente trabajo es el de minimizar el ndice de deformacin en un
componente plstico. As, un modelo predictivo del proceso de inyeccin de plsticos es creado mediante la metodologa de
superficie de respuesta; y el algoritmo de optimizacin es implementado para encontrar el conjunto de parmetros
ptimo. El proceso de inyeccin de plsticos es simulado a travs del programa computacional de anlisis finito Moldflow.
Un caso experimental es presentado con el objetivo de demostrar la validez del presente mtodo.
Palabras clave: Algoritmo de la Colonia Artificial de Abejas, Superficie de Repuesta, Inyeccin de Plsticos, Optimizacin
de los parmetros del proceso.
Introduccin
Inyeccin de plsticos es un proceso de manufactura desafiante para fabricantes e investigadores para producir
componentes de plstico al menor costo posible. Graves problemas de calidad y altos costos de manufactura son
generalmente causados por la manipulacin de los parmetros del proceso. Anteriormente, determinar los valores
correctos de estas variables dependa en gran medida de la capacidad de los operadores; es decir, mtodos de prueba
y error que se basaban en las habilidades y experiencia del personal tcnico. Sin embargo, el proceso de prueba y
error es costoso y consume tiempo; lo cual no puede ser permitido en el mbito de competencia global que se vive
hoy en da, donde es necesario producir ms rpida y econmicamente con altas normas de calidad. En la actualidad,
optimizacin de los parmetros del proceso de moldeo por inyeccin se lleva a cabo peridicamente en las industrias;
especficamente, estableciendo valores ptimos de las variables del proceso. En los ltimos aos, varios
investigadores han sido atrados en el rea de optimizacin para el proceso de inyeccin de plsticos (Mok et al.,
2001; Kurtaran et al., 2005; Spina, 2006; Kurtaran and Erzurumlu, 2006; Ozcelik and Erzurumlu, 2006; Shen et al.,
2007; Deng et al., 2008; Gao and Wang, 2008; Chen et al., 2009; Gao and Wang, 2009; Altan, 2010; Deng et al.,
2010; Farshi et al., 2011; Huang, 2011; Yin et al., 2011).
Por consiguiente, este estudio presenta un mtodo alternativo para encontrar los parmetros iniciales ptimos en
inyeccin de plsticos que minimicen la deformacin de productos moldeados mediante un hbrido de la metodologa
de superficie de respuesta y el algoritmo de la colonia artificial de abejas. El algoritmo de la colonia artificial de
abejas es un algoritmo de optimizacin basado en el asombroso comportamiento de un enjambre de abejas que puede
ser utilizado para optimizar funciones multimodales y con variables mltiples (Karaboga and Basturk, 2007). La
metodologa de superficie de respuesta es empleada para establecer una aproximacin matemtica de los variables
del proceso y el objetivo a optimizar, con el fin de remplazar el costoso y tedioso anlisis computacional. As, un
modelo predictivo del proceso de inyeccin de plsticos es creado mediante la metodologa de superficie de
respuesta; y el algoritmo de optimizacin es implementado para encontrar el valor ptimo para cada parmetro del
proceso. Cuatro parmetros son considerados en este estudio por haber sido citados por la mayora de los autores
mencionados y por ser considerados crticos en la deformacin de productos moldeados; por lo tanto, la temperatura
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 20 Cd. Jurez, Chihuahua, Mxico
del molde, temperatura del plstico, presin de empaque, y tiempo de empaque son empleadas como las variables de
diseo (Kurtaran et al., 2005; Spina, 2006; Kurtaran and Erzurumlu, 2006; Ozcelik and Erzurumlu, 2006; Chen et al.,
2009; Gao and Wang, 2009; Deng et al., 2010; Farshi et al., 2011; Yin et al., 2011). Igualmente, la deformacin de
productos se considera en el presente estudio como la variable a optimizar por ser uno de los defectos mas tpicos y
notables, la cual impacta la apariencia y el uso del producto (Kurtaran et al., 2005; Kurtaran & Erzurumlu, 2006;
Ozcelik & Erzurumlu, 2006; Gao & Wang, 2008; Gao & Wang, 2009; Deng et al., 2010; Farshi et al., 2011; Huang,
2011; Yin et al. 2011). La siguiente seccin da una visin general del enfoque propuesto. Un caso experimental se
presenta para evaluar el desempeo del mtodo; y finalmente, resultados y conclusiones son presentados.
Metodologa
Visin General
Moldeo por inyeccin es un proceso de manufactura dinmico donde los parmetros de la maquina se fijan a un
valor constante, en teora. Establecer el conjunto ptimo de valores para estos parmetros requiere de un complejo
anlisis computacional como lo son los modelos de anlisis de elemento finito (FEA, por sus siglas en ingls), o de
modelos de prediccin muy precisos (Chen et al., 2008). Computacionalmente, FEA requiere de un gran esfuerzo y
no es apropiado para un algoritmo de optimizacin heurstico donde un gran nmero de iteraciones es requerido. Por
lo tanto, un modelo predictivo del proceso de inyeccin de plsticos es aproximado mediante la metodologa de
superficie de respuesta para mapear la relacin entre las variables de diseo y la deformacin de un componente
plstico. Consecuentemente, el algoritmo de la colonia artificial de abejas es utilizado para optimizar los parmetros
del proceso tomando como la funcin objetivo el modelo predictivo de superficie de respuesta. Esta ultima, requiere
de una respuesta de inters (salida) que se ve afectada por un conjunto de factores (entradas). El conjunto de
muestras entrada-salida se usa entonces para obtener un modelo matemtico que se ajusta a los datos proporcionados.
Estos datos fueron recolectados por una seria de simulaciones del proceso de moldeo por inyeccin mediante el
software de anlisis de elemento finito Moldflow. As, el objetivo de este estudio fue el de establecer un hbrido entre
la metodologa de superficie de respuesta, algoritmo de optimizacin de la colonia artificial de abejas, y anlisis de
elemento finito (Moldflow es utilizado para recolectar los datos que sirvieron para generar el modelo matemtico,
mas no para correr el algoritmo de optimizacin, que como se menciono anteriormente no resultara conveniente
debido al enorme esfuerzo computacional). La Figura 1 muestra una representacin grfica del enfoque propuesto.
Figura 1. Enfoque propuesto
En primer lugar, una solucin inicial aleatoria es generada (valores generados aleatoriamente para cada
parmetro); despus, tal solucin es introducida al modelo predictivo basado en superficie de respuesta para evaluar
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 21 Cd. Jurez, Chihuahua, Mxico
la funcin objetivo. Posteriormente, la unidad de optimizacin es usada para encontrar la combinacin ptima de los
valores de los parmetros dentro del espacio predefinido de bsqueda que minimizara la deformacin de un
componente plstico. Este proceso se repite hasta cierto nmero de iteraciones. A continuacin se presenta un caso
experimental para evaluar y validar el enfoque propuesto.
Caso experimental
El software comercial Moldflow fue empleado para simular el proceso de inyeccin de plsticos con el fin de
recolectar las muestras para obtener un modelo matemtico, y validar el mtodo propuesto. Un componente plstico
de 101.6x101.6x12.70 mm es simulado en el ambiente de Moldflow y se muestra en la Figura 2. Dentro del
ambiente del software, hay ciertos aspectos que deben ser considerados para obtener una simulacin ms realista. Por
ejemplo, se debe especificar el tipo de mquina que se va a utilizar, tipo de plstico, tipo de material de molde,
diseo del sistema de enfriamiento, y por supuesto los valores de los parmetros del proceso, entre otros. Para este
caso, una mquina Arburg Allrounder 220S 17 ton 1.3 oz (18mm) es elegida para ser simulada. Un plstico de la
familia de las poliamidas es escogido y cuyo nombre comercial es Zytel 70G35HSLRA4BK267. Acero es elegido
como el material del molde. Las variables a manipular son la temperatura del molde (A), temperatura del plstico
(B), presin de empaque (C) y tiempo de empaque (D). Las dems variables se mantuvieron constantes para todas las
diferentes corridas.
Figura 2. Componente plstico
Una vez que se tiene la informacin apropiada, se procedi a obtener la respuesta de inters (deformacin). Un
total de 81 muestras fueron recolectadas del software con el fin de obtener el modelo matemtico. Estas muestras
fueron obtenidas variando los factores de entrada para ver su impacto en la respuesta de salida. De las muestras
generadas, 75 de ellas fueron utilizadas para obtener el modelo matemtico a travs de superficie de respuesta. El
resto fueron usadas para probar la capacidad de prediccin del modelo. Cabe mencionar que los datos fueron
normalizados dentro del rango 0 a 1 por mera simplicidad. La Figura 3 muestra los resultados de los valores
predichos por el modelo as como el valor actual.
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 22 Cd. Jurez, Chihuahua, Mxico
Figura 3. Valores predichos vs Valores actuales
Los resultados indican que la unidad de prediccin esta en buen acuerdo con los valores experimentales obtenidos en
Moldflow. El error de prediccin fue alrededor del 3.56% en promedio; por lo tanto, el modelo puede ser utilizado
como una aproximacin matemtica del proceso en el algoritmo de optimizacin.
Optimizacin con Colonia Artificial de Abejas
Durante el proceso de optimizacin del algoritmo, una posible solucin fue representada por un vector de la
forma:
X = [A, B, C, D]
Donde cada una de las variables representa un parmetro del proceso. El modelo matemtico del problema de
optimizacin fue definido como:
Encontrar X = [A, B, C, D]
Minimizar DEFORMACION
Min = 0.47350 0.01533 + 0.61617 0.23559 0.52592 +0.02750

0.08900

+
0.20755

+0.44066

0.01613 0.02686 0.01540 +0.01714 0.15407 0.21093

Sujeto a:
20 _ A (C) _ 80
200 _ B (C) _ 300
25 _ C (% filling MPa) _ 125
1 _ D (seg) _ 5
Donde la funcin objetivo fue aproximada por el modelo obtenido por medio de superficie de respuesta y el espacio
de bsqueda es especificado para cada uno de los parmetros del proceso. Los parmetros de control del algoritmo
fueron el tamao de la colonia, limite para abeja scout, y mximo nmero de ciclos. El tamao de colonia fue
establecido a 20; as, el nmero de fuentes fue igual a 10. El lmite para el scout fue 24, y el nmero de ciclos fue
igual a 10,000. Las pruebas que se realizaron constan de 30 corridas de dicha implementacin, en donde por cada
corrida se obtuvo la fuente de alimento (solucin) con el mejor valor de la funcin objetivo.
Resultados
Los valores ptimos de los parmetros del proceso obtenidos mediante el mtodo hbrido son mostrados en la
Tabla 1. Dichos valores fueron introducidos a Moldflow para corroborar su validez, es decir obtener un valor de
deformacin menor al que se haba presentando en las anteriores corridas.
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 23 Cd. Jurez, Chihuahua, Mxico

Temperatura
molde C
Temperatura
plstico C
Presin
empaque %
MPa
Tiempo
empaque
s
Deformacin
por Moldflow
(mm)
Hbrido 200 80 125 4.4 0.1686
Tabla 1. Resultados ptimos del Hbrido
Se observa de la Tabla 1 que el valor mnimo de deformacin fue 0.1686 mm. El valor normalizado de este valor
fue -1.109 lo cual indica que este valor fue menor a cualquier otro utilizado en el proceso de obtener el modelo o de
prueba de este. Se puede ver entonces en los resultados que hubo una mejora significante en el valor de deformacin
del componente plstico (minimizado). La metodologa presentada en este trabajo tiene el objetivo de poder ser
usada bajo circunstancias diferentes como distintos materiales, mquinas, o diseo de un producto plstico. Existen
una gran variedad de algoritmos de optimizacin numrica que pudiera resolver este mismo problema, o al menos
dar una respuesta muy aceptable. El algoritmo de la colonia artificial de abejas ha emergido en los ltimos aos
como una alternativa para resolver rpida y eficazmente problemas de optimizacin multimodales y multivariables
tales como moldeo por inyeccin.
Conclusiones
Este papel present un hbrido de superficie de respuesta con el algoritmo de la colonia artificial de abejas para
encontrar los valores ptimos de los parmetros del proceso de inyeccin de plsticos con el fin de minimizar un
tpico defecto calidad como lo es la deformacin en productos. La metodologa de superficie de respuesta fue
empleada para generar un modelo predictivo del proceso de moldeo. El algoritmo de optimizacin fue despus
empleado para encontrar la combinacin ptima de los parmetros utilizando como funcin objetivo el modelo
obtenido por superficie de respuesta. El enfoque propuesto puede utilizarse como un mtodo alternativo para
encontrar los valores idneos. Con el fin de validar el presente mtodo, un caso experimental fue presentado
mediante la implementacin del software Moldflow. Los resultados revelan que el hbrido presentado puede apoyar
eficientemente a ingenieros a determinar los parmetros ptimos y alcanzar ventajas competitivas en trminos de
calidad y costos. Futuras investigaciones se enfocaran en diferentes modelos de sustitucin y tomando en cuenta
diferentes variables de diseo relacionadas con los parmetros de la maquina y condiciones del molde. Adems,
mltiples salidas deben ser consideras en futuros trabajos.
Referencias
Altan, M. Reducing shrinkage in injection moldings via the Taguchi, ANOVA and neural network methods,
Materials and Design, Vol. 31, No. 1, 2010, 599-604.
Chen, W-C., Fu, G-L., Tai, P-H., & Deng, W-J. Process parameter optimization for MIMO plastic injection
molding via soft computing, Expert Systems with Applications, Vol. 36, No. 2, 2009, 1114-1122.
Chen, W-C., Tai, P-H., Wang, M-W., Deng, W-J., & Chen, C-T. A neural network-based approach for dynamic
quality prediction in a plastic injection molding process, Expert systems with Applications, Vol. 35, No. 3, 2008,
843-849.
Deng, W-J., Chen, C-T., Sun, C-H., Chen, W.C., & Chen, C-P. An effective approach for process parameter
optimization in injection molding of plastic housing components, Polymer-Plastics Technology and Engineering,
Vol. 47, No. 9, 2008, 910-919.
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 24 Cd. Jurez, Chihuahua, Mxico
Deng, Y-M., Zhang, Y., & Lam, Y.C. A hybrid of mode-pursuing sampling method and genetic algorithm for
minimization of injection molding warpage, Materials and Design, Vol. 31, No. 4, 2010, 2118-2123.
Farshi, B., Gheshmi, S., & Miandoabchi, E. Optimization of injection molding process parameters using sequential
simplex algorithm, Materials and Design, Vo. 32, No. 1, 2011, 414-423.
Gao, Y. & Wang, X. An effective warpage optimization method in injection molding based on the Kriging model,
International Journal of Advanced Manufacturing Technology, Vol. 37, No. 9-10, 2008, 953-960.
Gao, Y. & Wang, X. Surrogate-based process optimization for reducing warpage in injection molding, Journal of
Materials Processing Technology, Vol. 209, No. 3, 2009, 1302-1309.
Huang, F.L. Optimization of Processing Parameters in Injection Molding based on Adaptive Ant Colony
Algorithm, Advanced Materials Research, Vol. 179-180, 2011, 304-310.
Karaboga, D. & Basturk, B. A powerful and efficient algorithm for numerical function optimization: artificial bee
colony (ABC) algorithm, Journal of Global Optimization, Vol. 39, No.3, 2007, 459-471.
Kurtaran, H. & Erzurumlu, T. Efficient warpage optimization of thin shell plastic parts using response surface
methodology and genetic algorithm, International Journal of Advanced Manufacturing Technology, Vol. 27, No. 5-
6, 2006, 468-472.
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, Vol. 169, No.2, 2005, 314-319.
Mok, S.L., Kwong, C.K., & Lau, W.S. A Hybrid Neural Network and Genetic Algorithm Approach to the
Determination of Initial Process Parameters for Injection Molding, The International Journal of Advanced
Manufacturing Technology, Vol. 18, No.6, 2001, 404-409.
Ozcelik, B. & Erzurumlu, T. Comparison of the warpage optimization in the plastic injection molding using
ANOVA, neural network and genetic algorithm, Journal of Materials Processing Technology, Vol. 171, No.3,
2006, 437-445.
Shen, C., Wang, L., & Li, Q. Optimization of injection molding process parameters using combination of artificial
neural networks and genetic algorithm method, Journal of Materials Processing Technology, Vol. 183, No. 2-3,
2007, 412-418.
Spina, R. Optimisation of injection moulded parts by using ANN-PSO approach, Journal of Achievements in
Materials and Manufacturing Engineering, Vol. 15, No. 1-2, 2006, 146-152.
Yin, F., Mao, H., & Hua, L. A hybrid of back propagation neural network and genetic algorithm for optimization of
injection molding process parameters, Materials and Design, Vol. 32, No. 6, 2011, 3457-3464.
Congreso Internacional de Investigacin
AcademiaJournals Cd. Jurez
ISSN 1946-5351 ONLINE
ISSN 1948-2353 CDROM
Vol 4., No. 1, 2012
Juarez.AcademiaJournals.com
Instituto Tecnolgico de Cd. Jurez 25 Cd. Jurez, Chihuahua, Mxico