運用田口方法於迴轉成型塑膠發泡製程最佳化設計

Using the Taguchi Method to Optimize a Rotating-Molded Plastic Foaming Process

邱創鈞(Chuang-Chun Chiou) ； 莊禮帆(Li-Fan Chuang)

《國立虎尾科技大學學報》 28卷2期 (2009/06) Pp. 1-10

https://doi.org/10.6425/JNHUST.200906.0001

摘要

本研究應用田口式實驗設計法，探討迴轉成型塑膠發泡製程參數之最佳化問題，以改善發泡成型產品之品質。實驗採單軸雙模的實驗方式，同時進行兩組不同模具（M4與M8）與發泡劑（ADCA與CELOGEN OT）的實驗，如此不僅可以降低實驗成本，也可以縮短實驗所耗費時間。經特性要因分析後，成型參數包括轉速、溫度以及時間，除搖臂轉速具二水準，其餘特性爲三水準。選擇的加工特性有八種包括：搖臂轉速、第一段加熱溫度、第一段加熱時間、第二段加熱溫度、第二段加熱時間、靜置冷時間、風冷時間、水冷時間。利用L18(2^1 3^7)直交表，配合S/N比值及變異數分析(ANOVA)理論進行分析，以訂出迴轉成型塑膠發泡製程參數之最佳水準。

關鍵字

塑膠迴轉成型法 ； 製程參數 ； 田口品質工程 ； 實驗設計

並列摘要

In this study, we utilized the Taguchi's experimental design to find the optimal process parameters for plastic foaming by rotational mold. Two different molds (M4 and M8), equipped in a single rotating axis, and two foaming agents (ADCA and CELGEN OT) are used to conduct pair comparisons. Such experiment arrangement can not only save the cost of experiments, but also decrease the time consumed for experiments. We found that the key characteristics of process include speed of rocker arm, heating temperature at the first phase, heating time at the first paragraph, heating temperature at the second phase, heating time at the second phase, cooling time, air-cooled time, and water-cooled time. Two levels are specified for the rotating temperature and three levels for the other factors. We adopted L18 (2^1 3^7) orthogonal array and used S/N ratio and theoretical analysis of variance (ANOVA) to analysis our data. This study found that the product quality can be improved by specified a set of optimal parameters such as molding temperature, length of reaction time and cooling time of foam.

並列關鍵字

plastic rotating mold ； process parameter ； Taguchi method ； experimental design

參考文獻

賴成志(1996)。田口氏實驗方法運用於高分子旋轉成型之研究(碩士論文)。國立台灣工業技術學院機械工程技術研究所。

楊景雄(1999)。塑膠粒發泡旋轉成型製程之研究與開發(碩士論文)。長庚大學機械工程研究所。

蔡佳勳(1997)。發泡塑膠旋轉成型件之開發。長庚大學機械工程研究所。

楊健明(2004)。田口方法應用於連續纖維補強押出發泡三明治結構之製成最佳化分析。國立成功大學工業工程系。

Ozcelik, B.,Erzurumlu, T.(2006).Comparison of the warpage optimization in the plastic injection molding using ANOVA, neural network model and genetic algorithm.Journal of Materials Processing Technology.171,437-445.