Procédé de déliantage dans le PIM
par
Isabelle Parent
Plan
1- Mise en situation
2- Variables de réponse 3- Facteurs primaires
4- Limiter les nuisances
5- Design expérimental
6- Conclusions
1- Mise en situation (1/3)
Mise en œuvre de pièces par PIM:
« Powder Injection Molding » = Moulage par Injection de Poudre
Étapes du procédé:
1- Mélange:
poudre (métal/céramique) + liant2- Injection:
pièce à vert « near net-shape »3- Déliantage:
enlèvement du liant4- Frittage:
soudage par diffusion solide5- Opérations secondaires
1- Mise en situation (2/3)
) Phase critique = déliantage (« debinding »)
•
Extraire le liant par la surface de la pièce•
Éviter distorsions et défauts•
Laver les résidus de liantLiant = mélange de polymères
Ö procédé en étapes: long!
1- Mise en situation (3/3)
Ex. Profils thermiques de déliantage / pré-frittage
2- Variables de réponse (1/2)
Y
1= perte massique de liant (%)
• Mesure:
- balance analytique (0,0001g) - (∆ masse) ÷ (masse liant)• Objectif: ) MAX Y
2= liant résiduel (%wt)
• Mesure:
- analyses chimiques (labo externe) - essais destructifs!• Objectif: ) MIN
) Lier Y2 à Y1: contrôle qualité du procédé
Analyses de variables en %: Y t = arcsin (
√Y )
2- Variables de réponse (2/2)
Y
3= présence de défauts
• Mesure:
- Inspection visuelle - Facteur qualitatif!ÍCodification: 0 = parfaite 1 = dimples 2 = slumping 3 = fissures 4 = oxydation
• Objectif: ) MIN
3- Facteurs primaires
• Codage: Facteurs X1 à X10: « min » = -1; « max » = +1 Valeurs en utilisation = 0
Facteur X11 « gaz »: Neutre = -1; Oxydant = +1
4- Limiter les nuisances
Lot unique de Mélange et d’Injection:
• Même lot d’ingrédients certifiés
• Géométrie et masse des pièces semblables
• Mêmes opérateur, équipements, paramètres
Essais de Déliantage:
• Randomisation
• Lot de pièce / essai: réponses en Y
ibar et s
i2• Mêmes équipements & opérateur
5- Design expérimental (1/3)
Tamisage:
• Objectifs:
- Limiter les essais (arrêt de production)- Identifier les variables critiques
- Proposer des équations de prédiction - Tenter d’optimiser les 3 réponses
• Modèle: - 1
erordre et interactions doubles
• Critères: - Niveau de résolution IV
(min)5- Design expérimental (2/3)
Plan factoriel fractionnaire: 2
(11-6) (p =1/64)• N:
32 essais + 4 essais « face centré » + 4 essais « limites »• 2 centres (10 facteurs quantitatifs = 0) X 2 gaz (-1 et +1)
• 2 extrêmes (10 facteurs quantitatifs = +1 et -1) X 2 gaz (-1 et +1)
) 40 essais au total
(34 uniques, 4 centres, 2 répétés)• Générateurs:
F = A*B*C G = B*C*D H = C*D*EI = A*C*D J = A*D*E K = B*D*E
• Alias:
5- Design expérimental (3/3)
Analyses
• Pour les réponses (Y
1bar)
t, (Y
2bar)
tet Y
3bar:
- ANOVA, tableau des effets, résidus (expérimental: α = 0,10)
- Répétition et centre au centre: lack of fit, test de courbure
- Fonctions de désirabilité: Y1 max = 1; Y2 min = 1 ; Y3 min = 1
Identification des facteurs critiques
Modèle de prédiction 1er ordre + inter. doubles
Estimer un optimum pour les 3 réponses
• Pour les réponses log (s
i2):
- ANOVA,résidus
Influence des facteurs? (ex. position pièce)
6- Conclusions
À venir:
• Validation du modèle de prédiction
- Plan d’optimisation sur les facteurs critiques
• Définir relation: %résidus → ƒ(perte liant)
- Analyses avec ajouts de résultats antérieurs
• Vérification de la robustesse du procédé
- Avec paramètres optimisés
