SVEUČILIŠTE U MOSTARU

FAKULTET STROJARSTVA, RAČUNARSTVA I ELEKTROTEHNIKE

-Diplomski studij strojarstva-

Kolegij: Modeliranje i simulacija proizvodnih procesa

MODELIRANJE I OPTIMIZACIJA PARAMETARA DUBOKOG

IZVLAČENJA

Seminarski rad

Mostar, lipanj 2018. godine RENATO PERIĆ

MARKO PETKOVIĆ
IVAN PAŽIN
LUKA BOBAN
DOMINIK KARAČIĆ
SADRŽAJ

1. UVOD.......................................................................................................................3
2. DETERMINISTIČKI I STOHASTIČKI MODEL I KLASIFICIRANJE METODA
MODELIRANJA.............................................................................................................3
2.1. Deterministički model..........................................................................................3
2.2. Stohastički model................................................................................................4
2.3. Klasifikacija metoda modeliranja........................................................................5
3. MATEMATIČKA IDENTIFIKACIJA PARAMETARA PROCESA I SUSTAVA I
IZBOR TIPA MODELA..................................................................................................7
3.1. Izbor tipa modela................................................................................................9
4. ANALITIČKO MODELIRANJE...............................................................................11
4.1. Analitičko modeliranje sile rezanja...................................................................13
5. MODELIRANJE I OPTIMIZACIJA PARAMETARA DUBOKOG IZVLAČENJA.....17
5.1. Modeliranje sile procesa dubokog izvlačenja - teorija......................................17
5.2. Modeliranje sile procesa dubokog izvlačenja...................................................18
5.2.1. Izbor parametara procesa izvlačenja.........................................................18
5.2.2. Modeliranje pomoću centralnog kompozicijskog plana.............................18
5.2.3. Izračun koeficijenata matematičkog modela..............................................20
5.2.4. Matematički oblik modela...........................................................................23
5.3.Optimizacija parametara procesa dubokog izvlačenja......................................23
5.3.1. Izračun maksimalne vrijednosti sile izvlačenja i optimalnih parametara...24
6. ZAKLJUČAK...........................................................................................................27
7. LITERATURA.........................................................................................................28
1. UVOD

Matematičko modeliranje i optimizacija procesa ima veliko značenje u širokom

području tehničkih znanosti i praksi kao i u svim drugim oblicima kvantitativnih
istraživanja. Suvremena znanstvena misao temelji se na uvjerenju kako teoretske
podloge i koncepti imaju stvarnu osnovu ako se izražavaju u obliku kvantitativnih
pokazatelja. Osnovni ciljevi modeliranja i optimizacije obradnog procesa su
povećanje proizvodnosti, ekonomičnosti, kvalitete proizvoda, vremena obrade i
troškova po jedinici proizvoda. Ostvarivanje tih ciljeva omogućava implementiranje
novih i usavršavanje postojećih tehnologija, primjene znanja u procesu projektiranja,
optimizacija elemenata režima obrade itd. Osnovna je svrha modeliranja definiranje
matematičkih modela i drugih prikaza koji su neophodni za optimizaciju, odnosno
simulaciju i upravljanje procesom. Krajnji cilj modeliranja i optimizacije obradnih
procesa i sistema je jeftinija, kvalitetnija i profitabilnija proizvodnja. Matematički
model je osnovno polazište i prvi korak tehno-ekonomske optimizacije procesa i
sistema. Definiranje pouzdanog matematičkog modela znatno je šire od želje i
potrebe da se nešto modelira. Matematički modeli su neophodni za definiranje
parametara procesa obrade, odnosno optimizaciju i simulaciju stanja procesa i
sistema. Razvojem matematike i srodnih znanstvenih disciplina metode modeliranja
su se usavršavale, što je dovelo do više različitih metoda modeliranja. Primjena
određene metode modeliranja ovisi o uvjetima procesa i objektu modeliranja, kao i o
stupnju tražene pouzdanosti modela. Cilj našeg seminarskog rada je pojasniti
deterministički i stohastički model i izvršiti klasificiranje metoda modeliranja. Uz ovaj
teorijski dio prikazana je i matematička identifikacija parametara procesa i sustava i
izbor tipa modela, te analitičko modeliranje. Za naš zadatak preuzeli smo primjer iz
literature koji je detaljno objašnjen, uz grafički prikazano optimalno područje procesa
kada je funkcija cilja iskazana preko maksimalne postojanosti alata. [2]

2. DETERMINISTIČKI I STOHASTIČKI MODEL I KLASIFICIRANJE METODA

MODELIRANJA

Metode modeliranja usavršavane su razvojem primjenjene matematike, matematičke

statistike, operacijskih istraživanja, eksperimentalnih i informatičkih metoda. Primjena
postojeće metode modeliranja ovisi o više faktora (objekt modeliranja, stupanj
pouzdanosti, vrsta procesa i sistema, raspoloživa oprema, potrebi optimizacije i
izgradnji sistema upravljanja). Osnovne metode modeliranja mogu biti
determinističke i stohastičke[1].

2.1. Deterministički model

Deterministički model se izražava pomoću različitih matematičkih struktura, kao što

su: algebarske, obične diferencijalne, parcijalne, integralne i druge jednadžbe. Kod
determinističkog procesa obrade postoji jednoznačna ovisnost izlaznih (upravljanih)
veličina⃗yod ulaznih veličina ⃗x , tako da deterministički matematički model ne sadrži
poremećajne veličine ⃗z , pa model procesa ili sistema ima oblik:
 Slika 1. Blok shema determinističkoga modela

F si (⃗x , ⃗y)=0, i=1,2,3,... (2.1.1)

Uz ograničenje:

F gi (⃗x , ⃗y )≤ 0, i=1,2,3,... (2.1.2)

ili u eksplicitnom obliku uz isto ograničenje:

⃗y=F (⃗x ). (2.1.3)

Deterministički model često predstavlja približan i pojednostavljen matematički opis

realnog procesa. Međutim, osnovna obilježja svakog realnog objekta ili procesa
obrade su skoro redovito stohastička. To znači, ako se želi dobiti adekvatan i točan
matematički opis nekog realnog procesa ili sustava, mora se opis definirati u obliku
stohastičkog modela. Prema tome, deterministički model može se koristiti, samo,
kada su stohastička obilježja u realnom procesu ili sustavu manjeg intenziteta ili
kada se želi približan ili pojednostavljen ali dovoljno točan matematički opis
stohastičkoga procesa ili sustava [1].

2.2. Stohastički model

Stohastički modeli (empirijsko-statistički) dolaze u obzir kada u procesu obrade ili

sistemu postoji znatan utjecaj nekontroliranih – poremećajnih slučajnih faktora z⃗ .
Tada opći matematički model stohastičkoga procesa obrade glasi [1]:

F si ¿, i=1,2,3,... (2.2.1)

Uz ograničenje:

F gi =( ⃗x , ⃗y , ⃗z )≤ 0, i=1,2,3,... (2.2.2)

Ili u eksplicitnom obliku:

⃗y=F ( ⃗x , ⃗z ). (2.2.3)
 Slika 2. Blok shema stohastičkog modela

2.3. Klasifikacija metoda modeliranja

U analizi i istraživanju procesa i sistema mogu biti primijenjene neke od sljedećih

metoda modeliranja: analitičke (matematičke), numeričke, eksperimentalne,
računalno-grafičke, stohastičke, fizikalne, misaone, analogne i druge [1].
Klasifikacija metoda grafički je prikazana na slici 3.

Slika 3. Klasifikacija metoda modeliranja

Analitičko modeliranje je postupak definiranja analitičkih modela stanja procesa ili

sustava u obliku matematičkih funkcija, simbola, ili operacija. Ovo modeliranje se
izvodi na temelju detaljnih teorijskih znanja uz korištenje određenih zakonitosti
procesa i sustava, kao i procedure definiranja matematičkog modela. Ovim
modeliranjem se obično dobiju analitički matematički modeli.

Stohastičko modeliranje koristi eksperimentalne rezultate i metode matematičke

statistike. Ovakvi su modeli veoma korisni u mnogim inženjerskim i znanstvenim
istraživanjima (procesi obrade, obradni sustavi, tribološki procesi, točnost i kvaliteta
obrade, itd.). Suvremeni pristup modeliranju temelji se na povezivanju teorije i
eksperimenata. Osnovna karakteristika stohastičkih modela je visok stupanj
pouzdanosti i točnosti uz znatne troškove modeliranja, radi potrebne pripreme i
realizacije eksperimenta.

Dimenzionalno modeliranje se koristi u mnogim područjima kao što su:

hidrotehnika, aerotehnika, kemijska i procesna tehnika, termodinamika, procesi
obrade itd. Teorija dimenzionalnosti, iako ima prostu proceduru primjene, još uvijek je
nedovoljno iskorištena u modeliranju i analizi procesa, posebno kod proizvodnih
procesa i sustava. Dimenzionalnim modeliranje se dobiju matematički modeli
sastavljeni od bezdimenzijskih veličina i eksponenata koji se odrede korištenjem
eksperimentalnih rezultata. Dakle, i kod modeliranja primjenom teorije
dimenzionalnosti eksperimentalno je istraživanje osnova za definiranje matematičkih
modela u obliku koji će biti pogodan za praktičnu primjenu.

Numeričko modeliranje se temelji na primjeni numeričkih metoda (metoda konačnih

elemenata, metoda rubnih elemenata, metoda konačnih volumena, varijacijska
metoda i druge). Sve ove metode daju približno točne rezultate, što u određenim
slučajevima zahtijeva eksperimentalnu verifikaciju tako dobivenih modela. Ova
metoda, pored složenosti i opsežnosti, ima sve širu primjenu zahvaljujući razvoju
softvera i računala. Numeričko modeliranje se koristi za modeliranje naprezanja i
deformacija u području elastičnih, elasto-plastičnih i plastičnih deformacija, proračun
sila opterećenja sustava alata i sl.

Računalno-grafičko modeliranje izvodi se pomoću računala i mnogo je šireg

značenja od samog grafičkog prikazivanja. Postoji nekoliko osnovnih faza
računalnografičkog oblikovanja: modeliranja oblika iz prostih-elementarnih oblika uz
mogućnost translacije, rotacije i presijecanja, primjena odgovarajućih matematičkih
modela uz mogućnost formiranja baze oblika, što značajno obogaćuje ovaj način
prikazivanja te crtanje pomoću računala (kompjuterska grafika). Velika prednost
računalnog oblikovanja je „pamćenje oblika“, što omogućuje komponiranje strojnih
elemenata na temelju već razrađenih oblika dijelova. Rad računala se temelji na
operacijama sa diskretiziranim, tj. numeričkim vrijednostima. Grafičko modeliranje se
koristi za izradu crteža, razne vrste proračuna i analize stanja, te za definiranje
programa (CAM) kod izrade dijelova.

Fizikalno modeliranje podrazumijeva objekt modeliranja sličan realnom objektu, ali

obično manjih dimenzija. Uvjeti sličnosti modela i objekta definirani su pomoću teorije
sličnosti ili dimenzijske teorije. Na ovakvom modelu znatno je manji rizik troškova
eksperimentalnog istraživanja nego na realnom objektu. Kada nije moguće
uspostaviti sličnost fizikalnog i realnog modela, tada se ne koristi fizikalno
modeliranje. Fizikalno modeliranje se koristi u brodogradnji, mostogradnji,
avioindustriji, itd. Primjer fizikalnog modeliranja glavnih naprezanja metodom
fotoelastičnosti prikazan je na slici 4.

Slika 4. Krivulje glavnih normalnih naprezanja

određene metodom fotoelastičnosti
Analogno modeliranje se temelji na matematičkoj analogiji. Ulogu matematičkog
modela ima analogno računalo koje je podešeno prema diferencijalnoj jednadžbi
procesa. Ovdje se u odnosu na fizikalni model lako variraju parametri procesa.

Misaono modeliranje kao i misaoni model nastaje u čovjekovo svijesti, što je

rezultat određenih spoznaja o realnom objektu ili sustavu. Misaoni model prethodi
fizikalnom modelu. Ovakva spoznaja sadrži osnovne informacije (geometrija,
funkcija, karakteristike, proces, itd.) koje su vezane za realni objekt. Svaki istraživač,
konstruktor prije izgradnje fizikalnog modela ili realnog objekta na određeni način
definira misaoni model koji je podloga za definiranje i izgradnju fizikalnog modela.
Ponekad je potrebno znatno više vremena za izgradnju varijanti misaonog modela i
izbor najbolje varijante, nego za konstrukciju fizikalnog modela. Ovo pokazuje značaj
definiranja misaonog modela koji prethodi definiranju konstrukcijskog modela. [1]

3. MATEMATIČKA IDENTIFIKACIJA PARAMETARA PROCESA I SUSTAVA I

IZBOR TIPA MODELA

Identifikacija i izbor parametara koji će biti obuhvaćeni pri modeliranju ovisi o vrsti
procesa, cilju modeliranja, eksperimentu, intuiciji istraživača, posjedovanju
odgovarajuće opreme, itd. Moguć je slučaj da se neobuhvaćeni parametri mijenjaju
na slučajan način u nekim granicama i da konkretnom skupu obuhvaćenih ulaznih
reguliranih i nereguliranih parametara odgovara skup izlaznih parametara koji se
mijenjaju u nekom području po zakonima vjerojatnosti. Pri tom se mogu promijeniti
stohastički matematički modeli procesa, čiji se nivo točnosti i pouzdanosti procjenjuje
statističkim metodama. Ako neobuhvaćeni parametri ne utječu na izlazne parametre
procesa i ako svakom konkretnom skupu obuhvaćenih ulaznih parametara odgovara
jednoznačno određeni skup izlaznih parametara, tada se govori o determinističkom
matematičkom modelu procesa. Identifikacija parametara procesa i sustava izvodi se
analizom procesa na temelju poznatih teorijskih podataka o konkretnom procesu ili
sličnom procesu kada je konkretni proces nedovoljno poznat (slika 5.). [1]

Slika 5. Analiza i identifikacija parametara procesa obrade

Identifikacija parametara procesa može se izvesti i eksperimentalnim putem kada se
iz ukupnog s kupa identificiranih utjecajnih parametara izabere jedan broj parametara
koji se definiraju kao nezavisno promjenjive ulazne veličine (𝑋𝑖), a ostali se
parametri, iako mogu biti nezavisno promjenjive veličine u postupku modeliranja,
tretiraju kao konstante. Primjer identifikacije ulazno – izlaznih parametara procesa sa
skidanjem strugotine prikazan je na slici 6., gdje je znatno veći broj nezavisno
promjenljivih ulaznih veličina od broja konstantnih veličina procesa. [1]

Slika 6. Identifikacija parametara procesa obrade odvajanjem čestica

O – Odrezak strugotine određen sa dva elementa (A - površina odreska, g – vitkost

strugotine)
v – brzina rezanja
s – posmak
a – dubina rezanja
G – Geometrija alata (grudni, leđni, prisloni kut, kut nagiba glavne oštrice…)
B – Pojas istrošenosti alata
T – Postojanost alata
∆ - Koeficijent sabijanja strugotine
Ra – Veličina hrapavosti obrađene površine
𝜃 – temperatura procesa obrade odvajanjem
OS – Oblik strugotine
S – Obradni stroj
M – Materijal obratka
SHP – Sredstvo za hlađenje i podmazivanje
Na temelju prikaza sa slike postavlja se odnos između ulaznih i izlaznih veličina.
Velik broj ulaznih parametara u ovom slučaju rezultirati će vrlo složenom
funkcionalnom ovisnošću. Ovo znatno otežava definiranje matematičkog modela,
kasnije i njegovu primjenu. Stoga, broj ulaznih parametara treba izabrati u skladu s
realnim potrebama i zahtjevima koje određuju izlazni parametri procesa. Manji broj
ulaznih parametara utječe na znatno jednostavniji eksperiment i lakše definiranje
matematičkog modela procesa. Manji broj ulaznih parametara utječe na znatno
jednostavniji eksperiment i lakše definiranje matematičkog modela. Ovo se vidi iz
funkcionalne ovisnosti između ulaznih i izlaznih veličina na slici 7. [1]

Slika 7. Blok shema pojednostavljenog procesa

F i=ψ i (v , s , a), i=1,2,3,

Β=ψ 4 (v , s , a),
T =ψ 5 ( v , s , a ),
Ra =ψ 6 (v , s , a),
θ=ψ 7 (v , s , a),
Prema tome, blok shema procesa ovisi o vrsti procesa obrade, broju utjecajnih
parametara, cilju istraživanja i složenosti postavljenog modela. Izlaznih parametara
procesa može biti više ili samo jedan, što ovisi od postavljenog cilja modeliranja [1].

3.1. Izbor tipa modela

Obradni procesi pripadaju grupi složeni višefaktornih procesa s malim ili nepotpunim
znanjem o unutrašnjoj strukturi procesa, interakciji parametara i zakonitostima
promjene ulazno-izlaznih veličina procesa. Do modela se može doći na razne načine,
međutim osnovno je pitanje koliko koji model adekvatno opisuje stanje procesa
obrade. Poznato je da eksperimentalni modeli najtočnije opisuju realne procese koji
važe samo za područje variranih ulaznih faktora. Kako je već navedeno, osnovni su
tipovi matematičkih modela deterministički i stohastički koji se rješavaju određenom
metodologijom.

Za determinističke sustave ili procese, gdje važe zakoni linearnosti, matematički

modeli su definirani linearnim diferencijalnim jednadžbama, odnosno gdje ne važe
zakoni linearnosti definirani su nelinearnim diferencijalnim jednadžbama. Pri izboru
modela za aproksimaciju eksperimentalnih rezultata traže se modeli koji najbolje
opisuju realni proces ili sustav. Funkcija modela može biti prava linija, parabola
drugoga ili trećeg reda, hiperbola, logaritamska funkcija, itd. Za izbor tipa
matematičkog modela ne postoji opće važeće pravilo. To znači da za svaki
istraživani proces treba izabrati model i izvršiti provjeru njegove točnosti i
adekvatnosti u odnosu na realni proces [1].

Slika 8. Osnovni tipovi matematičkih modela

Shema modeliranja i razrade matematičkih modela prikazana je na slici 9., gdje se

matematičko opisivanje procesa obrade može izvesti analitičko-matematičkim
modelima koji običnim ili diferencijalnim jednadžbama definiraju fizikalno stanje
procesa obrade, odnosno eksperimentalnim matematičkim modelima (EMM i
kombiniranim matematičkim modelima (KMM), koji nastaju sintezom AMM i EMM.
Intuitivni matematički modeli (IMM) definiraju se heurističkim putem koji mogu koristiti
zakone mehanike, termodinamike i druge, a interpretirani su određenim filozofskim
gledištima i hipotetičkim koncepcijama. Ovim modelima se dolazi do cilja bez pokusa
i logičkih zaključaka. EMM se temelje na teoriji planiranja eksperimenta, izmjerenim
parametrima procesa, te primjeni metoda matematičke statistike i numeričke analize.
Ovi modeli definirani empirijskim putem su fenomenološki. Pri definiranju se koristi
induktivna metoda stvaranja matematičkih modela, posebno kada se radi o
opisivanju složenih procesa i deduktivna metoda stvaranja matematičkih modela
putem pojednostavljenja uz izvođenje logičkih zaključaka od općih k pojedinačnim.
[1]
 Slika 9. Shema metoda razrade matematičkih modela

4. ANALITIČKO MODELIRANJE

Analitičko modeliranje je postupak definiranja jednadžbi stanja procesa ili sustava u

obliku matematičkih formulacija s primjenom nužnih aproksimacija i
pojednostavljenja kako bi se proces modeliranja doveo do cilja i dobio prikladan
model za inženjersko-tehničku primjenu. Kod analitičkog modeliranja i definiranja
analitičkih matematičkih modela (AMM) polazni objekt promatranja i izvor informacija
nije uvijek realan proces, već neka apstrakcija u vidu integralnog ili asimptotskog
matematičkog modela. Točnost AMM se može prihvatiti samo uspoređivanjem
dobivenih analitičkih i eksperimentalnih vrijednosti istraživanih parametara procesa ili
sustava. Matematičkom opisivanju svakog procesa prethodi faza idealizacije tj.
uprošćivanja stvarnog procesa. Stupanj idealizacije ovisi o vrsti procesa,
postavljenom cilju modeliranja, broju i karakteru usvojenih pretpostavki. Kao svaki
drugi model, i matematički model treba što bolje održavati realni ili pretpostavljeni
proces, s tim da s matematičkog stajališta mora biti upotrebljiv.Osnovni koraci
matematičkog opisivanja procesa obrade su:
 definiranje ulaznih tehnoloških parametara,
 podjela ulaznih tehnoloških parametara na obuhvaćene i neobuhvaćene,
 podjela obuhvaćenih tehnoloških parametara na promjenjive i konstantne u
okviru promatranog modela,
 definiranje jednadžbe veze ulazno-izlaznih parametara procesa,
 izbor i primjena konkretnih analitičkih i fizikalnih zakona koji određuju
jednadžbu veze,
 rješenje sistema jednadžbi veze,
  ispitivanje i provjera točnosti i pouzdanosti modela.

Slika 10. Blok shema općeg algoritma razrade AMM

Definiranje ulaznih parametara temelji se na iskustvu i intuiciji istraživača i prethodno

izvedenim istraživanjima. U prvom koraku definiraju se svi tehnološki parametri X (0) i ,
koji imaju određeni utjecaj na izlazne parametre Y i. U drugom koraku razrade AMM
odbacuju se grupe nevažnih ulaznih parametara X in. Tako se formira grupa
obuhvaćenih ulaznih parametara X iy čiji intenzitet utjecaja na izlazne parametre Y i
treba utvrditi. U trećem koraku izvodi se podjela obuhvaćenih ulaznih parametara na
promjenljive X iv i konstante X ic, što je uvjetovano karakteristikama realnog procesa
koji se modelira. Nakon formiranja bloka konstanti i varijabli Ʃ X ic + Ʃ X iv = Ʃ X iy
pristupa se izboru odgovarajućih fizikalnih zakona koji povezuju ovaj blok s izlaznim
parametrima procesa, što se definira funkcijom veze Ʃ [ Ø i ( Ʃ X iy, Ʃ Pi, Ʃ Y i) ], gdje
je Ʃ Pi - skup fizikalnih ulaznih parametara koji ranije nisu bili obuhvaćeni, ali ulaze u
izabrane jednadžbe veze Ø i u obliku promjenjivih ulaznih parametara Ʃ Pvi i Ʃ Pci .

U ovoj fazi važno je koristiti znanstvene informacije i fizikalne zakone koji određuju
funkciju veze Ø i. Po pravilu, i prije svega, izaberu se fizikalni zakoni utemeljeni na
uvjetima održanja energije. Zakoni održanja energije su temelj svakog opisivanja
analitičkog modela. Također je potrebno primijeniti sve konkretne zakone dobivene iz
pokusa ( jednadžbe stanja, veze između tenzora deformacije i brzine deformacije,
ovisnost empirijskih koeficijenata od Ʃ X iy, itd.). U sljedećem koraku realizacije
problema mora se riješiti sistem jednadžbi Ʃ Ø i i dobiti veza Ʃ [Y i = Y i (Ʃ X iy, Ʃ Pi)].
Ovaj korak je najteži i najsloženiji. Točnost se navedene veze utvrđuje uspoređenjem
analitičkih i eksperimentalnih vrijednosti Y i. Vrlo se često identifikacija realnog
objekta i AMM dobiva metodom izračunavanja koeficijenta podudarnosti, što se
sastoji u sljedećem:
c
 nekoliko fizikalnih ulaznih parametara Pi odrede se kao koeficijenti
podudarnosti C i putem izjednačavanja eksperimentalnih i izračunatih
vrijednosti nekog od izlaznih parametara procesa pri konkretnom skupu
vrijednosti Ʃ X iy, Ʃ Pi,
y
 sastavnim dijelom modela smatra se ovisnost C i = C i (Ʃ X i , Ʃ Pi), koja se
uzima kao konkretni zakon.

Nakon definira definiranja AMM postupak modeliranja je završen. Dakako, ponekad

postoji potreba korekcije modela, kada je model nedovoljno točan ili kada se ne
može primijeniti u praksi.[1]

4.1. Analitičko modeliranje sile rezanja

Kod obrade skidanjem strugotine rezni klin alata prodire u materijal pod djelovanjem
odgovarajuće sile. U zoni kontakta dolazi do plastičnog deformiranja i razaranja
materijala i do odvajanja čestica materijala. Proces stvaranja strugotine određen je
mnogim parametrima procesa obrade, alata, stroja, toplinskog i tribološkog stanja.
Elementi procesa su dubina rezanja a, korak s i brzina v. Postoji veliki broj postupaka
i metoda obrade skidanjem strugotine, tako da je nemoguće jednom univerzalnom
metodom obuhvatiti sve te slučajeve. Sa stajališta upravljanja procesom obrade
veoma je bitno održavanje sile skidanja strugotine F R u dopuštenim granicama, jer
se na taj način postiže odgovarajuća kvaliteta obrade i čuvanje alata od većih
oštećenja (lom, istrošenost, utrošak energije, itd.). Na slici 11. prikazane su
komponente sile rezanja kod uzdužnog tokarenja.

Slika 11. Komponente sile rezanja pri uzdužnom tokarenju

Na slici 11a prikazane su komponente sile rezanja, a na slici 11b dana je shema
kinematike kretanja obratka (v = D 𝜋 n ) i kretanja alata ( v s = s n), te na slici 11c
prikazana je blok shema procesa obrade, gdje su ulazne veličine v s, odnosno s i a ,
te izlazna veličina sile rezanja F R.Kod definiranja matematičkog modela procesa
obrade ili obradnog sistema uvijek se usvajaju određene pretpostavke, odnosno
aproksimacije realnog stanja. Takve aproksimacije:
 olakšavaju izvođenje procedure matematičkog modeliranja, jer se realno
stanje zamjenjuje s nekim idealiziranim stanjem i
 izravno utječu na točnost dobivenog rezultata, odnosno matematičkog
modela.
Dakle, ovako dobiveni model ne opisuje realno stanje procesa ili objekta modeliranja.
Prema tome, kod analitičkog modeliranja uzdužnog tokarenja usvajaju se sljedeće
pretpostavke:
1. Materijal obratka i alata je homogen i izotropan
2. Mehaničke osobine i kemijski sastav obratka ne mijenjaju se u procesu obrade.
Poznato je da se u procesu obrade skidanjem strugotine u radnoj zoni oslobađa
određena količina toplinske energije koja stvara određena toplinska naprezanja.
Ako se prihvati da sredstvo za hlađenje i podmazivanje snižava temperaturu u
odgovarajućoj mjeri, može se prihvatiti navedena pretpostavka.
3. Geometrija alata u procesu obrade ostaje konstantna. Ipak, trošenje alata je
prisutno u svakom trenutku. Pretpostavka je da se koriste kvalitetni materijali
alata s velikom postojanošću.
4. Analitički izrazi za određivanje komponenti sile rezanja s dovoljno pouzdanosti i
točnosti mogu se koristiti i za nestacionarne radne režime obrade.

Komponente otpora rezanja mogu se prikazati sljedećim općim izrazom:

F j = C j k j a n1 sm 1 , ( j = 1,2,3), k j = ∏ k ji (4.1.1)
i

Na temelju pretpostavki od 1 do 3, koeficijenti n1,m 1,C j,k j mogu se smatrati

konstantama. Koeficijenti n1 i m1 su parametri obradivosti. Jednadžba (4.1.1) definira
nelinearni matematički model rezanja, koji važi za svaki pa i nominalni režim obrade,
tako da je:

F N = C k k F a n1 m1
N sN , (4.1.2)

F N , a N , s N - nominalna sila, dubina i posmak rezanja.

Relativna odstupanja pojedinih veličina su sljedeća:

F−F N a−a N s−s N

ΔF = ; Δa = ; Δs = .
FN aN sN
(4.1.3)

Oduzimanjem jednadžbe (4.1.2) od jednadžbe (4.1.1) i koristeći pri tome izraz (4.1.3)
dobiva se:

F j - F N = C j k j a n1 sm 1 - C k k F a n1 m1
N sN
n1 m 1
/ : C k k F a N sN

F j−¿F C j k j an 1 sm 1 Cjkj n1 m1
¿=
N

n1 m1 - 1 = ( a|a N ) ( s|s N ) - 1
FN Ck k F a N s N Ck k F
Tako da je nelinearni matematički model procesa rezanja:

´ )n1 (1+ Δ́s)m 1 - 1

ΔF = (1+ Δa (4.1.4)

Definiranje upravljanih i poremećajnih veličina proizlazi iz procesa rezanja i

konstrukcije alatnog stroja, tako da je:

x i ( t ) = ΔF ( t ), z ( t ) = Δa ( t ), u ( t ) = Δs ( t ), (4.1.5)

Izraz (4.1.4) sada ima sljedeći oblik:

x i ( t ) = [1+ z ( t )]n 1 [1+u ( t ) ]m 1 - 1 = f (z,u) . (4.1.6)

Izraz (4.1.6) može se grafički prikazati u obliku kao na slici 12.

Slika 12. Blok dijagrama

U realnom procesu posmak tokarenja je određen brzinom pomoćnog kretanja alata:

vs
s= = k n v s = k n ξ, n = const. , (4.1.7)
n

gdje je:

v s - brzina pomoćnog kretanja,

ξ – prostorna koordinata pomaka nosača alata, odnosno brzina ( ξ ).

Za određivanje linealiziranog matematičkog modela koriste se prvi članovi Taylorova

ili Mac-Laurinova reda. Pretpostavka je da su ispunjeni uvjeti za linearizaciju funkcije
sile rezanja , tj. da je funkcija f (x) = f (F) neprekinuta i diferencijabilna u
odgovarajućem području.

Mac-Laurinov red:
 ' x 2 '' x 3 '' '
f ( x )=f ( 0 ) + x f ( 0 )+ ' f ( 0 ) + f ( 0 )+ …
2 3!

Odnosno Taylorov red: (4.1.8)

2
' ( x −x0 )
f ( x )=f ( x 0 ) + ( x−x 0 ) f ( x 0 )+ f ' ' ( x 0 ) +…
2!

Primjereno navedenom a zadržavajući se na nultim i prvim članovima reda, dobiva

se:

f ( x )=f ( F ) =F ( a , s )=¿

¿ F ( aN , s N ) + ( ∂ F∂a( a , s ) ) ( a−a )+( ∂ F∂( as , s ) ) (s−s )=¿

N
N
N
N (4.1.9)

¿ C k k F a nN smN +C k k F ( n1 anN s mN ∆ a+m1 smN −1 anN ∆ s ) .

1 1 1−1 1 1 1

Apsolutna odstupanja su definirana sljedećim izrazima:

∆ a=a−a N , ∆ s=s−s N , ∆ F=F−F N , ∆ v s=v s−v sN (4.1.10)

Na temelju jednadžbe (4.1.7) i (4.1.10) može se pisati:

s=s N + ∆ s=k n v s=k n ( v sN + ∆ v s )=k n ( dξdt ) + k d (dt∆ ξ) ,

N
n (4.1.11)

odnosno

s N =k n ( dξdt )
N
i ∆ s=k n
d (∆ ξ )
dt
(4.1.12)

ili

s N =k n v sN i ∆ s=k n ∆ v s . (4.1.13)
Zamjenom izraza (4.1.12) u izraz (4.1.9) dobiva se:

d (∆ ξ)
F−C k k F anN smN =Ck k F n1 anN ∆ a( k n v sN )m +C k k F m1 anN (k n v s)m −1 k n
1 1 1−1 1 1 1
=¿
dt

d ( ∆ ξ)
¿ C k k F n 1 a nN ∆ a( k n v sN )m +C k k F m1 anN k mn v msN−1
1−1 1 1 1 1
.
dt

odnosno za:

K a =Ck k F n1 anN (k n v sN )m 1−1 1

i K ξ =C k k F m1 anN k mn v msN−1 ,
1 1 1

dobiva se:
 d (∆ ξ )
F−F N =∆ F=K a ∆ a+ K ξ . (4.1.14)
dt

Tražene prenosne funkcije procesa rezanja pri uzdužnom tokarenju imaju oblik:

X i (s) ∆ F (s ) X i (s) ∆ F (s )
Ka= = =W z ( s ) ; K ξs = = =W u (s)
Z (s) ∆ a( s) U (s) ∆ ξ ( s)
(4.1.15)

5. MODELIRANJE I OPTIMIZACIJA PARAMETARA DUBOKOG IZVLAČENJA

Zadatak: Potrebno je naći matematički model sile procesa dubokog izvlačenja.

Dobiveni model treba optimizirati tako da parametri modela: stupanja deformacije φ,
radijus zakrivljenja rm, i koeficijent kontaktnog trenja μ poprime optimalne vrijednosti,
kada funkcija cilja iskazana preko postojanosti alata, dobije maksimalnu vrijednost
(Fc= Tmax).

Slika 13. Shema procesa dubokog izvlačenja u prvoj operaciji (1-žig, 2-matrica, 3-
držač pripremka, 4-pripremak)

5.1. Modeliranje sile procesa dubokog izvlačenja - teorija

Duboko izvlačenje je proces plastičnog oblikovanja lima gdje se od početnog ravnog

oblika pripremka dobije izradak određenog prostornog geometrijskog oblika. Izradak
se može dobiti u jednoj ili više operacija na osnovu deformacije lima djelovanjem
alata, stoga zaključujemo da oblik izratka odgovara obliku alata. Za izvlačenje
jednostavnih oblika izratka dovoljno je obaviti samo jednu operaciju izvlačenja, ali
kada je u pitanju izvlačenje dubokih i složenih izradaka tada su alati složeniji, a
izvlačenje se izvodi u više operacija. Intenzitet deformacijske sile je osnovni
pokazatelj dinamičke i energetske iskoristivosti stroja, kvalitete i stabilnosti
deformacijskog procesa. Maksimalna sila pokazuje dobru iskoristivost obradnog
sustava ali i veliko opterećenja alata što smanjuje njegovu postojanost. S druge
strane minimalne sile procesa oblikovanja pokazuju nedovoljnu energetsku
iskoristivost obradnog sustava. Zbog toga dolazi do potreba za modeliranjem
maksimalne optimalne sile procesa dubokog izvlačenja koja će zahtijevati optimalne
vrijednosti parametara modela. Dakle optimalne sile procesa plastičnog oblikovanja
rezultat su optimizacije parametara procesa, što utječe na porast kvalitete obrade,
postojanosti alata i niži utrošak energije po jedinici proizvoda. Poznavanje
matematičkog modela deformacijske sile potrebno je pri projektiranju procesa obrade
i alata, izboru deformacijskog stroja, pri određivanju postojanosti alata, minimizacije
opterećenja alata i upravljanja kvalitetom procesa. [1]

5.2. Modeliranje sile procesa dubokog izvlačenja

5.2.1. Izbor parametara procesa izvlačenja

Izbor parametara procesa dubokog izvlačenja prikazan je na slici gdje sila izvlačenja
ovisi od sljedećih ulaznih parametara: stupanja deformacije φ, radijus zakrivljenja r m ,
i koeficijent kontaktnog trenja μ,. Konstantni parametri procesa izvlačenja su:
- materijal pripremka Č0148
- pritisak držača lima p
- debljina lima pripremka s0
- unutrašnji promjer izratka d 1
- radijus zaobljenje izvlakača r i
- brzina izvlačenja v
Ulazni parametar, koeficijent kontaktnog trenja μ, se može simulirati sredstvom za
podmazivanje i površinskom prevlakom lima tako da sila izvlačenja ovisi o trima
ulaznim varijablama. [1]
Y =F i=f ( μ , r m ,φ )

Slika 14. Shema modeliranje sile dubokog izvlačenja

5.2.2. Modeliranje pomoću centralnog kompozicijskog plana

Osnovna je osobina ovog plana što faktori imaju samo dva nivoa, tako da se lako
nastavljaju na linearni model. Svrha plana pokusa je pronalaženje matematičkog
modela, u našem slučaju polinoma II stupnja koji opisuje proces. Ako su proučavani
faktori u pokusu doista oni koji utječu na proces, a podatci dobiveni pokusom
prihvatljive točnosti, tada je moguće razviti model koji vjerodostojno opisuje proces.
Ukupan broj potrebnih pokusa određen je izrazom:
N=2k + 2 k +no
N – ukupan broj eksperimenata
k – broj ulaznih varijabli
n0 – broj ponovljeni pokusa u centralnoj točki
Za praktičnu primjenu kompozicijskih planova potrebno je uvesti značenje simetričnih
točaka 𝛼 i broj nultih točaka n0 . Izbor 𝛼 i n0 ovisi od izabranih kriterija optimalnosti [1].
Za broj ulaznih varijabli k = 3, prema tablici 4.18 [1], slijedi da je:

α =1,6817 (udaljenost aksijalnih/simetričnih točaka, odnosno širina istraživanja )

n0 =6(broj ponovljenih pokusa u centralnoj točki )
N=20 (broj pokusa)
Svaki ulazni faktor variran je na 5 nivoa (-1.682, -1, 0, 1, 1.682).

Tablica 1. Fizikalne ( x i ¿ i kodirane ( X i ) vrijednosti ulaznih parametara procesa

Utjecajni parametri Kodirane i fizikalne vrijednosti ulaznih parametara
Kodirani
Xi - 1,682 -1 0 1 1,682
parametri
X1 = µ 0,013 0,04 0,08 0,12 0,147
Fizikalni
X2 =rm 1,60 2,00 2,50 3,00 3,40
parametri
X3 = φ 0,33 0,40 0,50 0,60 0,67

Izračunate vrijednosti Y =F i prema modelu su stvarne vrijednosti sila izvlačenja u

svakom od eksperimenata a dobivene su izračunom i to prema formuli ( polinom
drugog reda ) [1]:

Y =F i=b 0 +b1 X 1 +b2 X 2 +b 3 X 3 + b11 X 21 +b22 X 22 +b33 X 23 +b12 X 1 X 2+ b13 X 1 X 3+ b23 X 2 X 3+ b123 X 1 X 2 X 3 (5.2 .2.1 .)

b 0 - koeficijent matematičkog modela u nultoj točki plana (kada u obzir ne uzimamo

ulazne parametre )
b 1 - koeficijent matematičkog modela u prvoj točki plana (kada u obzir uzimamo prvi
ulazni parametar)
b 2 - koeficijent matematičkog modela u drugoj točki plana (kada u obzir uzimamo
drugi ulazni parametar)
b 3 - koeficijent matematičkog modela u trećoj točki plana (kada u obzir uzimamo treći
ulazni parametar)
b 11 - koeficijent matematičkog modela u prvoj točki plana (kada u obzir uzimamo prvi
ulazni parametar, dva puta uzastopno)
b 22 - koeficijent matematičkog modela u drugoj točki plana (kada u obzir uzimamo
drugi ulazni parametar, dva puta uzastopno)
b 33 - koeficijent matematičkog modela u trećoj točki plana (kada u obzir uzimamo treći
ulazni parametar, dva puta uzastopno)
b 12 - koeficijent matematičkog modela u prvoj i drugoj točki plana (kada u obzir
uzimamo prvi i dugi ulazni parametar)
b 13 - koeficijent matematičkog modela u prvoj i trećoj točki plana (kada u obzir
uzimamo prvi i treći ulazni parametar
b 23 - koeficijent matematičkog modela u drugoj i trećoj točki plana (kada u obzir
uzimamo drugi i treći ulazni parametar)
b 123 - koeficijent matematičkog modela u prvoj, drugoj i trećoj točki plana (kada u obzir
uzimamo prvi, drugi i treći ulazni parametar)
X 1 - kodirana vrijednost stupanja deformacije φ
X 2 - kodirana vrijednost radijus zakrivljenja r m
X 3 - kodirana vrijednost koeficijenta kontaktnog trenja μ

Eksperimentalno dobiveni rezultati sile izvlačenja F i i koeficijenta kontaktnog trenja µ

prikazani su u Tabeli 2. [1]

Tablica 2. Pregled eksperimentalnih rezultata i izračunatih vrijednosti sile izvlačenja

Fizikalne varijable Kodirane varijable Numerički rezultati
procesa procesa sile izvlačenja
Izračunat
Redni Eksperim
e
broj en-
vrijednost
pokus talne
µ rm φ X1 X2 X3 i
a vrijednost
Yj = Fj
Nj i
prema
Yj = Fj
modelu
mm daN
1 0,04 2,00 0,40 -1 -1 -1 950 962,0
2 0,12 2,00 0,40 1 -1 -1 1120 1122,5
3 0,04 3,00 0,40 -1 1 -1 870 877,0
4 0,12 3,00 0,40 1 1 -1 1000 997,5
5 0,04 2,00 0,60 -1 -1 1 1100 1107,4
6 0,12 2,00 0,60 1 -1 1 1280 1227,8
7 0,04 3,00 0,60 -1 1 1 1020 1022,4
8 0,12 3,00 0,60 1 1 1 1180 1178,3
9 0,08 2,50 0,50 0 0 0 1120 1134,3
10 0,08 2,50 0,50 0 0 0 1150 1134,3
11 0,08 2,50 0,50 0 0 0 1130 1134,3
12 0,08 2,50 0,50 0 0 0 1160 1134,3
13 0,08 2,50 0,50 0 0 0 1100 1134,3
14 0,08 2,50 0,50 0 0 0 1140 1134,3
15 0,013 2,50 0,50 -1,682 0 0 950 910,0
16 0,147 2,50 0,50 1,682 0 0 1180 1163,0
17 0,08 1,60 0,50 0 -1,682 0 1220 1185,2
18 0,08 3,40 0,50 0 1,682 0 1040 1017,0
19 0,08 2,50 0,33 0 0 -1,682 980 946.0
20 0,08 2,50 0,67 0 0 1,682 1230 1207.0

Kodirane varijable procesa: Predstavlja kodiranu vrijednost svakog od ulaznih

parametra. Kako su u Tablici 1. prikazani ulazni parametri u kodiranim vrijednostima,
sada za svaku vrijednost ulaznog parametra dobivamo i odgovarajuću kodiranu
vrijednost prema Tablici 1.
Numerički rezultati sile izvlačenja: Eksperimentalne vrijednosti Y j=F jdobijemo
mjerenjem sile izvlačenja u svakom od eksperimenata i njenim unošenjem u Tablicu
2.

5.2.3. Izračun koeficijenata matematičkog modela

 N
1
b 0= ∑X y
N j=1 0 j j
N
1
b i= ∑ X Y , za i=1,2 , … , k ,
N −n0 j=1 ij j
N
1
b ℑ= ∑ X X y , za 1 ≤i<m ≤k ,
N −n0 j=1 ij mj j
Gdje su:
b 0 - koeficijent matematičkog modela u nultoj točki plana
b i - koeficijent matematičkog modela u i-toj točki plana
b ℑ - koeficijent matematičkog modela u i-toj i m-toj točki plana
N –ukupan broj eksperimentaN=2k + n0
n0 - broj ponovljeni pokusa u centralnoj točki plana
X ij - kodirana vrijednost i-tog ulaznog parametra u j-tom eksperimentu
X mj - kodirana vrijednost m-tog ulaznog parametra u j-tom eksperimentu
y 0 j –rezultati pokusa u centralnoj točki plana
y j- rezultati pokusa u N točaka plana ili u N−no točaka plana.

U procesu modeliranja broj točaka plana ovisi o broju ulaznih parametara. Sada
možemo izračunati vrijednosti potrebnih koeficijenata prema prethodno napisanim
formulama [1]:
N
1
b 0= ∑ [ 1∙ 950+1 ∙1120 +1 ∙870+1 ∙ 1000+ 1∙ 1100+1 ∙1280+ 1∙ 1020+1∙ 1180+1 ∙ 1120+1 ∙1150 +1∙ 1130+1
20 j=1

N
1
b 1= ∑ [ (−1 ) ∙ 950+1 ∙1120−1 ∙ 870+1∙ 1000−1 ∙1100 +1 ∙1280−1∙ 1020+1∙ 1180+ 0∙ 1120+ 0 ∙1150+ 0 ∙
20−6 j=1

N
1
b 2= ∑ [ (−1 ) ∙ 950−1∙ 1120+1 ∙ 870+1∙ 1000−1 ∙ 1100−1 ∙ 1280+1∙ 1020+1∙ 1180+ 0 ∙1120+ 0 ∙1150+ 0 ∙
20−6 j=1

N
1
b 3= ∑ [ (−1 ) ∙ 950−1∙ 1120−1∙ 870−1∙ 1000+1∙ 1100+ 1∙ 1280+1∙ 1020+1 ∙1180+ 0 ∙1120 +0 ∙1150 +0 ∙
20−6 j =1

N
1
b 11= ∑ [ (−1 ) ∙ (−1 ) ∙ 950+1∙ 1 ∙1120−1 ∙ (−1 ) ∙ 870+1∙ 1∙ 1000−1∙ (−1 ) ∙ 1100+1 ∙ 1∙ 1280−1 ∙ (−1 ) ∙ 1020+
20−6 j=1

N
1
b 22= ∑ [(−1)∙(−1)∙ 950−1∙(−1)∙1120 +1∙ 1 ∙870+1 ∙ 1∙ 1000−1 ∙(−1)∙ 1100−1∙(−1)∙1280+1 ∙1 ∙ 102
20−6 j=1

N
1
b 33= ∑ [(−1)∙(−1) ∙950−1∙ (−1)∙1120−1 ∙(−1)∙ 870−1∙(−1)∙1000+1 ∙1 ∙1100 +1 ∙1 ∙1280+1 ∙ 1∙ 102
20−6 j=1

N
1
b 12= ∑ [(−1)∙(−1)∙ 950+1 ∙(−1)∙ 1120−1∙ 1 ∙870+1 ∙ 1∙ 1000−1 ∙(−1)∙ 1100+1 ∙(−1)∙ 1280−1 ∙1 ∙ 102
20−6 j=1
 N
1
b 13= ∑ [(−1)∙(−1) ∙950+ 1∙(−1)∙ 1120−1∙ (−1)∙ 870+1∙(−1) ∙1000−1∙ 1∙ 1100+ 1∙ 1∙ 1280−1 ∙ 1∙ 102
20−6 j=1

N
1
b 23= ∑ [ (−1 ) ∙ (−1 ) ∙ 950−1∙ (−1 ) ∙1120+ 1∙ (−1 ) ∙ 870+1 ∙ (−1 ) ∙ 1000−1 ∙1 ∙1100−1 ∙ 1∙ 1280+1∙ 1∙ 1020+
20−6 j=1

N
1
b 123= ∑ [ (−1) ∙(−1)∙(−1)∙ 950+ 1∙(−1) ∙(−1) ∙ 1120−1 ∙ 1∙(−1) ∙870+1 ∙ 1∙(−1) ∙1000−1∙(−1)∙1 ∙110
20−6 j=1

Dobivene vrijednosti koeficijenata matematičkog modela prikazane su u tablici 3.

Tablica 3. Vrijednosti koeficijenata matematičkog modela

Koeficijenti
modela bo bi bii bij

bo= 1134,27 b1= 75,187 b11= -34,61 b12= -7,5

b2= -50 b22= -11,71 b13= 5,0
b3= 77,65 b33= -20,52 b23= 2,5
b123= 2,5

5.2.4. Matematički oblik modela

Na temelju izračunatih koeficijenata model ima oblik:

Y =F i=1134,266 +75,187 X 1 – 50 X 2 +77,65 X 3 – 34,61 X 21 – 11,71 X 22 – 20,52 X 23 – 7,5 X 1 X 2+ 5 X 1 X 3+ 2,5 X 2 X 3

Za prvi eksperiment sila izvlačenja bi iznosila:

Y 1=1134,27 +75,187 X 1 – 50 X 2 +77,65 X 3 – 34,61 X 21−11,71 X 22−20,52 X 23−7,5 X 1 X 2 +5,0 X 1 X 3 +2,5 X 2 X 3 +2

Za drugi eksperiment sila izvlačenja bi iznosila:

Y 2=1134,27 +75,187+50 – 77,65 – 34,61 – 11,71 – 20,52+ 7,5 – 5+2,5+2,5=1122,46 daN

Na isti način izračunaju se i sile za svaki eksperiment. Vrijednost tih izračuna
prikazan je u tablici 2.

5.3.Optimizacija parametara procesa dubokog izvlačenja

Dobiveni matematički model treba optimizirati tako da parametri modela: stupanja

deformacije φ, radijus zakrivljenja r M , i koeficijent kontaktnog trenja μ poprime
optimalne vrijednosti, kada funkcija cilja iskazana preko postojanosti alata, dobije
maksimalnu vrijednost ( F c =T max ). [1]

5.3.1. Izračun maksimalne vrijednosti sile izvlačenja i optimalnih parametara

Funkcija cilja F c =Fi =F i (X 1 , X 2 , X 3) za područje −1.682< X i <+1.682 dobiva maksimum

F c =Fi max za kodirane vrijednosti X 1 =X 10 , X 2=X 20 , X 3= X 30ili za fizikalne vrijednosti
μ=μ 0 ,r M =r MO iφ=φ o. Određivanje ekstremnih vrijednosti sile izvlačenja svodi se na
diferenciranje matematičkog modela

F i=Y =1134,27 +75,187 X 1 – 50 X 2 +77,65 X 3 – 34,61 X 21−11,71 X 22−20,52 X 23−7,5 X 1 X 2 +5,0 X 1 X 3 +2,5 X 2 X

Diferenciranjem ovog izraza po tri varijable, X 1 , X 2 , X 3 dobit ćemo tri jednadžbe:

∂ Fi
=75,187−69,22 X 1 −7,5 X 2+ 5 X 3=0
∂ X1

∂ Fi
=−50,0−23,4 X 2−7,5 X 1 +2,5 X 3 =0
∂ X2

∂ Fi
=77,65−41,04 X 3 +5 X 1 +2,5 X 2 =0
∂ X3

-69,22 X 1 -7,5 X 2 +5 X 3 = -75,189

-7,5 X 1 -23,41 X 2 +2,5 X 3 =50
5 X 1 +2,5 X 2 -41,04 X 3 = -77,65

-69,22 X 1 -7,5 X 2 +5 X 3 =-75,189

-7,5 X 1 -23,4 X 2 +2,5 X 3 =50

−2,5 X 1 +41,04 X 2−77,65

X 1= =1,486
5

69,22 X 1 -7,5 X 2 +5 X 3 =-75,189

-7,5 X 1 -23,41 X 2 +2,5 X 3 =50
X 1 =0,5 X 2 +8,208 X 3 -15,53

69,22(0,5 X 2 +8,208 X 3 -15,53) -7,5 X 2 +5 X 3 =

-7,5(0,5 X 2 +8,208 X 3 -15,53)-23,4 X 2 +2,5 X 3 =50

34,61 X 2 +568,15766 X 3 -1074,9866-7,5 X 2 +5 X 3 =-75,189

-3,75 X 2 -61,56 X 3 +116,475-23,4 X 2 +2,5 X 3 =50

27,11 X 2 +573,15776 X 3 =-75,189+1074,9866

-27,15 X 2 -59,06 X 3 =50-116,475

27,11 X 2 +573,15776 X 3 =999,7976

-27,15 X 2 -59,06 X 3 =-66,475 /×(-1)

27,11 X 2 +573,15776 X 3 =999,7976

27,15 X 2 +59,06 X 3 =66,475
27,11 X 2 +573,15776 X 3 =999,7976
 −59,06 X 3 +66,475
X 2= =−2,405
27,15

27,15 X 2 +573,15776 X 3 =999,7976

X 2 =-2,1753 X 3 +2,4484

27,15(-2,1753 X 3 +2,4484)+ 573,15776 X 3 =999,7976

58,97299 X 3 +66,3771+573,15776 X 3 =999,7976

632,1307 X 3 =933,4205
X 3 =1,926

Rješavanjem jednadžbi dobiju se slijedeće vrijednosti:

X 10=1,486; X 20=−2,405 ; X 30=1,926

Ove vrijednosti predstavljaju kodirane vrijednosti ulaznih parametara pri kojima će

sila izvlačenja biti maksimalna.

Uvjet za maksimum funkcije sile izvlačenja F c =Fi max jest kriterij

∆ 1<0 ; ∆ 2> 0 ; ∆ 3<0

∂2 T
∆ 1= =−69,22< 0
∂ X 21

∂2 T ∂2 T

∆ 2= 2
|
∂ X 21
∂ T
∂ X2 X1
∂ X1 X2
∂T2

∂ X 22
|= |−69,22
−7,5
−7,5
−23,4|=1570,4> 0

∂2 T ∂2 T ∂2 T

| |
∂ X 21 ∂ X1 X 2 ∂ X1 X3
−69,22 −7,5 5
∆ 3=
∂2 T
∂ X2 X1
2
∂ T
∂2 T
∂ X 22
∂2 T
∂2 T
∂ X2 X3
∂2 T
5 |
= −7,5 −23,4
2,5 −41,04 |
2,5 =−63280,5<0

∂ X3 X1 ∂X3X2 ∂ X 23

Kada smo dokazali da je kriterij ispunjen uvrstiti ćemo kodirane vrijednosti za

maksimalnu silu izvlačenja u matematički model. Kodirane vrijednosti iznose
X 10=1,486; X 20 =−2,405 i X 30=1,926

Uvrštavanjem u izraz za model ćemo dobiti:

F i=Fi max =1134,27+ 75,187∙ 1,486−50∙ (−2,405 ) +77,65 ∙ 1,926−34,61 ∙ ( 1,486 )2−11,71 ∙ (−2,405 )2 −20,52∙ ( 1,

F i=Fi max =1307,83 daN

Na ovaj način smo dobili maksimalnu silu izvlačenja.

Optimalne ulazne parametre ćemo odrediti iz kodirani vrijednosti i to prema formuli

x i−x 0 i
Xi=
∆ xi

X i – kodirana vrijednost nezavisno promjenjivih varijabli, i – broj nezavisno

promjenjivih varijabli
x i – fizikalna vrijednost nezavisno promjenjivih varijabli na gornjem ili donjem nivou
x 0 i – fizikalna vrijednost nezavisno promjenjivih varijabli u centru plana tj. Nulta –
srednja vrijednost
∆ x i – interval granice fizikalnih vrijednosti varijabli od srednje točke do maksimalne
odnosno minimalne vrijednosti varijable

ximax + x imin
x 0 i=
2

Optimalne vrijednosti ulaznih parametara u fizikalnom obliku:

μ−0,08
X 10=
0,0397
Iz čega slijedi da je: μ=0,139

r M −2,5
X 20 =
0,499
Iz čega slijedi da je: r M =1,30 mm

φ−0,5
X 30=
0,1
Iz čega slijedi da je: φ=0,693.

Na ovaj način smo dobili fizikalne vrijednosti ulaznih parametara koji predstavljaju
najoptimalnije vrijednosti pri kojima će sila izvlačenja biti maksimalna.
Krivulje sile izvlačenja su prikazane na slici 15. Grafički prikaz pored točke ekstrema
F imax (μ0 , r M 0 , φo )pokazuje intenzitet promjene sile izvlačenja ovisno o pojedinačnoj
promjeni svakog od analiziranih parametara procesa dubokog izvlačenja.
Prema izvedenom istraživanju i izvršenoj analizi pojedinačna optimalna područja
procesa dubokog izvlačenja, za navedene uvjete pokusa, određena su sljedećim
veličinama: 0,02 ≤ µ ≥0,08; 2,0 ≤ r M ≥3,0; 0,30 ≤ φ ≥0,50, odnosno ukupno
optimalno područje iznosi

0,04 ≤ µ ≥0,08; 2,0 ≤ r M ≥2,5; 0,40 ≤ φ ≥0,50

Optimalno područje za prvu operaciju procesa dubokog izvlačenja pokazuje da
maksimalnu silu izvlačenja treba izbjegavati jer je tada veće opterećenje alata,
utrošak energije i manji vijek trajanja alata.
Izvedena optimizacija također pokazuje da se metoda stohastičkog modeliranja
može uspješno primijeniti za definiranje oblika radne zone alata, tribološki procesa i
parametara procesa dubokog izvlačenja. [1]

Slika 15. Krivulje sile izvlačenja i optimalno područje procesa dubokog izvlačenja

6. ZAKLJUČAK

Prvi korak u optimizaciji procesa je definiranje matematskog modela. S obzirom na

važnost optimizacije obradnih procesa, pronalazak odgovarajućeg matematskog
modela koji opisuje odabrani proces predstavlja prvi korak u optimizaciji procesa.
Izbor modela i plana eksperimenta ovisi i o potrebnoj točnosti koju matematički
model mora ispunjavati. Nakon definiranja stohastičkog i determinističkog modela
procesa, vidjeli smo podjele metoda modeliranja. Vrlo važan dio stohastičkog
modeliranja čine identifikacija parametara procesa i sistema. S obzirom na prikazani
primjer kod kojega smo imali tri ulazna parametra, zaključujemo da s više ulaznih
parametara dobivamo potpunije istraživanje, ali i znatno kompleksniji rad s istima.
Izbor adekvatnog tipa modela, odnosno funkcije koja opisuje određenu pojavu
predstavlja jako važan izbor zbog same točnosti modela koji opisuje pojavu. Na kraju
smo analizirali analitičko modeliranje, a to je postupak definiranja jednadžbi stanja
procesa ili sustava u obliku matematičkih formulacija s primjenom nužnih
aproksimacija i pojednostavljenja kako bi se proces modeliranja doveo do cilja i dobio
prikladan model za inženjersko-tehničku primjenu. Na osnovu teoretskih cjelina
prikazanih u prvom dijelu rada prikazan je primjer optimizacije procesa dubokog
izvlačenja. Primjer se sastojao od definiranja problema, izbora ulaznih faktora i
definiranja matematskog modela. Dobiveni matematski model predstavlja početak za
proces optimizacije procesa. U ovom slučaju je potrebno bilo dobiti optimalne
parametre modela kada funkcija cilja iskazana preko postojanosti alata dobije
maksimalnu vrijednost. Primjenjujući korake u procesu optimizacije prema literaturi,
došlo se do rezultata i zaključka da maksimalnu silu izvlačenja izbjegavati, jer je tada
veće opterećenje alata, veći utrošak energije i manji vijek trajanja alata.

7. LITERATURA

[1] M. Jurković: „Matematičko modeliranje inženjerskih procesa i sistema“, Univerzitet

u Bihaću- Mašinski fakultet, Bihać, 1999.
[2] https://www.bib.irb.hr/27825

Opći dojam o seminarskom radu i zaključna ocjena ( )

Opaske- preporuke glede seminarskog rada

Predmetni nastavnik
Izv.prof.dr.sc Stipo Buljan