See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/320211383
Influence of Six Process Variables in a Forged Oil Piping Flange-DOE Analysis, using SIMUFACT Forming Conference Paper · October 2017 CITATIONS 2 READS 202 3 authors: Some of the authors of this publication are also working on these related projects: Non conventional machining processes View project Foundry technology View project German Abate Instituto Nacional de Tecnologia Industrial 57 PUBLICATIONS 77 CITATIONS SEE PROFILE Nicolas Deferrari Instituto Nacional de Tecnologia Industrial 11 PUBLICATIONS 17 CITATIONS SEE PROFILE Daniel Martinez Krahmer Instituto Nacional de Tecnologia Industrial 140 PUBLICATIONS 145 CITATIONS SEE PROFILE All content following this page was uploaded by Daniel Martinez Krahmer on 04 October 2017. The user has requested enhancement of the downloaded file. 3 7th S E N A F O R 21th International Forging Conference 20th National Sheet Metal Forming Conference / 7th International Sheet Metal Forming Conference / 4th BrDDRG Congress 7th International Conference on Materials and Processes for Renewable Energies – Brazil/RS International Conference on Surface Engineering in Material Forming Centro de Eventos do Hotel Continental Porto Alegre/RS October 4-6, 2017  ABSTRACT There are many variables in a hot forging process which affect the forging load and required energy very differently when forming a specific geometry. The statistical design of experiments analyzes the influence of each of these variables (at different levels). Empirically, evaluation and combination of each variable at its range of values, cannot be done due to the influence of tooling costs and time requirements. At the same time, even if costs where no obstacle, special machinery would be needed in order to properly isolate specific variables and to obtain precise load measurements from which to calculate energy evolution during forging. During the design of a new geometry, FEA combined with statistical design of experiments help product developers identify the variables which most significantly influence critical outputs such as die filling, forging load, forming energy, die wear, etc. In this paper, we study the influence of six different variables: starting material upsetting height, flash thickness, flash length, starting billet temperature, pre-heating temperature of upper and lower dies and friction coefficient. Each one is evaluated in two levels using FEA, analyzing the forge load and energy required to complete the forging. The selected geometry is an axisymmetric oil piping flange 6 inches in diameter, while the forging machine is a mechanical (crankshaft) press, 4000 metric tonnes in capacity. With the exception of the friction coefficient, every other analyzed variable can be directly related to a processing parameter. Friction coefficient cannot be changed directly but different lubricants can be evaluated using different techniques such as the ring-test and the pin-on-disk test, among others. Key words — Hot forging, FEA analysis, DOE, forging variables, oil flange, optimization. (1) Mechanical Engineer; INTI, gabate@inti.gob.ar, Buenos Aires, Argentina. (2) Materials Engineer; INTI, deferrari@inti.gob.ar, Buenos Aires, Argentina. (3) Professor, Mechanical Engineer; INTI, mkrahmer@inti.gob.ar, Buenos Aires, Argentina. (4) Facultad de Ingeniería, Universidad Nacional de Lomas de Zamora, Buenos Aires, Argentina. Influence Influence of Six of Six Process VariablesProcess Variables in a in a FForged orged OOilil PipingPiping FFlangelange -- DOE DOE AAnalysis, nalysis, using SIMUFACT Formingusing SIMUFACT Forming German R. Abate (1,4) Nicolás Deferrari (2) Daniel O. Martinez Krahmer (3,4) 37th SENAFOR 1. INTRODUCCION En el proceso de diseño de una pieza forjada influyen una gran cantidad de variables, algunas de ellas, que pueden ser definidas por el diseñador, y otras que quedan establecidas por el proceso en un determinado rango. La influencia de estas variables, en el tamaño del material de partida necesario (y en consecuencia en el scrap generado), la fuerza de forjado (necesaria para la selección de la máquina principal de forja) y la energía consumida durante el proceso de deformación (influyente en la vida útil de las matrices [1-2]), son determinantes para el diseño de un proceso eficiente y por lo tanto competitivo. El mercado de piezas forjadas, está exigiendo a las empresas del sector una mayor diversidad de productos, con lo cual es cada vez más habitual que empresas que históricamente fabricaron piezas para el sector automotriz, empiecen a trabajar sobre diseños para el mercado petrolero, ferroviario, etc. A su vez, para poder participar de un mercado cada vez más competitivo, es necesario evaluar precisamente el diseño de la matricería y su desgaste en servicio, y optimizar el uso del material y de la maquinaria, según sea la fuerza de deformación requerida. El diseño estadístico de experimentos (DOE) permite evaluar la influencia de variables en diferentes rangos (niveles), en una o más respuestas de interés. De esta manera, utilizando la combinación adecuada de ensayos, puede determinarse cuál de ellas tiene una influencia significativa sobre las respuestas del proceso que impactan en la productividad del forjado [3-4]. En la mayoría de los casos los costos involucrados en un diseño de experimentos realizado en planta a escala industrial serían inviables, debido al valor del herramental y el tiempo de máquina que es necesario ocupar. En este sentido, la simulación de procesos por elementos finitos (FE / FEA), tiene como principal virtud asistir al diseñador, tanto durante el proceso de diseño, como en la optimización del producto forjado. En conclusión, el objetivo de este trabajo es evaluar mediante DOE la influencia sobre la fuerza de forjado, la energía de forjado y el tiempo de llenado (respuestas) de seis variables de proceso en dos niveles (diseño factorial 26): el espesor de flash, ancho de flash, temperatura del material de partida, temperatura de precalentamiento de las matrices y grado de aplastamiento del material de partida. 2. METODOLOGÍA 2.1. Características del proceso seleccionado El proceso elegido fue el forjado en caliente de una Brida de petróleo de 6 pulgadas de acero SAE 1020, realizado en una prensa mecánica de 4000 toneladas métricas (tabla 1). Figura 1: Brida de cañería de petróleo de 6 pulgadas utilizada para la simulación. El proceso de conformado de la brida se realiza en dos pasos, un aplastado inicial (upsetting), siendo el material de partida una barra cilíndrica de 135mm de diámetro y 287mm de alto, seguido del forjado en matriz cerrada. 37th SENAFOR Tabla 1: Parámetros de máquina usados en la simulación Parámetro Valor Excentricidad del cigueñal 400 mm Largo de biela 1500 mm Velocidad de rotación 1500 rpm 2.2. Definición de las variables a analizar por DOE y diseño del ensayo: Las variables seleccionadas para el análisis estadístico son variables de proceso, establecidas por el diseñador, y controladas por los operadores de planta (a excepción del coeficiente de fricción, que se puede seleccionar indirectamente a través de la utilización de distintos lubricantes). En la tabla 2 se encuentran definidas las seis variables de análisis en sus dos niveles. Tabla 2: Variables analizadas y sus niveles. Variable Niveles Temperatura del material (°C) 1080 1200 Precalentamiento Matrices (°C) 160 250 Coeficiente de fricción 0.1 0.4 Altura final del recalcado (mm) 55 100 Espesor flash (mm) 3 4 Largo de flash (mm) 7 10 Una vez definidas las variables se determina la cantidad de simulaciones a realizar para obtener las respuestas de interés; en este caso la fuerza de forjado, la energía de deformación y el tiempo de llenado de la matriz. La selección del número de ensayos se obtuvo con asistencia del software Minitab en su versión 15. El diseño factorial, para una resolución óptima se muestra en la figura 2. Figura 2: Diseños factoriales y su resolución De la figura 2 se deprende que 64 corridas representan todas las combinaciones posibles (diseño factorial completo), de las 6 variables (factores) a analizar, en sus dos niveles. 37th SENAFOR 2.3. Simulación del proceso de conformado Para la simulación numérica se utilizó el software Simufact.Forming. El modelo elegido fue 2D axisimétrico con discretización en elementos finitos. En la figura 3 se muestra el paso de aplastado previo al forjado en matriz cerrada, teniendo en cuenta una altura final de 100mm y 55mm. Figura 3: Proceso de aplastado previo (upsetting). El tamaño del material de partida (135mm de diámetro y 287mm de alto), es el tamaño mínimo requerido para el llenado de la matriz en la condición de menor presión interna. En cuanto a las matrices, fue necesario realizar el diseño en CAD de cuatro geometrías, para cumplir con las combinaciones de los dos niveles, tanto de espesor, como de largo de flash. Se realizaron un total de 68 simulaciones, 64 corridas correspondientes al diseño factorial de 6 factores con dos niveles cada uno, más cuatro simulaciones adicionales para generar el aplastado previo (55mm y 100mm), en combinación con las dos temperaturas de forja (1080°C y 1200°C). Una vez obtenidos los resultados, se extrajeron los valores de fuerza (t), energía (kJ) y tiempo de llenado (s) para cada una de las combinaciones posibles. Figura 4: Proceso de conformado, aplastado previo a 55 mm. Altura final aplastado100 mm Altura final aplastado 55mm 37th SENAFOR Figura 5: Proceso de conformado, aplastado previo a 100mm. En las figuras 4 y 5 se muestra el comportamiento del material en función del aplastado previo, teniendo en cuenta que el volumen del material de partida se mantuvo constante para todas las combinaciones de variables en sus dos niveles. 2.4. Realización del análisis factorial para la determinación de las variables de influencia Se utilizó un ANOVA balanceado para una confianza de 0,95 para obtener las variables que producen diferencias significativas en las respuestas de interés. Cumplirán esta condición aquellas cuyo valor estadístico p sea menor a 0,05. Una vez obtenidos se utilizaron gráficos de cajas para determinar la importancia relativa de cada una de las variables categóricas. 3. RESULTADOS Y DISCUSIÓN El comportamiento del material dentro de la matriz, se ve influenciado por el aplastamiento previo, así como también por los diferentes espesores y largos de flash. Como consecuencia, la cantidad de rebaba obtenida en cada condición, resulta diferente. Es por esto que, se decidió analizar el tiempo de llenado con el objetivo de analizar a posteriori la combinación de variables que producen el mínimo tiempo, y reproducir el aplastamiento con el mínimo volumen de material. De esta forma, validaremos los esfuerzos y la energía resultante en esta condición, como así también el ahorro de material para evaluar su relevancia. 3.1. Influencia de las variables analizadas sobre la fuerza de conformado Tabla 3: Variables análisis de varianza de Fuerza (t) Fuente p Fricción 0,000 Precalentamiento 0,660 Temperatura forja 0,000 Espesor flash 0,000 Largo flash 0,000 Aplastamiento 0,629 S = 337,853 R-cuad. = 93,80% R-cuad.(ajustado) = 93,14% De la tabla 3 se desprende que las variables que tienen influencia significativa en la fuerza de conformado son; la fricción, la temperatura de forja, el espesor y el largo de flash. Asimismo que, dado el alto valor de R2, se puede concluir que no hay ninguna variable de influencia que no haya sido contemplada en el modelo estadístico. 37th SENAFOR 3.1.1. Análisis de las gráficas de cajas para la determinación de la influencia relativa de las variables categóricas. 0,1 0,4 10000 9000 8000 7000 6000 5000 4000 Fricción Fuerza (t) 1080 1200 Temperatura forja 3 4 10000 9000 8000 7000 6000 5000 4000 Espesor flash Fuerza (t) 7 10 Largo flash Figura 6: Influencia de las variables categóricas en la carga de conformado De la figura 6 se desprende que la variable de mayor influencia en la fuerza de conformado es la temperatura de forja, conclusión que resulta del hecho que hay una diferencia sensible entre los valores de carga que componen la caja para cada nivel. Temperatura forja Fricción 1080 1200 0,1 0,4 0,1 0,4 10000 9000 8000 7000 6000 5000 4000 Fuerza (t) forja flash 1080 1200 3 4 3 4 orja lash 1080 1200 7 10 7 10 Figura 7: Influencia relativa (Temperatura forja como factor aleatorio) La segunda variable de mayor influencia relativa es la temperatura de fricción (figura 7) y la tercera el espesor de flash (figura 8). Temperatura forja Fricción Largo flash 1080 1200 0,1 0,4 0,1 0,4 7 10 7 10 7 10 7 10 10000 9000 8000 7000 6000 5000 4000 Fuerza (t) Temperatura forja Fricción Espesor flash 1080 1200 0,1 0,4 0,1 0,4 3 4 3 4 3 4 3 4 10000 9000 8000 7000 6000 5000 4000 Figure 8: Influencia relativa (Temperatura forja y fricción como factores aleatorio) Espesor de flash Largo de flash 37th SENAFOR Tabla 4: Cuadro resumen de la influencia de las variables analizadas sobre la carga Parámetro Influencia sobre la carga Temperatura de forja ++++ Fricción +++ Espesor de Flash ++ Largo de Flash + Aplastamiento No significativo Precalentamiento No significativo 3.2. Influencia de las variables analizadas sobre la energía de deformación Tabla 5: Variables análisis de varianza sobre la energía (kJ) Fuente p Fricción 0,000 Precalentamiento 0,555 Temperatura forja 0,000 Espesor flash 0,000 Largo flash 0,108 Aplastamiento 0,000 S = 35,590 R-cuad. = 96,95% R-cuad.(ajustado) = 96,63% De la tabla 5 se desprende que las variables que tienen influencia significativa sobre la energía de deformación son: la fricción, la temperatura de forja, el espesor de flash y el aplastamiento. 3.2.1. Análisis de las gráficas de cajas para la determinación relativa de las variables. 0,1 0,4 1000 900 800 700 600 500 400 300 Fricción Energía (kj) 1080 1200 1000 900 800 700 600 500 400 300 Temperatura forja Energía (kj) 3 4 1000 900 800 700 600 500 400 300 Espesor flash Energía (kj) 55 100 Aplastamiento Figure 9: Influencia de las variables categóricas en la carga de conformado De la figura 9 se desprende que la variable de mayor influencia relativa en la energía de conformado es el aplastamiento previo. 37th SENAFOR Aplastamiento Temperatura forja 55 100 1080 1200 1080 1200 1000 900 800 700 600 500 400 300 Energía (kj) ento flash 55 100 3 4 3 4 iento cción 55 100 0,1 0,4 0,1 0,4 Figura 10: Influencia relativa (Aplastamiento como factor aleatorio) La segunda variable de mayor influencia relativa es la temperatura de forja (figura 10), mientras que la tercera es la fricción (figura 11). Aplastamiento Temperatura forja Fricción 55 100 1080 1200 1080 1200 0,1 0,4 0,1 0,4 0,1 0,4 0,1 0,4 1000 900 800 700 600 500 400 300 Energía (kj) Aplastamiento Temperatura forja Espesor flash 55 100 1080 1200 1080 1200 3 4 3 4 3 4 3 4 1000 900 800 700 600 500 400 300 Figura 11: Influencia relativa (Aplastamiento y Temperatura de forja como factores aleatorios) Como resumen de las figuras analizadas se presenta la tabla 6. Tabla 6: Cuadro resumen de la influencia de las variables analizadas sobre la energía Parámetro Influencia sobre la energía Aplastamiento ++++ Temperatura de forja +++ Fricción ++ Espesor de Flash + Largo de Flash No significativo Precalentamiento No significativo 3.3 Influencia de las variables analizadas sobre el tiempo de llenado Tabla 7: Variables análisis de varianza sobre el tiempo de llenado (s) Fuente p Fricción 0,000 Precalentamiento 0,843 Temperatura forja 0,021 Espesor flash 0,000 Largo flash 0,037 Aplastamiento 0,000 S = 0,002 R-cuad. = 93,18% R-cuad.(ajustado) = 92,47% Espesor de flash Largo de flash 37th SENAFOR De la tabla 7 se desprende que las variables que tienen influencia significativa sobre el tiempo de llenado son: la fricción, la temperatura de forja, el espesor de flash y el aplastamiento. 3.3.1. Análisis de las gráficas de cajas para la determinación relativa de las variables. Aclaración: la temperatura de forja y el largo de flash no fueron analizadas gráficamente dado que el estadístico p, es mayor a cero. 0,1 0,4 0,545 0,540 0,535 0,530 0,525 Fricción Tiempo de llenado (s) 3 4 Espesor flash 55 100 Aplastamiento Figura 12: Influencia relativa en el tiempo de llenado de la matriz De la figura 12 se desprende que la variable de mayor influencia relativa en el tiempo de llenado es el aplastamiento previo, en tanto que la segunda es el espesor de flash (figura 13). Aplastamiento Fricción 55 100 0,1 0,4 0,1 0,4 0,545 0,540 0,535 0,530 0,525 Tiempo de llenado (s) Aplastamiento Espesor flash 55 100 3 4 3 4 0,545 0,540 0,535 0,530 0,525 Figura 13: Influencia relativa en el tiempo de llenado de la matriz Como resumen de las figuras analizadas se presenta la tabla 8. Tabla 8: Influencia de las variables analizadas sobre el tiempo de llenado Parámetro Influencia sobre tiempo de llenado Aplastamiento +++++ Espesor de flash ++++ Fricción +++ Temperatura de forja ++ Largo de Flash + Precalentamiento No significativo 4. CONCLUSIONES El análisis por DOE permite analizar la influencia de las principales variables de un proceso de forjado en caliente en matriz cerrada con un buen ajuste (superior en todos los casos al 93%). El precalentamiento de las matrices no incide en ninguna de las respuestas analizadas, sin 37th SENAFOR embargo influye sobre el comportamiento del lubricante [5], y en consecuencia indirectamente sobre el coeficiente de fricción. Para obtener mayor precisión en los resultados es necesario trabajar con los niveles de las variables en los rangos que se utilizan en planta (todas las variables analizadas en este trabajo, con excepción del coeficiente de fricción, son conocidas por la empresa de forjado). Elevadas cargas de conformado pueden producir sobrecargas en la estructura de la prensa, elevadas energías de deformación, desgaste prematuro de las matrices, tiempos de llenado elevados y un excesivo consumo de material. Resulta entonces importante distinguir cuál de estas características es estratégica en nuestro diseño. Diferentes geometrías producen que la influencia de cada una de estas variables pueda verse modificada, con lo cual los resultados obtenidos solo deben aplicarse al caso estudiado. Referencias [1] B. TOMOV, R. RADEV, An example of determination of preforming steps for hot die forging, 10th International Scientific Conference; Conference Paper; December 2004. [2] R. RADEV, B. TOMOV, Preform design in hot die forging, 11th International Scientific Conference; Conference Paper; January 2002. [3] MD. ISRAR EQUBALA, RANDHIR KUMARB, MOHAMMAD SHAMIMC, R.K. OHDARDA, Grey-based Taguchi method to optimize hot forging process, 3rd International Conference on Materials Processing and Characterisation (ICMPC 2014). [4] D.SHAHRIARI, A.AMIRI , M.H.SADEGHI, M.CHERAGHZADEH, Optimal Closed Die Finish Forgings for Nimonic80-A alloy Using FEM Method, Article in International Journal of Material Forming · April 2008. [5] H. E. STRASSER, Optimizacao do Processo de Forjamento através de Análise Termográfica, SENAFOR 2011 31° Forging Seminar. October 2011. View publication stats