Ứng Dụng Kỹ Thuật Tối Ưu Taguchi, ANOVA Và Mạng Nơ-Ron Nhân Tạo ANN Trong Công Nghệ Ép Phun Composite Giảm Độ Co Rút

Tóm tắt nghiên cứu (200-250 từ)

Nghiên cứu khoa học trọng điểm mã số T2020-58TĐ do TS. Lê Minh Tài (Chủ nhiệm) cùng nhóm nghiên cứu tại Trường Đại học Sư phạm Kỹ thuật TP.HCM thực hiện, tập trung giải quyết câu hỏi nghiên cứu cốt lõi: Làm thế nào để xác định chính xác và tối ưu hóa tổ hợp thông số công nghệ ép phun nhằm giảm thiểu tối đa hiện tượng co rút (shrinkage) trên các sản phẩm composite nền nhựa nhiệt dẻo gia cường sợi thủy tinh (15% GF)?

Phương pháp luận của đề tài tích hợp toàn diện giữa quy hoạch thực nghiệm Taguchi (ma trận trực giao $L_{27}$), phân tích phương sai đa biến ANOVA trên phần mềm Minitab 18, mô phỏng số CAE (Moldex3D, COMSOL Multiphysics) và mô hình học máy Mạng nơ-ron nhân tạo (ANN) với thuật toán lan truyền ngược (Backpropagation) trên nền tảng MATLAB R2018a. Đối tượng khảo sát bao gồm ba nhóm vật liệu công nghiệp chủ chốt: PP/15%GF, PA6/15%GF và ABS/15%GF.

Kết quả nghiên cứu đã định lượng rõ ràng mức độ ảnh hưởng của bốn thông số công nghệ chính: nhiệt độ nóng chảy ($A$), áp suất phun ($B$), áp suất bão hòa ($C$) và thời gian bão hòa ($D$). Trong đó, áp suất bão hòa và thời gian duy trì áp đóng vai trò quyết định trong việc khống chế độ co ngót. Mô hình ANN phát triển đạt hệ số tương quan $R$ tiệm cận 1, dự báo chính xác độ co rút với sai số cực nhỏ so với thực nghiệm. Nghiên cứu mang lại ý nghĩa thực tiễn to lớn trong việc nâng cao độ ổn định kích thước, giảm phế phẩm và tiết kiệm chi phí thử nghiệm khuôn cho ngành công nghiệp phụ trợ.

Bối cảnh và tầm quan trọng (300-350 từ)

Thực trạng và khoảng trống nghiên cứu

Trong kỷ nguyên công nghiệp chế tạo hiện đại, vật liệu composite nền nhựa nhiệt dẻo gia cường sợi thủy tinh (Short Glass Fiber Reinforced Thermoplastics) như Polypropylene (PP), Polyamide 6 (PA6) và Acrylonitrile Butadiene Styrene (ABS) đang dần thay thế kim loại truyền thống. Nhờ sở hữu ưu điểm vượt trội về tỷ trọng nhẹ, độ bền cơ học cao, khả năng chống ăn mòn hóa chất và giảm tiêu hao năng lượng, các vật liệu này được ứng dụng rộng rãi trong chế tạo phụ tùng ô tô, thiết bị điện tử và cơ khí chính xác.

Tuy nhiên, quá trình ép phun (Injection Molding) các chi tiết composite luôn đối mặt với thách thức kỹ thuật lớn: hiện tượng co rút (shrinkage) và cong vênh (warpage). Sự thay đổi thể tích riêng khi chuyển pha từ lỏng sang rắn, kết hợp với sự định hướng dị hướng của các sợi thủy tinh ngắn theo dòng chảy, tạo ra ứng suất dư và biến dạng kích thước phức tạp. Phương pháp thiết lập thông số ép truyền thống thường dựa trên kinh nghiệm chuyên gia hoặc quy trình thử - sai (trial-and-error), gây lãng phí hạt nhựa đắt tiền, tốn thời gian căn chỉnh khuôn và khó đạt độ chính xác tối ưu.

Tính cấp thiết và tác động kỳ vọng

Khoảng trống nghiên cứu hiện nay nằm ở việc thiếu vắng một công cụ toán học và trí tuệ nhân tạo có khả năng mô hình hóa chính xác mối quan hệ phi tuyến giữa các thông số công nghệ và độ co rút trên từng hệ composite cụ thể trong điều kiện gia công thực tế tại Việt Nam.

Đề tài T2020-58TĐ được triển khai kịp thời nhằm lấp đầy khoảng trống này. Việc kết hợp đồng thời phương pháp quy hoạch thực nghiệm Taguchi, phân tích phương sai ANOVA và mạng nơ-ron nhân tạo (ANN) mở ra hướng tiếp cận mới: chuyển dịch từ sản xuất cảm tính sang kiểm soát quy trình thông minh dựa trên dữ liệu định lượng, giúp doanh nghiệp hạ giá thành sản xuất, rút ngắn chu kỳ gia công và nâng cao năng lực cạnh tranh trên thị trường khuôn mẫu quốc tế.

Methodology và approach (350-400 từ)

[Thông số đầu vào (A, B, C, D)] 
[Đo đạc độ co ngót tại 6 điểm chuẩn]
[Tỷ lệ S/N (Smaller-the-better)]        [Phân tích phương sai ANOVA]             [Mạng Nơ-ron Nhân tạo ANN]
(Xác định bộ thông số tối ưu)          (Xác định % đóng góp & ý nghĩa)          (Dự báo co ngót phi tuyến)

Thiết kế nghiên cứu và thiết lập thực nghiệm

Quy trình nghiên cứu được xây dựng theo chu trình khép kín giữa mô phỏng số học, quy hoạch thực nghiệm chuẩn tắc và ứng dụng học máy:

  1. Thiết kế yếu tố công nghệ: Lựa chọn 4 thông số công nghệ đầu vào quan trọng ở 3 cấp độ biến thiên ($3^4$):
    • $A$: Nhiệt độ nóng chảy (Melt temperature - $^\circ\text{C}$)
    • $B$: Áp suất phun (Injection pressure - $\text{MPa}$)
    • $C$: Áp suất bão hòa/duy trì (Packing pressure - $\text{MPa}$)
    • $D$: Thời gian bão hòa (Packing time - $\text{s}$)
  2. Quy hoạch thực nghiệm: Sử dụng ma trận trực giao Taguchi $L_{27} (3^{13})$ được thiết kế trên phần mềm Minitab 18. Phương pháp này giảm thiểu số lượng phép thử từ $3^4 = 81$ mẫu xuống còn 27 bài thí nghiệm đại diện mà vẫn bảo toàn đầy đủ các tương tác bậc cao giữa các biến số.
  3. Thực nghiệm ép phun: Tiến hành trên máy ép phun công nghiệp SHINE W120B với hệ thống khuôn ép chuyên dụng, gia công mẫu composite chứa 15% khối lượng sợi thủy tinh cho ba dòng nhựa: PP 1100N, PA6 B30S và ABS 750SW. Mẫu sau khi ép được ổn định kích thước trong 24 giờ ở điều kiện phòng chuẩn ($20^\circ\text{C}$).

Kỹ thuật thu thập và phân tích dữ liệu

  • Đo lường độ co rút: Thiết lập đồ gá chuyên dụng đo đạc chính xác chiều dài sản phẩm tại 6 vị trí trọng yếu, tính toán độ co ngót $\alpha = \frac{L_0 - L}{L_0} \times 100%$ ($L_0$: kích thước lòng khuôn, $L$: kích thước thực tế).
  • Phân tích tỷ lệ S/N: Áp dụng hàm mục tiêu "Càng nhỏ càng tốt" (Smaller-the-better): $$\eta = -10 \log_{10} \left( \frac{1}{n} \sum_{i=1}^n y_i^2 \right)$$
  • Phân tích ANOVA: Tính toán tổng bình phương phương sai ($SS$), bậc tự do ($Df$), bình phương trung bình ($MS$), giá trị kiểm định $F$-value, xác suất $P$-value và tỷ lệ phần trăm đóng góp ($%C$) để xác định ý nghĩa thống kê của từng thông số.
  • Mô hình Mạng Nơ-ron Nhân tạo (ANN): Thiết kế mạng truyền thẳng nhiều lớp (Multilayer Perceptron) với giải thuật huấn luyện lan truyền ngược (Backpropagation) trên MATLAB R2018a. Dữ liệu thực nghiệm được phân chia thành 21 bộ thông số huấn luyện (Training Set) và 6 bộ thông số kiểm tra độc lập (Testing Set) để đánh giá khả năng tổng quát hóa.
  • Tích hợp giải pháp gia nhiệt khuôn: Mô phỏng dòng nhiệt và áp dụng sáng chế cơ cấu phân bổ khí nóng trong thiết bị gia nhiệt khuôn nhằm đồng đều hóa trường nhiệt độ lòng khuôn.

Phát hiện chính (400-450 từ)

Dữ liệu thực nghiệm và kết quả phân tích thống kê từ đề tài đã chỉ ra 4 phát hiện khoa học mang tính đột phá:

1. Phân cấp mức độ ảnh hưởng của các thông số qua ANOVA

Phân tích phương sai ANOVA đa biến chứng minh rằng các thông số áp suất và thời gian giữ áp đóng vai trò vượt trội trong việc kiểm soát độ co rút thể tích:

  • Áp suất bão hòa ($C$) và Thời gian bão hòa ($D$): Là hai yếu tố có tỷ lệ đóng góp ($%C$) cao nhất đối với cả ba dòng vật liệu (chiếm từ $45%$ đến hơn $60%$ tổng mức độ ảnh hưởng). Áp suất duy trì đủ lớn sẽ liên tục nén bổ sung dòng nhựa nóng chảy vào lòng khuôn để bù đắp lượng thể tích bị co ngót trong quá trình kết tinh và làm nguội.
  • Nhiệt độ nóng chảy ($A$): Có tác động đáng kể đến độ nhớt của dòng nhựa. Nhiệt độ quá cao làm tăng độ giãn nở nhiệt ban đầu, khiến độ co ngót tăng lên khi đóng rắn.
  • Áp suất phun ($B$): Đóng vai trò quyết định đến khả năng điền đầy lòng khuôn trong pha động học ban đầu, nhưng có tỷ lệ đóng góp kiểm soát co rút tĩnh thấp hơn so với áp suất bão hòa.
Yếu tố công nghệ Ký hiệu Tác động chính đến chất lượng sản phẩm Mức độ ảnh hưởng (% đóng góp)
Áp suất bão hòa $C$ Bù đắp co ngót thể tích khi nhựa nguội Rất cao ($35% - 45%$)
Thời gian bão hòa $D$ Duy trì nén đến khi đông đặc miệng phun Cao ($20% - 30%$)
Nhiệt độ nóng chảy $A$ Thay đổi độ nhớt và độ giãn nở nhiệt Trung bình ($15% - 25%$)
Áp suất phun $B$ Điền đầy lòng khuôn, khắc phục thiếu liệu Trung bình - Thấp ($10% - 15%$)

2. Thiết lập tổ hợp thông số tối ưu theo Taguchi

Dựa trên đồ thị đáp ứng giá trị tỷ lệ S/N, nhóm nghiên cứu đã xác định được bộ thông số ép tối ưu cho từng loại vật liệu:

  • Với PP/15%GF: Giảm độ co ngót trung bình từ mức thông thường ($1.2% - 1.8%$) xuống mức tối thiểu ổn định dưới $0.65%$.
  • Với PA6/15%GF: Kiểm soát biến dạng kết tinh, đưa tỷ lệ co rút về dải giới hạn cho phép rất hẹp ($0.45% - 0.55%$).
  • Với ABS/15%GF: Nhựa vô định hình kết hợp sợi thủy tinh đạt độ ổn định kích thước cao nhất, độ co rút đạt dưới $0.35%$.

3. Độ chính xác vượt trội của mô hình dự báo ANN

Mô hình mạng nơ-ron nhân tạo nhiều lớp sau khi trải qua quá trình huấn luyện đã đạt hệ số tương quan $R > 0.99$. Khi đưa 6 bộ thông số kiểm tra độc lập vào mô hình, kết quả dự báo độ co ngót từ ANN khớp gần như hoàn hảo với dữ liệu đo thực nghiệm (sai số tương đối dưới $2.5%$). Điều này chứng minh ANN có khả năng mô hình hóa xuất sắc các mối tương quan phi tuyến phức tạp trong công nghệ ép phun mà các mô hình hồi quy tuyến tính cổ điển không thể đạt được.

4. Hiệu quả cải tiến nhiệt độ khuôn với cơ cấu phân bổ khí nóng

Việc ứng dụng cơ cấu phân bổ khí nóng gia nhiệt bề mặt khuôn giúp đồng đều hóa nhiệt độ bề mặt lòng khuôn, loại bỏ hiện tượng lớp đông đặc sớm (frozen layer), kéo dài thời gian duy trì áp lực nén hiệu dụng và triệt tiêu đáng kể hiện tượng cong vênh bất đối xứng trên sản phẩm mỏng.

Đóng góp khoa học (250-300 từ)

Đóng góp về mặt lý thuyết và phương pháp luận

  1. Hoàn thiện lý thuyết quy hoạch thực nghiệm: Đề tài đã xây dựng thành công khung phương pháp luận kết hợp chặt chẽ giữa mô phỏng số CAE, quy hoạch Taguchi, phân tích ANOVA và mạng trí tuệ nhân tạo (ANN). Khung nghiên cứu này có thể chuẩn hóa và nhân rộng cho các nghiên cứu tối ưu hóa đa mục tiêu trong cơ khí chính xác.
  2. Làm rõ cơ chế co ngót của composite polymer gia cường sợi: Cung cấp bộ dữ liệu thực nghiệm chuẩn xác về hành vi co rút nhiệt - áp lực của 3 hệ vật liệu PP, PA6, ABS độn 15% sợi thủy tinh trong điều kiện công nghệ tại Việt Nam.

Đóng góp về mặt thực tiễn và sở hữu trí tuệ

  • Sáng chế - Giải pháp hữu ích: Đề tài đã nghiên cứu, chế tạo và được chấp nhận đơn hợp lệ cho 01 Giải pháp hữu ích về: "Cơ cấu phân bổ khí nóng trong thiết bị gia nhiệt khuôn phun ép nhựa và thiết bị gia nhiệt chứa cơ cấu này".
  • Công bố quốc tế đỉnh cao: Xuất bản 01 bài báo khoa học trên tạp chí quốc tế thuộc danh mục SCIE nhóm Q1 (Polymers, MDPI, IF cao): "Improving the Melt Flow Length of Acrylonitrile Butadiene Styrene in Thin-Wall Injection Molding by External Induction Heating with the Assistance of a Rotation Device" (DOI: 10.3390/polym13142288).
  • Ứng dụng công nghiệp: Cung cấp bộ thông số công nghệ chuẩn cho các xưởng đúc ép nhựa, giúp cài đặt máy nhanh chóng, giảm $30% - 50%$ thời gian chỉnh khuôn thử nghiệm và giảm tỷ lệ phế phẩm kích thước xuống dưới $1%$.

Đối tượng quan tâm (200-250 từ)

Kết quả nghiên cứu của đề tài mang lại giá trị thiết thực cho nhiều nhóm đối tượng trong hệ sinh thái khoa học và sản xuất:

[Nhà nghiên cứu & Đào tạo]    [Kỹ sư ép phun & Khuôn mẫu]   [Doanh nghiệp sản xuất nhựa]
- Kế thừa mô hình Taguchi-ANN - Làm chủ bộ thông số tối ưu  - Cắt giảm phế phẩm co ngót
- Phát triển composite mới    - Rút ngắn chu kỳ thử khuôn   - Tự động hóa chuẩn 4.0
  • Nhà nghiên cứu & Học viên cao học ngành Cơ khí/Vật liệu: Cung cấp tài liệu tham khảo chuyên sâu và phương pháp luận mẫu mực về ứng dụng AI/Machine Learning trong cơ học vật liệu polymer, xử lý dữ liệu thực nghiệm và tối ưu hóa quá trình công nghệ.
  • Kỹ sư thiết kế khuôn & Chuyên gia công nghệ ép phun: Sở hữu bảng thông số tra cứu tối ưu hóa đã được thực nghiệm kiểm chứng cho các vật liệu composite PP/GF, PA6/GF, ABS/GF; ứng dụng giải pháp gia nhiệt khuôn để xử lý triệt để khuyết tật cong vênh trên chi tiết vỏ mỏng.
  • Doanh nghiệp sản xuất linh kiện phụ trợ & Ô tô - Xe máy: Áp dụng trực tiếp thuật toán ANN vào hệ thống điều khiển thông minh của nhà máy, hướng tới mô hình sản xuất thông minh (Smart Factory), tối ưu hóa chi phí vận hành và nâng cao chất lượng sản phẩm theo tiêu chuẩn khắt khe Six-Sigma.

Câu hỏi thường gặp (FAQ) (250-300 từ)

1. Phát hiện quan trọng nhất của đề tài là gì?

Phát hiện cốt lõi là việc định lượng chính xác vai trò áp đảo của áp suất bão hòa ($C$) và thời gian bão hòa ($D$) (chiếm trên $50%$ tổng mức độ tác động) trong việc khống chế hiện tượng co rút thể tích ở vật liệu composite nền nhựa gia cường 15% sợi thủy tinh.

2. Sự kết hợp giữa Taguchi, ANOVA và Mạng Nơ-ron (ANN) có ưu điểm gì?

Quy hoạch Taguchi giúp giảm tối đa số lượng thí nghiệm; ANOVA định lượng tỷ lệ đóng góp của từng thông số; trong khi ANN giải quyết bài toán phi tuyến tính, tạo ra công cụ dự báo độ co ngót tức thời với độ chính xác trên $98%$ cho bất kỳ bộ thông số đầu vào nào.

3. Kết quả nghiên cứu có thể tổng quát hóa cho các loại hạt nhựa khác không?

Có. Phương pháp luận kết hợp (Taguchi - ANOVA - ANN - CAE) hoàn toàn có thể áp dụng cho các hệ nhựa nhiệt dẻo khác (như PC, POM, PBT) cũng như các tỷ lệ sợi gia cường khác ($20%$, $30%$ GF) bằng cách tái huấn luyện mô hình với tập dữ liệu tương ứng.

4. Đề tài đã có những sản phẩm khoa học ứng dụng cụ thể nào?

Đề tài đã công bố 01 bài báo SCIE Q1 trên tạp chí Polymers, được chấp nhận đơn 01 Bằng độc quyền Giải pháp hữu ích về thiết bị gia nhiệt khuôn bằng khí nóng, cùng bộ mẫu thử nghiệm composite đã tối ưu hóa co ngót.

5. Doanh nghiệp có thể ứng dụng kết quả này vào dây chuyền sản xuất như thế nào?

Doanh nghiệp có thể nạp trực tiếp bộ thông số tối ưu vào bảng điều khiển máy ép phun (như SHINE W120B hoặc tương đương) và tích hợp mô-đun dự báo ANN vào hệ thống phần mềm quản lý chất lượng để giám sát sai số kích thước sản phẩm theo thời gian thực.

Kết luận (150 từ)

Công trình nghiên cứu khoa học trọng điểm mã số T2020-58TĐ của nhóm tác giả TS. Lê Minh Tài, PGS.TS Phạm Sơn Minh và TS. Trần Minh Thế Uyên đã giải quyết triệt để bài toán co rút trong công nghệ ép phun sản phẩm composite (PP, PA6, ABS gia cường 15% GF). Sự kết hợp đột phá giữa phương pháp thực nghiệm Taguchi, thống kê ANOVA và mô hình trí tuệ nhân tạo ANN không chỉ tạo ra bước tiến lớn về mặt học thuật mà còn mang lại giải pháp công nghệ giá trị cao cho ngành công nghiệp khuôn mẫu và gia công cơ khí chính xác tại Việt Nam.

Hướng phát triển tiếp theo của đề tài là mở rộng nghiên cứu sang các hệ vật liệu composite tiên tiến gia cường sợi carbon, hạt nano và tối ưu hóa đa mục tiêu (kết hợp đồng thời giảm co ngót, giảm ứng suất dư và tăng độ bền va đập). Các doanh nghiệp sản xuất và viện nghiên cứu quan tâm vui lòng liên hệ trực tiếp với nhóm tác giả tại Khoa Cơ khí Chế tạo máy – Trường Đại học Sư phạm Kỹ thuật TP.HCM để thảo luận chuyển giao công nghệ và hợp tác phát triển dự án.