témavezető: Kovács József Gábor
helyszín (magyar oldal): BME Polimertechnika Tanszék helyszín rövidítés: PT
A kutatási téma leírása:
a.) Előzmények:
A fröccsöntés még mindig a legelterjedtebb műanyagalakítási technológia nagyszériás termékgyártáshoz. A fröccsöntött termékek gyártástechnológiája és gyártószerszáma jelentősen befolyásolja a végtermékek tulajdonságait. Annak érdekében, hogy ezek a folyamatok tervezhetőek legyenek, szükséges a megfelelő szerszámkialakítás. A polimerek áramlásával és hűlésével széles körben foglalkoznak, de méltatlanul elhanyagolt terület a szerszámok kilevegőztetése, ami jelentősen befolyásolhatja a termékminőséget.
b.) A kutatás célja:
A kutatás fő célja a fröccsöntő szerszámok kilevegőztetésének fejlesztése, tervezhetőbbé tétele. További cél passzív és aktív rendszerek kialakítása, valamint ezeknek a hatáselemzése az esetlegesen kialakuló hibákra.
c.) Elvégzendő feladatok, azok fő elemei, időigénye:
• Szakirodalmi áttekintés. Szakirodalmi adatok feldolgozása, kiemelve a fröccsöntő szerszámok tématerületét. A szerszámozáson belül az aktív és passzív levegőztetőrendszerek kialakításainak áttekintése. (időigény: kb. 12 hónap)
• Kísérleti szerszámok fejlesztése és tesztelése. Új kialakítások és módszerek tesztelése, különböző technológiai paraméterek mellett. (időigény: kb. 20 hónap)
• Mérési eredmények értékelése. A kifejlesztett módszerek ellenőrzése, verifikálása. Tézisek megfogalmazása. (időigény: kb. 16 hónap).
d.) A szükséges berendezések:
A kutatómunkához szükséges technológiai, anyagvizsgáló és mérőberendezések a Polimertechnika Tanszék akkreditált laboratóriumában rendelkezésre állnak.
e.) Várható tudományos eredmények:
Új tervezési irányelvek, amelyek alkalmasak a fröccsöntő szerszámok hatékonyabb kilevegőztetésének megvalósítására a termékek hibamentes gyártásához.
f.) Irodalom:
• Párizs R. D., Török D., Ageyeva T., Kovács J. G.: Multiple in-mold sensors for quality and process control in injection molding. Sensors, 23, 1735/1-18 (2023)
• Párizs R. D., Török D., Ageyeva T., Kovács J. G.: Machine learning in injection molding: An Industry 4.0 method of quality prediction. Sensors, 22, 2704/1-16 (2022)
• Török D., Ageyeva T., Boros R., Kovács Á., Kovács J. G.: Developing a method for evaluating color changeover in a hot-runner multi-cavity injection mold. Polymer Testing, 115, 107759/1-9 (2022)
felvehető hallgatók száma: 1
Jelentkezési határidő: 2024-10-15
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
