EnginSoft - Conference Abstracts

EnginSoft Users' Meeting 2006
Le Tecnologie CAE nell'Industria

MAGMAFrontier per l'ottimizzazione dell'efficienza produttiva in fonderia

Masaggia Stefano - Zanardi Fonderie

Abstract

Lo studio di processi metallurgici, quale la fonderia, mediante modelli numerici presenta una varietà di problematiche tipiche di ogni processo e/o lega colata. MAGMASOFT è il codice di riferimento per la simulazione di questi processi. Essa può essere applicata con successo analizzando in dettaglio i risultati e i parametri di ogni tipo di processo tramite moduli dedicati (ghisa, acciaio, Disa, lostfoam,ecc..) che consentono l'ottimizzazione delle fasi di riempimento e solidificazione con una affidabile previsione dei difetti e l'analisi termica degli stampi. La sua applicazione si estende all'analisi delle tensioni residue (cricche a caldo, cricche a freddo, deformazioni) e al trattamento termico. Il modulo MAGMAfrontier usa strategie di ottimizzazione per identificare la migliore risposta ad un dato problema all’interno di una dato spazio di parametri. Accomuna la richiesta e la pratica quotidiana del fonditore nel ricercare il miglior compromesso tra gli obiettivi stabiliti per la realizzazione di un prodotto. Attraverso l’approccio MOGA, la prima popolazione di design verrà usata come base per generare le successive considerando quelle dominanti e valutando alcuni effetti di elitismo e mutazione). MAGMAfrontier impara dai risultati precedenti e segue il percorso migliore per arrivare alla soluzione [1][2][3]. Con tale modulo MAGMASOFT esegue automaticamente l’intero loop di ottimizzazione inclusi cambiamenti nella geometria del getto e del sistema di colata/alimentazione, variazione di parametri, mesh, simulazioni e la valutazione automatica dei risultati. Può inoltre essere impiegato nella soluzione di problemi inversi come la determinazione di condizioni al contorno.

[1] S.Rao, (1996), “Engineering Optimization” Theory and practice”, J.Wiley and Sons
[2] D.Quagliarella, J.Periaux, C.Poloni, G.Winter, (1998), “Genetic Algorithms and Evolution Strategies in Engineering and Computer Science”, J.Wiley and Sons
[3] K.Mittinen, (1999), “Nonlinear Multiobjective Optimization”, Kuwler Academic Publishers, ISBN 0-7923-8278-1