تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,319 |
تعداد دریافت فایل اصل مقاله | 15,216,903 |
استفاده از روش تحلیل حساسیت سوبل، مدلسازی و بهینه سازی آماری پارامترهای مؤثر در رفتار نیرو در فرآیند سوراخکاری استخوان | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 26، دوره 48، شماره 2، مرداد 1397، صفحه 229-237 اصل مقاله (1.17 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
مجید قریشی1؛ مجتبی ذوالفقاری2؛ وحید طهماسبی* 3 | ||
1استاد، دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران، ایران | ||
2استادیار، مهندسی مکانیک، دانشگاه اراک، اراک، ایران | ||
3استادیار، مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران | ||
چکیده | ||
یکی از مهمترین، حساسترین و پرکاربردترین فرآیندهای ماشینکاری در حوزه جراحیها و مهندسی پزشکی، فرآیند سوراخکاری استخوان میباشد. سوراخکاری استخوان کاربرد عمدهای در جراحیهای ارتوپدی، درمان شکستگیها و نمونه برداریهای استخوانی و همچنین دندان پزشکی دارد. استفاده از دریلهای جراحی اتوماتیک و همچنین رباتهای جراح کنترل عددی سبب ایجاد تحولی شگرف در بهبود این فرآیند شده است. در طول عمل سوراخکاری استخوان، اعمال نیروی بیش از حد به بافت استخوان سبب ایجاد شکست و ترک خوردگی و ایجاد آسیب جدی در بافت اسنخوان میگردد و همچنین این امکان وجود داردکه مته جراحی در داخل بافت استخوان دچار شکستگی گردد. در این مقاله با درنظر گرفتن سرعت دورانی ابزار، نرخ پیشروی و قطر ابزار به عنوان مهمترین فاکتورهای ورودی فرآیند ابتدا با استفاده از روش طراحی آزمایشها و روش سطح پاسخ، نیروی اعمالی به بافت استخوان مدل سازی و معادله رگرسیون خطی مرتبه دوم حاکم بر مدل استخراج گردیده و از دقت آن اطمینان حاصل شده است. سپس با بهره گیری از روش تحلیل حساسیت آماری سوبل که نسبت به سایر روش ها دارای مزیت استخراج مقدار کمی تاثیر پارامترهاست، به بررسی تأثیر پارامترهای ورودی بر روی پارامتر خروجی نیرو پرداخته شده و چگونگی تأثیر هریک از پارامترهای ورودی به دقت بررسی شده است و در انتها با بهینهسازی مدل حاکم بر فرآیند، مقادیر بهینه هریک از پارامترهای ورودی به منظور دستیابی به کمترین و بهترین مقدار نیروی ایجاد شده در حین سوراخکاری بافت استخوان ارائه گردیده است. نتایج بدست آمده بدین صورت است که کمترین مقدار نیروی وارده بر بافت استخوان در قطرهای کمتر، نرخ های پیشروی پایین تر و حداکثر سرعت دوران ابزار حاصل می گردد. و از بین پارامترهای ورودی با در نظر گرفتن تغییرات همزمان تمامی پارامترها در بازه آزمایشها، به ترتیب سرعت دورانی ابزار، نرخ پیشروی و قطر ابزار بیشترین اثر را رفتار نیرو داشتهاند. | ||
کلیدواژهها | ||
ماشینکاری؛ سوراخکاری استخوان؛ نیرو؛ تحلیل حساسیت آماری؛ طراحی آزمایش ها؛ مهندسی پزشکی | ||
مراجع | ||
[1] Wang W., Shi Y., Yang N., Yuan X., Experimental analysis of drilling process in cortical bone, Medical engineering & physics, Vol. 36, No. 2, pp. 261-266, 2014. [2] Aziz M., Ayub M., Jaafar R., Force control algorithm for detection of break-through bone drilling, in Proceeding of Procedia Engineering vol 41, pp.352 – 359, 2012. [3] Louredo M., Díaz I., Gil J. J., DRIBON: A mechatronic bone drilling tool, Mechatronics, Vol. 22, No. 8, pp. 1060-1066, 2012. [4] Díaz I., Gil J. J., Louredo M., Bone drilling methodology and tool based on position measurements, Computer methods and programs in biomedicine, Vol. 112, No. 2, pp. 284-292, 2013. [5] Sui J., Sugita N., Ishii K., Harada K., Mitsuishi M., Mechanistic modeling of bone-drilling process with experimental validation, Journal of Materials Processing Technology, Vol. 214, No. 4, pp. 1018-1026, 2014. [6] Lundskog J., Heat and bone tissue. An experimental investigation of the thermal properties of bone and threshold levels for thermal injury, Scandinavian journal of plastic and reconstructive surgery, Vol. 9, pp. 1-80, 1971. [7] Augustin G., Zigman T., Davila S., Udilljak T., Staroveski T., Brezak D., Babic S., Cortical bone drilling and thermal osteonecrosis, Clinical biomechanics, Vol. 27, No. 4, pp. 313-325, 2012. [8] Pandey R. K., Panda S. S., Optimization of multiple quality characteristics in bone drilling using grey relational analysis, journal of orthopaedics, 2014. [9] Abouzgia M. B., James D. F., Temperature rise during drilling through bone, The International journal of oral & maxillofacial implants, Vol. 12, No. 3, pp. 342-353, 1996. [10] Pandey R. K., Panda S., Optimization of bone drilling parameters using grey-based fuzzy algorithm, Measurement, Vol. 47, pp. 386-392, 2014. [11] Jacob C., Berry J., Pope M., Hoaglund F., A study of the bone machining process—drilling, Journal of Biomechanics, Vol. 9, No. 5, pp. 343-349, 1976. [12] Alam K., Mitrofanov A., Silberschmidt V. V., Experimental investigations of forces and torque in conventional and ultrasonically-assisted drilling of cortical bone, Medical engineering & physics, Vol. 33, No. 2, pp. 234-239, 2011. [13] Basiaga M., Paszenda Z., Szewczenko J., Kaczmarek M., Numerical and experimental analyses of drills used in osteosynthesis, Acta of Bioengineering and Biomechanics, Vol. 13, No. 4, pp. 29-36, 2011. [14] Lee J., Gozen B. A., Ozdoganlar O. B., Modeling and experimentation of bone drilling forces, Journal of biomechanics, Vol. 45, No. 6, pp. 1076-1083, 2012. [15] Shakouri E., Sadeghi M. H., Maerefat M., Shajari S., Experimental and analytical investigation of the thermal necrosis in high-speed drilling of bone, Proceedings of the Institution of Mechanical Engineers, Part H: Journal of Engineering in Medicine, Vol. 10, No. 12, pp. 112-115, 2014. [16] Shakouri E., Sadeghi M.H., Maerefat M., Karafi M.R., Memarpour M., Experimental and analytical investigation of thrust force in ultrasonic assisted drilling of bone, Modares Mechanical Engineering, Vol. 14, No. 6, pp. 194-200, 2014 . [17] Pandey R. K., Panda S., Multi-performance optimization of bone drilling using Taguchi method based on membership function, Measurement, Vol. 59, pp. 9-13, 2015. [18] Udiljak T., Ciglar D., Skoric S., Investigation into bone drilling and thermal bone necrosis, Advance in Production Engineering & Management, Vol. 3, pp. 103-112, 2007. [19] Saltelli A. and sobol I. M., about the use of rank transformation in sensitivity analysis of model output, Reliability Engineering & System Safety, vol. 50, pp. 225-239, 1995. [20] Saltelli A., Chan K. and Scott E., sensitivity analysis Wiley series in probability and statistics, Willey, New York, [21] Cukier R., Levine H. and Shuler K., Nonlinear sensitivity analysis of multiparameter model systems, Journal of computational physics, vol. 26, pp. 1-42, 1978. [22] Saltelli A., Tarantola S. and Chan K. S., A quantitative model-independent method for global sensitivity analysis of model output, Technometrics, vol. 41, pp. 39-56, 1999. [23] Ghoreishi M., Tahmasbi V., Optimization of material removal rate in dry electro-discharge machining process, Modares Mechanical Engineering, Vol. 14, No. 12, pp. 113-121, 2014. [24] Montgomery D. C., Design and analysis of experiments: John Wiley & Sons, 2008. [25] Hou T.-H., Su C.-H., Liu W.-L., Parameters optimization of a nano-particle wet milling process using the Taguchi method, response surface method and genetic algorithm, Powder Technology, Vol. 173, No. 3, pp. 153-162, 2007. [26] Tahmasbi V., Ghoreishi M., Zolfaghari M., Temperature in Bone Drilling Process: Mathematical Modeling and Optimization of Effective Parameters, International Journal of Engineering, Vol. 29, No. 7, pp. 3845-3851, 2016. [27] Moradi M., et al., An investigation on stability of laser hybrid arc welding. Optics and Lasers in Engineering, 2013. 51(4): p. 481-487. [28] Moradi, M., M. Ghoreishi, and M. Torkamany, Modelling and Optimization of Nd: YAG Laser and Tungsten Inert Gas (TIG) Hybrid Welding of Stainless Steel. Lasers in Engineering (Old City Publishing), 2014. 27. [29] M.Sobol I., Sensitivity estimates for nonlinear mathematical models, Math. Model. Comput. Exp,Vol. 14, pp. 407–414, 1993. [30] Korayem M. H., Rastegar Z. and Taheri M., Sensitivity analysis of contact mechanics models in manipulation of biological cell, Nanoscience and Nanotechnology, Vol. 2, pp. 49-56, 2012. [31] Singh G., et al., Optimization of process parameters for drilled hole quality characteristics during cortical bone drilling using Taguchi method. Journal of the mechanical behavior of biomedical materials, 2016. 62: p. 355-365. [32] Vashishth D., Tanner K. and Bonfield W., Contribution, development and morphology of microcracking in cortical bone during crack propagation. Journal of Biomechanics, 2000. 33(9): p. 1169-1174. [33] Augustin G., Davila S., Mihoci K., Udiljak T., Vedrina D. S., Antabak A., Thermal osteonecrosis and bone drilling parameters revisited, Archives of Orthopaedic and Trauma Surgery, Vol. 128, No. 1, pp. 71-77, 2008. [34] Pandey R.K. and Panda S., Optimization of bone drilling using Taguchi methodology coupled with fuzzy based desirability function approach. Journal of Intelligent Manufacturing, 2015. 26(6): p. 1121-1129. [35] Staroveski T., Brezak D., Udiljak T., Drill wear monitoring in cortical bone drilling, Medical engineering & physics, Vol. 37, No. 6, pp. 560-566, 2015. Knight W.A. and Boothroyd G., Fundamentals of metal machining and machine tools. Vol. 198. 2005: CRC Press. [36] Altintas Y., Manufacturing automation: metal cutting mechanics, machine tool vibrations, and CNC design. 2012: Cambridge university press. | ||
آمار تعداد مشاهده مقاله: 474 تعداد دریافت فایل اصل مقاله: 2,010 |