Mesh-Based Numerical Modeling and Statistical Validation of Pouring-Temperature Effects on Filling, Solidification, and Porosity in Gravity-Cast A356 Aluminum

जब इंजीनियर कारों, विमानों या मशीनरी के लिए धातु के पुर्जों को डिजाइन करते हैं, तो वे अक्सर सांचे में पिघली हुई धातु भरने के लिए गुरुत्वाकर्षण पर भरोसा करते हैं। यह प्रक्रिया, जिसे ग्रेविटी कास्टिंग (गुरुत्वाकर्षण कास्टिंग) कहा जाता है, अवधारणा में सरल है: तरल धातु को एक खांचे में डालें और उसे सख्त होने तक ठंडा होने दें। हालांकि, वास्तविकता कहीं अधिक जटिल है। जैसे-जैसे धातु बहती और ठंडी होती है, इसके अंदर गैस की छोटी जेबें या संकुचन फंस सकते हैं, जिससे पोरोसिटीटी (सरंध्रता) नामक कमजोर बिंदु बन जाते हैं। ये अदृश्य दोष तनाव के तहत पुर्जे को विफल कर सकते हैं। इसे रोकने के लिए, निर्माता कंप्यूटर सिमुलेशन का उपयोग करते हैं ताकि एक भी बूंद डालने से पहले वे यह अनुमान लगा सकें कि धातु व्यवहार कैसे करेगी। ये सिमुलेशन धातु को लाखों छोटे डिजिटल ब्लॉकों में विभाजित करते हैं, और गणना करते हैं कि गर्मी कैसे चलती है और तरल कैसे बहता है। लेकिन इन डिजिटल भविष्यवाणियों पर भरोसा करने के लिए, उन्हें वास्तविक दुनिया के विरुद्ध सटीक सिद्ध होना चाहिए, और डिजिटल ब्लॉकों को स्वयं की त्रुटियों को पेश किए बिना सत्य को पकड़ने के लिए पर्याप्त छोटा होना चाहिए।

योग्याकार्ता स्टेट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने एक विशिष्ट एल्युमिनियम मिश्र धातु, A356, पर ध्यान केंद्रित करके इस चुनौती का समाधान किया, जो अपनी मजबूती और हल्केपन के लिए व्यापक रूप से उपयोग की जाती है। उन्होंने एक कंप्यूटर मॉडल बनाने का लक्ष्य रखा जो विश्वसनीय रूप से यह अनुमान लगा सके कि डालने का तापमान (pouring temperature) सांचे को भरने को कैसे प्रभावित करता है, धातु को जमने में कितना समय लगता है, और कितनी पोरोसिटीिटी (सरंध्रता) बनती है। उनका लक्ष्य केवल एक सिमुलेशन चलाना नहीं था, बल्कि यह सिद्ध करना था कि सिमुलेशन भरोसेमंद है। उन्होंने यह पहले जांचा कि क्या उनका डिजिटल ग्रिड सटीक होने के लिए पर्याप्त सूक्ष्म था, और फिर सांख्यिकीय रूप से अपने कंप्यूटर परिणामों को वास्तविक धातु कास्टिंग से लिए गए भौतिक मापों से जोड़ा।

शोधकर्ताओं ने एल्युमिनियम की मजबूती मापने के लिए उपयोग किए जाने वाले एक मानक परीक्षण नमूने का डिजिटल ट्विन (डिजिटल जुड़वां) बनाना शुरू किया। उन्होंने एक कंप्यूटर प्रोग्राम का उपयोग करके तीन अलग-अलग डालने के तापमान: 690, 710, और 730 डिग्री सेल्सियस पर सांचे में धातु के प्रवाह का अनुकरण किया। किसी भी परिणाम पर भरोसा करने से पहले, उन्हें यह सुनिश्चित करना था कि उनका डिजिटल मेश (जाल) सटीक हो। उन्होंने एक ही सिमुलेशन को चार बार चलाया, प्रत्येक बार अलग-अलग आकार के छोटे डिजिटल ब्लॉकों का उपयोग करते हुए, जो 6.0 मिलीमीटर के मोटे ब्लॉकों से लेकर 1.5 मिलीमीटर के बहुत महीन ब्लॉकों तक थे। उन्होंने प्रवाह के अंत में धातु के तापमान और उसके ठोस होने की मात्रा पर बारीकी से नज़र रखी। उन्होंने पाया कि जैसे-जैसे उन्होंने ब्लॉकों को छोटा किया, परिणाम कम से कम बदलते गए। एक बार जब वे 2.5 मिलीमीटर के ब्लॉक आकार तक पहुँचे, तो परिणाम स्थिर हो गए। ब्लॉकों को 1.5 मिलीमीटर तक और भी छोटा करने से परिणाम में एक प्रतिशत से भी कम का बदलाव आया, लेकिन इसके लिए सात गुना अधिक कंप्यूटर शक्ति की आवश्यकता थी। इसने सिद्ध किया कि 2.5 मिलीमीटर का आकार 'स्वीट स्पॉट' था: भरोसे के लिए पर्याप्त सटीक, लेकिन उपयोग के लिए पर्याप्त कुशल।

एक सत्यापित और विश्वसनीय मॉडल हाथ में होने के बाद, टीम ने इस प्रश्न की ओर रुख किया कि डालने का तापमान अंतिम उत्पाद को कैसे प्रभावित करता है। उन्होंने विभिन्न मोल्ड तापमान और गैस हटाने के लिए धातु को दिए गए समय सहित विभिन्न स्थितियों के दायरे में इस प्रक्रिया का अनुकरण किया। सिमुलेशन ने एक स्पष्ट पैटर्न दिखाया: धातु को अधिक गर्म करके डालने से वह अधिक समय तक तरल रहती है। 730 डिग्री सेल्सियस पर, धातु अधिक दूर तक बहती है और सख्त होने से पहले सांचे को पूरी तरह से भरने के लिए पर्याप्त तरल बनी रहती है। 690 डिग्री सेल्सियस के निचले तापमान पर, धातु बहुत जल्दी जमने लगती है, जिससे यह जोखिम पैदा होता है कि प्रवाह सांचा भरने से पहले ही रुक जाएगा। कंप्यूटर ने भविष्यवाणी की कि उच्च तापमान धातु के पूरी तरह से जमने के समय को बढ़ा देगा, जिससे सामग्री को बैठने के लिए अधिक समय मिलेगा और दोषों की संभावना कम हो जाएगी।

इन डिजिटल भविष्यवाणियों की पुष्टि करने के लिए, शोधकर्ताओं ने भौतिक प्रयोगों के साथ तुलना की। उन्होंने वास्तविक धातु के नमूनों के नौ सेट बनाए, जो उनके सिमुलेशन में उपयोग की गई स्थितियों से मेल खाते थे। प्रत्येक सेट के लिए, उन्होंने 'डेंसिटी इंडेक्स' (घनत्व सूचकांक) नामक मान को मापा, जो धातु के भीतर फंसी पोरोसिटीटी (सरंध्रता) का पता लगाने का एक मानक तरीका है। कम डेंसिटी इंडेक्स का अर्थ है कम छेद और एक मजबूत हिस्सा। फिर उन्होंने यह देखने के लिए सांख्यिकीय विश्लेषण का उपयोग किया कि कौन सा कारक सबसे महत्वपूर्ण था। परिणाम निर्णायक थे: डालने का तापमान प्रमुख बल था, जो अंतिम गुणवत्ता की भिन्नता में 60 प्रतिशत से अधिक का योगदान देता था। मोल्ड का तापमान और गैस हटाने में बिताया गया समय छोटी भूमिका निभाते थे। जब उन्होंने कंप्यूटर द्वारा अनुमानित सॉलिडिफिकेशन (जमने के) समय को वास्तविक भागों के मापे गए घनत्व के विरुद्ध प्लॉट किया, तो वे उच्च स्तर की निश्चितता के साथ मेल खाते थे। कंप्यूटर मॉडल ने वास्तविक दुनिया के व्यवहार के बड़े हिस्से को कैप्चर किया, जिससे पुष्टि हुई कि डिजिटल सिमुलेशन दोषों के निर्माण का सटीक अनुमान लगा सकता है।

अध्ययन ने निष्कर्ष निकाला कि यह संयुक्त दृष्टिकोण—पहले सटीकता के लिए डिजिटल ग्रिड को सत्यापित करना और फिर वास्तविक डेटा के विरुद्ध इसे सांख्यिकीय रूप से मान्य करना—इंजीनियरों के लिए एक शक्तिशाली उपकरण बनाता है। अपने मॉडल को गणितीय रूप से सुदृढ़ और भौतिक रूप से सटीक दोनों साबित करके, शोधकर्ताओं ने दिखाया कि कंप्यूटर सिमुलेशन का उपयोग विनिर्माण प्रक्रिया को निर्देशित करने के लिए करना संभव है। इसका अर्थ यह है कि भविष्य में, इंजीनियर इन सत्यापित मॉडलों का उपयोग कंप्यूटर स्क्रीन पर विभिन्न तापमानों और सेटिंग्स का परीक्षण करने के लिए कर सकते हैं, इस विश्वास के साथ कि परिणाम वही होंगे जो फाउंड्री में होंगे, जिससे समय और संसाधनों की बचत होगी और यह सुनिश्चित होगा कि धातु के पुर्जे छिपे हुए दोषों से मुक्त हैं।