Optimization of Nb-Ti-B Master Alloy in Aluminum A356 Parts with General Factorial and Neuro-Regression

Al-Si döküm alaşımlarında bir güçlendirme mekanizması olarak uygulanan tane
inceltme işlemi, ağırlıklı olarak otomotiv endüstrisinde kullanılan A356 alaşımı söz
konusu olduğunda kritik bir öneme sahiptir. Ti-B içeren tane incelticilerin
kullanımının neden olduğu solma ve zehirlenme etkilerinin ardından, araştırmacılar
yeni bir tane inceltici bileşimi arayışına girmişlerdir. Son yıllarda detaylı olarak
çalışılan Nb-B içeren tane inceltici ana alaşımın olumlu etkilerinin görülmesi ancak bu
etkilerin kayda değer bir sonuç üretmemesi üzerine Nb-Ti-B üçlü bileşimi üzerinde
çalışmalar yapılmış ve tane inceltme etkinliğinin arttığı ve optimum Nb-Ti-B
değerlerinin oransal olarak ortaya çıktığı termodinamik hesaplamalarla ortaya
konmuştur. Ancak bu değerler gerçek zamanlı çekme testi verileri ile istatistiksel
açıdan analiz edilmediği için literatürdeki bu boşluk bu çalışma ile doldurulmuştur. Bu
çalışmada, Nb, Ti ve B element oranları faktöriyel deneysel tasarım yaklaşımı
kullanılarak belirlenmiş ve dökümler, döküm parametrelerinin sınır koşullarda hassas
bir şekilde korunabildiği bir laboratuvar ortamında tamamlanmıştır. Çekme testi
sonuçları, Minitab 20'de genel faktöriyel regresyon ve makine öğrenimi ile regresyon
analizini birleştiren yenilikçi bir veri işleme tekniği olan Mathematica'da nöral
regresyon kullanılarak işlenmiş ve optimizasyon verileri karşılaştırmalı analize tabii
tutulmuştur. Ek olarak, OES, XRF yöntemleri ile kimyasal analiz, optik metal
mikroskobu ve SEM ile mikroyapı analizi, XRD yöntemi ile seçilen numuneler
üzerinde faz analizi ve metalografik bulgular paylaşılmıştır. Elde edilen sonuçlara
göre, optimum alaşım kompozisyonu genel faktöriyel regresyon yöntemi ile
istatistiksel bir tutarlılıkla açıklanamazken, Nb, Ti ve B elementlerinin A356
alaşımının çekme testi üzerindeki etkisinin nöro-regresyon ile veri ezberleme
olmaksızın R2 = 0,999 ile ortaya konduğu olgu ortaya konmuştur. Çalışmanın bu
aşaması ön çalışma olarak adlandırılabileceğinden, modelin geri beslemeli çekme testi
verileriyle geliştirilmesi için pek çok alan ve fırsat bulunmaktadır.

The grain refinement process applied as a strengthening mechanism in Al-Si casting alloys is of critical importance in the case of A356 alloy, which is mainly used in the automotive industry. Following the fading and poisoning effects caused by the use of Ti-B-containing grain refiners, researchers have been searching for a new grain refiner composition. After the positive effects of the Nb-B containing grain refiner master alloy, which has been studied in detail in recent years, were observed, but these effects did not produce any significant results, studies on the Nb-Ti-B ternary composition were carried out, and it was revealed that the grain refining effectiveness increased and the optimum Nb-Ti-B values were proportionally revealed by thermodynamic calculations. However, since these values have not been analyzed from a statistical point of view with real-time tensile test data, this gap in the literature has been filled with this study. In this study, the elemental ratios of Nb, Ti and B were determined using a factorial experimental design approach and the castings were completed in a laboratory environment where the casting parameters could be precisely maintained at boundary conditions. The tensile test results were processed and compared with the optimization data using general factorial regression in Minitab 20 and neuro-regression in Mathematica, an innovative data processing technique that combines machine learning and regression analysis. In addition, chemical analysis with OES, XRF methods, microstructure analysis with optical metal microscopy and SEM, phase analysis on selected samples with XRD method and metallographic findings are shared. According to the results obtained, while the optimum composition could not be explained with a statistical consistency with the general factorial regression method, the phenomenon in which the effect of Nb, Ti and B elements on the tensile test of A356 alloy was revealed with neuro-regression, with R2 = 0.999 without data memorization. Since that step of the work may be called as preliminary study, there are plenty of rooms and opportunities for enhancement of the model with feedbacked tensile test data.