بررسي پارامترهاي موثر بر توان مصرفي و اراﺋﻪ مدل هاي پيش بيني كننده در ماشينكاري EN-AC 48000

بررسي پارامترهاي موثر بر توان مصرفي و اراﺋﻪ مدل هاي پيش بيني كننده در ماشينكاري EN-AC 48000

در اين مقاله به مطالعه و بررسي تاثير پارامترهايي همچون سرعت برشي، نرخ پيشروي و نوع ابزار بر توان مصرفي (Pm) در ماشينكاري آلياژ EN-AC 48000 به روش هاي تحليل هاي آماري پرداخته شده است. براي انجام آزمايشات از آرايه استاندارد L27 تاگوچي به عنوان آرايه اقتصادي براي مطالعه فاكتورها و تعاملات بين فاكتورها استفاده شده است. تعداد آزمايشات با انجام دو تكرار جمعاً 54 آزمايش براي خروجي مورد نظر مي باشد. آلياژ EN-AC 48000 يكي از آلياژهاي مهم در صنعت به شمار مي آيد. ماشينكاري اين آلياژ به علت ايجاد لبه انباشته و فرسايش ابزار بسيارحائز اهميت است. توان مصرفي از عوامل موثر بر عمر ابزار، دقت ابعادي و راندمان تراش مي باشند. درمقاله حاضر از سه نوع ابزار مخصوص تراشكاري آلياژهاي آلومينيوم شامل كاربايد روكش دار (CD1810)CVD، كاربايد بدون پوشش (H10)و الماس پلي كريستال(CD10)PCD استفاده شده است. بررسي تاثير فاكتورها و تعاملات بين آنها توسط آناليز ANOVA انجام شده و پارامترهاي موثر و اهميت آنها مورد بررسي قرار گرفته شده است. مقادير بهينه فاكتورها نيز به وسيله آناليز S/N در مورد خروجي هاي آزمايش بيان شده اند و همچنين مدل هاي رگرسيون براي پيش بيني توان مصرفي و تست هاي صحت به منظور درستي مدل ها، ارائه شده است.

In this research using statistical analysis the effect of machining parameters such as cutting velocity, feed rate, and tool type on machining power (Pm) in machining process of EN-AC 48000 aluminum alloy has been studied. A Taguchi L27 standard array has been utilized as the most economical array to evaluate the factors and their interaction. EN-AC 48000 alloy is frequently used in automotive and aerospace industry. Machining of this alloy is of vital importance because of generating the built-up edge and tool wear. Machining power is an essential factor affecting tool life, dimensional accuracy, and machining efficiency. Three types of cutting tools specialized for machining the aluminum alloys have been used for machining experiments. The effect of factors and their interactions have been studied; moreover, the optimum levels of factors have been offered. Finally, regression models to predict the machining power and related confirmation tests have been represented to evaluate the adequacy of equations.