Yüksek hızlı işlemede kesme parametrelerinin yüzey kalitesi açısından optimizasyonu
The optimization of the cutting parameters in terms of the surface quality in high speed machining
- Tez No: 329490
- Danışmanlar: DOÇ. DR. EYÜP SABRİ TOPAL
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Yüksek hızlı işleme, Taguchi metodu, Yapay sinir ağları, Optimizasyon, High speed machining, Taguchi method, Artificial neural networks, Optimization
- Yıl: 2012
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 161
Özet
Yapılan bu çalışmada 52 HRC sertliğindeki DIN 1.2344 alaşımlı sıcak iş takım çeliği, TiAlN kaplı 6 mm çapında düz parmak freze ile soğutma sıvısı kullanmadan yüksek kesme hızlarında (10000-22000 dev/dak) tek yönlü frezeleme işlemine tabi tutulmuş ve farklı kesme parametrelerinin yüzey pürüzlülüğüne olan etkileri araştırılmıştır. Elde edilen sonuçlara göre minimum yüzey pürüzlülüğünü sağlayan optimum kesme parametreleri zaman ve maliyetten kazanç sağlayan, istatistiksel bir yöntem olan Taguchi metodu ve yapay sinir ağları kullanılarak belirlenmiştir.Yüksek hızlı frezeleme deneylerinde dört farklı kesme parametresine (kesme hızı, ilerleme hızı, talaş derinliği ve yanal adım) ait beş faklı seviye belirlenmiş ve bu parametreler için en uygun L25 ortogonal dizisi kullanılarak deney tasarımı yapılmıştır. Deneyler sonunda elde edilen pürüzlülük değerlerinin Minitab programında S/N ve varyans analizleri yapılarak kesme parametrelerinin etki dereceleri, önem sıralamaları ve optimum seviyeleri belirlenmiştir. Belirlenen optimum kesme parametreleriyle 5 adet doğrulama deneyi yapılarak optimizasyonun başarısı araştırılmıştır. Taguchi deney tasarımı sonunda elde edilen veriler yapay sinir ağlarına öğretilerek hedeflenen pürüzlülük değerleri için tahmini kesme parametreleri belirlenmiş ve 5 adet doğrulama deneyi yapılarak sonuçlar karşılaştırılmıştır.Deney planındaki en düşük yüzey pürüzlülük değeri (Ra) %29.2 oranında, en yüksek pürüzlülük değeri %94.4 oranında ve pürüzlülük değerlerinin ortalaması %74.4 oranında iyileştirilerek kesme parametrelerinin optimizasyonu başarıyla gerçekleştirilmiştir. Yapay sinir ağları ile hedeflenen pürüzlülük değerlerine %63.47 başarı oranıyla yaklaşılmıştır. Aynı şartlarla tekrarlanan deneyler sonucunda takım aşınmasının yüzey pürüzlülüğünü %36.43 oranında artırdığı belirlenmiştir.
Özet (Çeviri)
In this study, DIN 1.2344 alloyed hot work tool steel with 52 HRC hardness was subjected to one direction tool path milling at high cutting speeds (10000-22000 rpm) without using coolant, by using a TiAlN coated flat end mill with 6 mm diameter and the effects of different cutting parameters on surface roughness were investigated. According to the results, the optimum cutting parameters providing the minimum surface roughness were determined by using an Artificial neural network model and Taguchi method which is a statistical technique that savings of time and cost.For use at high speed milling experiments, five different levels of four different cutting parameters (cutting speed, feed rate, depth of cut and stepover ratio) were determined and the experimental design was performed by using the L25 orthogonal array that most suitable for these parameters. Degree of effects, importance of rankings and optimum levels of cutting parameters were determined by analysing of the S/N and variance of roughness values obtained from the experiments by using Minitab program. Success of the optimization was tested by performing five confirmation experiments with the optimum cutting parameters. Cutting parameters for the desired roughness values were determined using the artificial neural network model after the data obtained by Taguchi experimental design, and the results were also compared performing five confirmation experiments.The optimization of the cutting parameters was successfully carried out by reducing surface roughness with a rate of 29.2% in comparison with the lowest surface roughness value (Ra), with a rate of 94.4% in comparison with the highest roughness value and with a rate of 74.4% in comparison with the average of roughness values in the experimental plan. The desired roughness values have been approached with a success rate of 63.47% by using the artificial neural networks. As a result of repeated experiments under the same conditions, surface roughness increases with a rate of 36.43% probably due to the tool wear.
Benzer Tezler
- Frezeyle tornalama operasyonunun geometrik, kuvvet ve ısıl modellenmesi
Geometric, force and thermal modeling of turn-milling operations
UMUT KARAGÜZEL
Doktora
Türkçe
2016
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA BAKKAL
PROF. DR. ERHAN BUDAK
- CNC profil işleme makinelerinde kesme parametrelerinin modellenmesi
Modelling of cutting parameters in CNC profile milling machines
HASAN ÇUKURCU
Yüksek Lisans
Türkçe
2025
Mühendislik BilimleriMarmara ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GARİP GENÇ
- Correlation between cutting parameters, tool geometry and particulate size distribution in the trimming of CFRP composites
CFRP kompozitlerin düzeltilmesinde kesme parametreleri, takım geometrisi ve partikül boyutu dağılımı arasındaki ilişki
BAŞAR ÖZKAN
Yüksek Lisans
İngilizce
2017
Makine MühendisliğiThe University of SheffieldMakine Mühendisliği Ana Bilim Dalı
DR. CHRİSTOPHE PİNNA
- CNC frezeleme operasyonlarında, farklı ahşap kesitlerinde işleme parametreleri ile yüzey pürüzlülüğü arasındaki ilişkinin araştırılması
Investigation of the relationship between machining parameters in different massive wood sections at CNC milling operations
ORUÇ ARAS
Yüksek Lisans
Türkçe
2019
Ağaç İşleriKütahya Dumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DOÇ. DR. SAİT DÜNDAR SOFUOĞLU
- Plazma ark kesme yönteminde işleme parametrelerinin kesme kalitesi üzerine etkileri
The effects of machining parameters on cutting quality in plasma arc cutting method
ŞERAFETTİN HIRTISLI
Yüksek Lisans
Türkçe
2024
Makine MühendisliğiKırıkkale ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZ ERDEM