AISI 1040 Alaşımının Frezelenmesinde Teorik ve Uygulamalı Kesme Parametrelerine Dayalı iTool Adlı Yeni bir Paket Program ile Bilgisayar Destekli Süreç Planlama

Abstract

Bu çalışmada, CNC freze tezgahlarındaki çevrim sürelerini azaltmak ve kesici takımların ömrümü artırmak amacıyla, kullanılan kesme parametrelerinin iyileştirilmesi üzerine araştırmalar yapılmıştır. Bu kapsamda Python programlama diliyle iTool adı verilen yeni bir program yazılmış ve CAM paket programlarına yardımcı bir alt program olarak kullanılması hedeflenmiştir. Bu programda kullanılacak kesme parametrelerini belirleyebilmek için, en az iki farklı kesici takım firması ve bu kesici takımları kullanan en az iki farklı imalat firmasından veriler toplanmıştır. Böylece tavsiye edilen teorik kesme koşulları ile endüstride uygulanan kesme koşulları birlikte değerlendirilebilmiştir. Firmalardan toplanan kesme parametreleri, AISI 1040 alaşımına yapılacak frezeleme işlemi için kullanılacak 4 ağızlı karbür kesici takımların değişen çaplarına (D: 5 mm - 25 mm) göre, kesme hızı (Vc) ve ilerleme (f) değerleridir. İncelemeler sonunda, tavsiye edilen teorik Vc ve f verilerinin endüstride uygulanan verilere göre sırasıyla %35 ve %50 daha az olduğu görülmüştür. Frezelenecek hedef hacim (255025 mm3) için işleme zamanı (th) ve takım ömrü (T) performans kriteri olarak belirlenmiştir. En verimli işleme için, firmalardan alınan veriler kullanılarak yeni kesme şartları elde edilmiştir. Elde edilen yeni verilerin endüstride uygulanan verilere göre %87 daha fazla takım ömrü sunduğu, teorik verilere göre ise %22 daha kısa işleme zamanı sağladığı hesaplanmıştır. Hedef hacim fiziki deneylerle işlenerek örnek takım çapları (8 mm, 10 mm ve 12 mm) için kesme koşullarının verimliliği test edilmiş ve hesaplanan verilerle uyumlu sonuçlar gözlenmiştir. Son olarak, hesaplanan yeni kesme şartları, yazılan iTool programı ile kullanıcının kolaylıkla ulaşabileceği duruma getirilmiştir. Böylece, talaşlı imalat alanında tecrübe ve bilgi birikimi olmayan bir kullanıcının bile, en doğru şartları kısa zamanda ve kolaylıkla seçebilmesi üzerine çözümler sunulmuştur.

Keywords

• iTool
• Frezeleme
• CAPP
• CAD/CAM
• İşleme zamanı
• Takım ömrü

Computer Aided Process Planning with a New Package Program Named iTool Based on Theoretical and Practical Cutting Parameters in Milling of AISI 1040 Alloy

Abstract

In this study, research has been conducted on improving the cutting parameters used in order to reduce cycle times in CNC milling machines and increase the life of cutting tools. In this context, a new program called iTool was written with the Python programming language and it was aimed to be used as a subprogram to CAM package programs. In order to determine the cutting parameters to be used in this program, data was collected from at least two different cutting tool companies and at least two different manufacturing companies using these cutting tools. Thus, the recommended theoretical cutting conditions and the cutting conditions applied in the industry could be evaluated together. The cutting parameters collected from the companies are the cutting speed (Vc) and feed (f) values according to the changing diameters (D: 5 mm - 25 mm) of 4-flute carbide cutting tools to be used for milling on AISI 1040 alloy. As a result of the investigations, it was found that the recommended theoretical Vc and f data were 35% and 50% less than the data applied in the industry, respectively. For the target volume to be milled (255025 mm3), machining time (th) and tool life (T) were determined as performance criteria. For the most efficient machining, new cutting conditions were obtained using data obtained from companies. It has been calculated that the new data obtained provides 87% more tool life compared to the data applied in the industry and 22% shorter machining time compared to the theoretical data. The efficiency of the cutting conditions for samples tool diameters (8 mm 10 mm and 12 mm) was tested by machining the target volume with physical experiments and results compatible with the calculated data were observed. Finally, the calculated new cutting conditions were made easily accessible to the user with the written iTool program. Thus, solutions were presented so that even a user who does not have experience and knowledge in the field of machining can easily select the most accurate conditions in a short time.

Keywords

• iTool
• Milling
• CAPP
• CAD/CAM
• Machining time
• Tool life

References

1. [1] Akkurt M. (2012) Talaş Kaldırma Bilimi ve Teknolojisi: CNC Takım Tezgahları ve Üretim Otomasyonu, Birsen Yayınevi, İstanbul.
2. [2] Uluğ D ve Dilipak H. (2012) Kaplamalı ve Kaplamasız Sementit Karbür Takımlar İçin Takım Ömrü Modeli’ndeki “N” Üstel Değerinin Deneysel Olarak Araştırılması, 3. Ulusal Talaşlı İmalat Sempozyumu, 04-05 Ekim 2012, Ankara
3. [3] Çakır MC. (2018) Modern Talaşlı İmalat Yöntemleri, 3. Baskı, Dora Yayınevi, Bursa.
4. [4] Yağmur S. (2023), AISI 1050 çeliğinin tornalanmasında minimum miktarda yağlamanın (MMY) kesme kuvvetleri ve yüzey pürüzlüğü üzerindeki etkisinin araştırılması. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji, 11(4), 1024-1034. https://doi.org/10.29109/gujsc.1378275.
5. [5] Akdeniz K. (2024) Frezeleme Operasyonlarinda Bilgisayar Destekli Süreç Planlama ile Kesme Parametrelerinin Optimizasyonu, Zonguldak Bülent Ecevit Üniversitesi Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Zonguldak,
6. [6] Zhou J, Camba JD. (2021) Computer-Aided Process Planning In Immersive Enviroments: A Critical Review, Computers in Industry, Volume: 133.
7. [7] Shin H, Olling GJ, Chung YC, Kim BH, Cho SK. (2003) An Integrated CAPP/CAM System For Stamping Die Pattern Machining, Computer-Aided Design 35: 203-213.
8. [8] Yusof Y, Latif K. (2014) Survey on computer-aided process planning. Int J Adv Manuf Technol 75, 77–89. https://doi.org/10.1007/s00170-014-6073-3

9. [9] Mauthner G, Votruba W, Ramsauer C, Plessing L, Trautner T, Bleicher F. (2022) Development of a CAM-in-the-Loop System for Cutting Parameter Optimization using an Instrumented Tool Holder, Procedia CIRP, 107: 326-331.
10. [10] Xu XW and He Q. (2004) Striving for a Totalintegration of CAD, CAPP, CAM and CNC, Robotics and Computer-Integrated Manufacturing 20: 101-109.
11. [11] Deja M, Siemiatkowski MS. (2018) Machining Process Sequencing And Machine Assignment In Generative Feature-based CAPP For Mill-turn Parts, Journal of Manufacturing Systems, 48: 49-62.
12. [12] Kumar SPL, Jerald J, Kumanan S. (2014) Automatic Feature Extraction and CNC Code Generation in a CAPP System for Micromachining, Procedia Materials Science, 5: 1986-1997.
13. [13] Zubair AF, Mansor MSA. (2021) Embedding Firefly Algorithm In Optimization of CAPP Turning Machining Parameters for Cutting Tool Selections, Computers&Industrial Engineering, Volume 135: 317-325.
14. [14] Culler DE, Burd W. (2007) A Framework For Extending Computer Aided Process Planning to Include Business Activities and Computer Aided Design and Manufacturing (CAD/CAM) Data Retrieval, Robotics and Computer-Integrated Manufacturing 23: 339-350.
15. [15] Lin AC, Lin MY, Ho HB. (1999) CAPP And Its Integration With Tolerance Charts For Machining Of Aircraft Components, Computers in Industry, 38: 263-283.
16. [16] Pobozniak J and Sobieski S. (2017) Extension of STEP-NC Data Structure to Represent Manufacturing Process Structure in CAPP System, Procedia Manufacturing, 11: 1692-1699.
17. [17] Şeker U. (2000) Talaşlı İmalatta Takım Tasarımı, G.Ü. Fen Bilimleri Enstitüsü Yüksek Lisans Ders Notları, 39-45, Ankara.
18. [18] Groover MP. (2021) In Prenciples of Modern Manufacturing, Vol.4 (Eds: Yurdakul M, İç YT), Nobel Press, İstanbul, Türkiye.
19. [19] Emel GG, Taşkın Ç. (2002) Genetik Algoritmalar ve Uygulama Alanları, Uludağ Üniversitesi İİBF Dergisi, 21(1):129-152.
20. [20] Tül, U., & Tuncer, A. (2017). Intelligent Test Paper Generation with Genetic Algorithm. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım Ve Teknoloji, 5(4), 27-34. https://doi.org/10.29109/http-gujsc-gazi-edu-tr.341977
21. [21] URL-1: /https://www.iscar.com/Catalogs/ publication-2021/Flash_Solid_catalog_ 43_1_ 2021_METRIC.pdf, Ziyaret tarihi: 18.02.2023.
22. [22] URL-2:/https://www.muhendisalemi.com/her-yonuyle-1040-celigi>, Ziyaret tarihi: 09.11.2023.
23. [23] Çakır MC. (2018) Modern Machining Methods, Dora Press, Bursa, Turkey.
24. [24] Kalpakjian S, Schmid SR. (2003) Manufacturing processes for engineering materials. 4th ed. Newjersey.
25. [25] Akkurt M., CNC Takım Tezgahlarının Programlanması ve CAD-CAM Sistemleri, Birsen yayınevi.
26. [26] Altıntaş Y. (2012) Manufacruring Automation: Metal Cutting Mechanics, Machine Tool Vibrations and CNC Design, Canbridge University Press, USA.
27. [27] Şirin E, Yıldırım ÇV, Şirin Ş, Kıvak T, Sarıkaya M. (2024) Comprehensive analysis of cutting temperature, tool wear, surface integrity and tribological properties in sustainable milling of Ti6Al4V alloy: LN2, nanofluid and hybrid machining. Journal of Manufacturing Processes, 131:1360-1371. https://doi.org/10.1016/j.jmapro.2024.09.120.
28. [28] Sarıkaya M, Gupta MK, Tomaz I, Pimenov DY, Kuntoğlu M, Khanna N, Yıldırım ÇV, Krolczyk GM. (2021) A state-of-the-art review on tool wear and surface integrity characteristics in machining of superalloys. CIRP Journal of Manufacturing Science and Technology, 35: 624-658. https://doi.org/10.1016/j.cirpj.2021.08.005.
29. [29] Gupta MK, Boy M, Korkmaz ME, Yaşar N, Günay M, Krolczyk GM. (2022) Measurement and analysis of machining induced tribological characteristics in dual jet minimum quantity lubrication assisted turning of duplex stainless steel. Measurement, 187:110353. https://doi.org/10.1016/j.measurement.2021.110353.
30. [30] Uzun G. (2019) Analysis of grey relational method of the effects on machinability performance on austempered vermicular graphite cast irons, Measurement 142, 122–130.
31. [31] Zheng G, Li L, Li Z, Gao J, Niu Z. (2018) Wear mechanisms of coated tools in high-speed hard turning of high strength steel. The International Journal of Advanced Manufacturing Technolog, 94: 4553-4563. https://doi.org/10.1007/s00170-017-1132-1.
32. [32] Sardinas, R. Q., Santana, M. R., & Brindis, E. A. (2006). Genetic algorithm-based multi-objective optimization of cutting parameters in turning processes. Engineering Applications of Artificial Intelligence, 19(2), 127-133. https://doi.org/10.1016/j.engappai.2005.06.007
33. [33] Saravanan, M., Ramalingam, D., Manikandan, G., & Kaarthikeyen, R. R. (2012). Multi objective optimization of drilling parameters using genetic algorithm. Procedia engineering, 38, 197-207. https://doi.org/10.1016/j.proeng.2012.06.027