Al7075 malzemelerin işlenmesinde minimum kesme süresiyle daha iyi yüzey pürüzlülüğü için frezeleme parametrelerinin istatistiksel analizi ve optimizasyonu

Yıl 2025, Sayı: Advanced Online Publication, 69 - 79

Mustafa Özgür Deveci , Ömer Polat

https://doi.org/10.57244/dfbd.1794481

Öz

Malzemelerin işlenmesi, ham yüzeyi yeniden üretmek için talaş kaldırılması için yüksek sıcaklık ve basınç gerektirir. İşleme sonrası işlenmiş yüzey, işlemin kalitesini belirler ve parametre seçiminin doğruluğu hakkında ipuçları verir. Alüminyum malzemeler, hafiflik, dayanıklılık, yüksek korozyon direnci, işlenebilirlik, elektriksel ve termal iletkenlik gibi özellikleriyle ulaşım, mimari, endüstriyel alanlar, havacılık, inşaat endüstrisi, elektrik ve elektronik gibi önemli sektörlerde yaygın olarak kullanılmaktadır. 7075 malzemeler, birincil alaşım elementi olarak çinko içeren bir alüminyum alaşımıdır. Esneklik, iyi mukavemet, tokluk ve yorulma davranışı gösteren üstün mekanik özelliklere sahiptir. Mevcut makale, değişen kesme koşulları altında (kesme hızı, ilerleme hızı ve kesici takım) gerçekleştirilen Al7075 frezeleme testlerini sunmaktadır. İşlemler sırasında, aynı kesme uzunluğu dikkate alınarak kesme parametrelerine bağlı olarak frezeleme süreleri kaydedilmiştir. İşlenmiş yüzeylerden alınan bir dizi ölçümden sonra ortalama bir yüzey pürüzlülüğü (Ra) değeri hesaplanmıştır. Grafiksel ve istatistiksel analiz kullanılarak optimum yüzey kalitesi ve kesme süresi belirlenmiştir. Bu çalışmanın amacı, alüminyum alaşımlarının frezelenmesinde parça kalitesi ve verimliliği açısından karşılaşılan zorlukların üstesinden gelinmesine yönelik fikirler sunmaktır.

Anahtar Kelimeler

Al7075 alaşımı , Yüzey pürüzlülüğü , Varyans analizi , Kesme süresi , Kesme uzunluğu

Statistical analysis and optimization of milling parameters for better surface roughness with minimum cutting time in machining of Al7075 materials

Öz

Machining of materials requires high temperature and pressure for chip removal to reproduce the raw surface. Fresh surface after machining determines the quality of the operation and give clues about the accuracy of the parameter selection. Aluminum materials used extensively in prominent sectors i.e. transportation, architecture, industrial areas, aviation, construction industry, electrical and electronics with their properties such as lightness, durability, high corrosion resistance machinability, electrical and thermal conductivity. 7075 materials are an aluminum alloy containing zinc as the primary alloying element. It has superior mechanical properties, exhibiting flexibility, good strength, toughness, and fatigue behavior. Current paper presents Al7075 milling tests were performed under varying cutting conditions (cutting speed, feed rate and cutting tool). During operations, milling times were recorded depending on the cutting parameters considering same cutting length. An average surface roughness (Ra) value was calculated after a series of measurements taken from the machined surfaces. Optimal surface quality and cutting time were determined using graphical and statistical analysis. This study aims to provide insights about overcoming the challenges in milling of aluminum alloys in terms of part quality and productivity.

Anahtar Kelimeler

Al7075 Alloy , Surface roughness , Variance analysis , Cutting time , Cutting length

Kaynakça

• Akdeniz, E., Bozdemir, M., Yılmaz, M., & Gezer, M. K. (2024). AL 7075-T6 Frezeleme Operasyonunda Kesme Parametrelerinin Ve Takım Tutucunun Yüzey Pürüzlülüğüne Ve İşleme Hassasiyetine Etkisinin İncelenmesi. Gazi Mühendislik Bilimleri Dergisi, 9(3), 535-543.
• Akgün, M., Yurtkuran, H., & Ulas, H. B. (2020). AA7075 alaşımının işlenebilirliğine suni yaşlandırmanın etkisinin analizi ve kesme parametrelerinin optimizasyonu. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 26(1), 75-81.
• Armillotta, A. (2021). On the role of complexity in machining time estimation. Journal of Intelligent Manufacturing, 32(8), 2281-2299.
• Binali, R. (2024). Experimental and machine learning comparison for measurement the machinability of nickel based alloy in pursuit of sustainability. Measurement, 236, 115142.
• Binali, R., Yaldız, S., & Neşeli, S. (2024). Finite element analysis and statistical investigation of S960ql structure steel machinability with milling method. Journal of the Brazilian Society of Mechanical Sciences and Engineering, 46(5), 260.
• Çaydaş, U., & Çelik, M. (2017). AA 7075-T6 alaşımının delinmesinde kesme parametrelerinin yüzey pürüzlülüğü, takım sıcaklığı ve ilerleme kuvvetine etkilerinin araştırılması. Politeknik Dergisi, 20(2), 419-425.
• Daniyan, I., Tlhabadira, I., Mpofu, K., & Adeodu, A. (2021). Process design and optimization for the milling operation of aluminum alloy (AA6063 T6). Materials Today: Proceedings, 38, 536-543.
• Demirpolat, H., Binali, R., Kuntoğlu, M., Salur, E., Makhesana, M. A., Yaghoubi, S., & Usca, Ü. A. (2024). The influences of alloying elements and processing conditions on the machinability of wrought aluminium alloys: A literature review. Proceedings of the Institution of Mechanical Engineers, Part E: Journal of Process Mechanical Engineering, 09544089241290395.
• Duan, Z., Li, C., Ding, W., Zhang, Y., Yang, M., Gao, T., . . . Mao, C. (2021). Milling force model for aviation aluminum alloy: academic insight and perspective analysis. Chinese Journal of Mechanical Engineering, 34(1), 18.
• Imad, M., Hopkins, C., Hosseini, A., Yussefian, N. Z., & Kishawy, H. (2022). Intelligent machining: a review of trends, achievements and current progress. International Journal of Computer Integrated Manufacturing, 35(4-5), 359-387.
• Karabuğa, Ü., Karabulut, Ş., & Güllü, A. (2021). Alüminyum 7075-T6 Malzemenin Isı Desteği İle İşlenebilirliğinin İncelenmesi. İmalat Teknolojileri ve Uygulamaları, 2(3), 67-77.
• Kaya, K., Çetin, T., Binali, R., & Gündoğmuş, H. (2025). Finish turning of toolox 33 to improve machining parameters with different nose radius tools. European Mechanical Science, 9(3), 234-245.
• Kaya, K., Çetin, T., Binali, R., & Gündoğmuş, H. (2025). An Investigation of Machinability of Hot Work Tool Steel Toolox 44 with Cutting Tools with Different Nose Radius Using Machine Learning. Manufacturing Technologies and Applications, 6(2), 164-183.
• Khanna, N., Agrawal, C., Pimenov, D. Y., Singla, A. K., Machado, A. R., da Silva, L. R. R., . . . Krolczyk, G. M. (2021). Review on design and development of cryogenic machining setups for heat resistant alloys and composites. Journal of Manufacturing Processes, 68, 398-422.
• Korkmaz, M. E., & Günay, M., (2018). Experimental and statistical analysis on machinability of Nimonic80A superalloy with PVD coated carbide. Sigma Journal of Engineering and Natural Sciences, 36(4), 1141-1152.
• Kuntoğlu, M., & Sağlam, H. (2019). Investigation of progressive tool wear for determining of optimized machining parameters in turning. Measurement, 140, 427-436.
• Kuntoğlu, M., Demirpolat, H., Binali, R., Korkmaz, M. E., Makhesana, M., & Kaya, K. (2025). Sustainable Lubrication Strategies in Eco-friendly Machining of AISI 4140 Steel: Performance and Environmental Impact Analysis Using Machine Learning. Journal of Materials Engineering and Performance, 1-17.
• Lukic, D., Cep, R., Vukman, J., Antic, A., Djurdjev, M., & Milosevic, M. (2020). Multi-criteria selection of the optimal parameters for high-speed machining of aluminum alloy Al7075 thin-walled parts. Metals, 10(12), 1570.
• Manimaran, G., Anwar, S., Rahman, M. A., Korkmaz, M. E., Gupta, M. K., Alfaify, A., & Mia, M. (2021). Investigation of surface modification and tool wear on milling Nimonic 80A under hybrid lubrication. Tribology International, 155, 106762.
• Mohanraj, T., Shankar, S., Rajasekar, R., Sakthivel, N., & Pramanik, A. (2020). Tool condition monitoring techniques in milling process—A review. Journal of Materials Research and Technology, 9(1), 1032-1042.
• Park, H. S., Qi, B., Dang, D. V., & Park, D. Y. (2018). Development of smart machining system for optimizing feedrates to minimize machining time. Journal of Computational Design and Engineering, 5(3), 299-304.
• Pimenov, D. Y., Bustillo, A., Wojciechowski, S., Sharma, V. S., Gupta, M. K., & Kuntoğlu, M. (2023). Artificial intelligence systems for tool condition monitoring in machining: Analysis and critical review. Journal of Intelligent Manufacturing, 34(5), 2079-2121.
• Pimenov, D. Y., Gupta, M. K., da Silva, L. R., Kiran, M., Khanna, N., & Krolczyk, G. M. (2022). Application of measurement systems in tool condition monitoring of Milling: A review of measurement science approach. Measurement, 199, 111503.
• Pul, M., & Özerkan, H. B. (2022). Al 6061 alaşımının işlenmesinde kesme derinliği ve kesici takım geometrisinin yüzey pürüzlülüğüne ve takım aşınma davranışına etkisi. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 37(4), 2013-2024.
• Qehaja, N., Jakupi, K., Bunjaku, A., Bruçi, M., & Osmani, H. (2015). Effect of machining parameters and machining time on surface roughness in dry turning process. Procedia Engineering, 100, 135-140.
• Sarıkaya, M., Gupta, M. K., Tomaz, I., Pimenov, D. Y., Kuntoğlu, M., Khanna, N., . . . Krolczyk, G. M. (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.
• Singh, J., Gill, S. S., & Mahajan, A. (2024). Experimental investigation and optimizing of turning parameters for machining of al7075-t6 aerospace alloy for reducing the tool wear and surface roughness. Journal of materials engineering and performance, 33(17), 8745-8756.
• Subramanian, M., Sakthivel, M., Sooryaprakash, K., & Sudhakaran, R. (2013). Optimization of end mill tool geometry parameters for Al7075-T6 machining operations based on vibration amplitude by response surface methodology. Measurement, 46(10), 4005-4022.
• Yalçın, A. Ç., Şen, F., Divleli, B., Küçükçolak, T., Menşan, C., & Binali, R. (2024). Finish turning of AISI 5140 tempered steel to improve machinability for engineering applications: An experimental approach with dry cutting. Doğu Fen Bilimleri Dergisi, 6(2), 1-10.