Optimización de la Rugosidad de Superficie y la Relación de Compresión de Virutas del Acero Inoxidable Dúplex en un Proceso de Torneado Húmedo Utilizando el Método Taguchi
Autores: Gyliene, Virginija; Brasas, Algimantas; Ciuplys, Antanas; Jablonskyte, Janina
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Optimización de la Rugosidad de Superficie y la Relación de Compresión de Virutas del Acero Inoxidable Dúplex en un Proceso de Torneado Húmedo Utilizando el Método Taguchi
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Aceros inoxidables
Parámetros de corte
Rugosidad de la superficie
Relación de compresión de virutas
Optimización de Taguchi
Velocidad de corte
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 22
Citaciones: Sin citaciones
Los aceros inoxidables dúplex (DSS) se utilizan en muchas aplicaciones debido a sus propiedades, como alta resistencia mecánica, buena resistencia a la corrosión y costo relativamente bajo. Sin embargo, el DSS pertenece al grupo de materiales que son difíciles de mecanizar. La demanda de un aumento total en la producción requiere la optimización de las condiciones de corte. Este documento examina la influencia de los parámetros de corte, a saber, la velocidad de corte, el avance y la profundidad de corte en la rugosidad de la superficie y la relación de compresión de virutas (CCR) después del proceso de torneado en húmedo del DSS. El estudio empleó la optimización de Taguchi para determinar los parámetros de corte ideales para las operaciones de acabado de torneado en húmedo en acero 1.4462. Utilizando el diseño de Taguchi, los experimentos se centraron en la rugosidad de la superficie (Ra) y el CCR. Utilizando un insertado recubierto de TiAlN/TiN-PVD con un radio de punta de 0.4 mm, una velocidad de corte de 200 m/min, tasas de avance de 0.05 mm/rev y profundidades de corte de 1 mm se obtuvo la rugosidad más baja de 0.433 m. Mientras tanto, una velocidad de corte de 200 m/min, una tasa de avance de 0.15 mm/rev y una profundidad de corte de 0.5 mm resultaron en el CCR más pequeño de 1.39, lo que indica una deformación plástica mínima. La inclusión de refrigeración adicional demostró ser beneficiosa para la rugosidad de la superficie en comparación con los métodos de torneado en seco y en húmedo. Los datos experimentales tienen valor para entrenar y validar modelos de inteligencia artificial, previniendo el sobreajuste al asegurar una recolección de datos suficiente.
Descripción
Los aceros inoxidables dúplex (DSS) se utilizan en muchas aplicaciones debido a sus propiedades, como alta resistencia mecánica, buena resistencia a la corrosión y costo relativamente bajo. Sin embargo, el DSS pertenece al grupo de materiales que son difíciles de mecanizar. La demanda de un aumento total en la producción requiere la optimización de las condiciones de corte. Este documento examina la influencia de los parámetros de corte, a saber, la velocidad de corte, el avance y la profundidad de corte en la rugosidad de la superficie y la relación de compresión de virutas (CCR) después del proceso de torneado en húmedo del DSS. El estudio empleó la optimización de Taguchi para determinar los parámetros de corte ideales para las operaciones de acabado de torneado en húmedo en acero 1.4462. Utilizando el diseño de Taguchi, los experimentos se centraron en la rugosidad de la superficie (Ra) y el CCR. Utilizando un insertado recubierto de TiAlN/TiN-PVD con un radio de punta de 0.4 mm, una velocidad de corte de 200 m/min, tasas de avance de 0.05 mm/rev y profundidades de corte de 1 mm se obtuvo la rugosidad más baja de 0.433 m. Mientras tanto, una velocidad de corte de 200 m/min, una tasa de avance de 0.15 mm/rev y una profundidad de corte de 0.5 mm resultaron en el CCR más pequeño de 1.39, lo que indica una deformación plástica mínima. La inclusión de refrigeración adicional demostró ser beneficiosa para la rugosidad de la superficie en comparación con los métodos de torneado en seco y en húmedo. Los datos experimentales tienen valor para entrenar y validar modelos de inteligencia artificial, previniendo el sobreajuste al asegurar una recolección de datos suficiente.