بررسی و بهینه‌سازی تاثیر‬ پارامترهای ورودی بر نرخ براده برداری، نرخ سایش ابزار و زبری سطح در ماشین‌کاری تخلیه الکتریکی نانو کامپوزیت a356 تقویت‌شده با آلومینا

در این پژوهش، تاثیر پارامترهای ورودی ماشین‌کاری تخلیه الکتریکی بر روی نانو کامپوزیت a356 تقویت شده با 3.5% آلومینا (al2o3)، با رویکرد طراحی آزمایش ها به روش تاگوچی بر مبنای آرایه متعامد l9 و تکنیک سطوح تکراری مورد بررسی و بهینه سازی قرار گرفت. پارامترهای ورودی این آزمایش ها شامل ولتاژ (دو سطحی)، شدت ‌جریان (سه سطحی)، زمان روشنی پالس (سه سطحی) و زمان خاموشی پالس (سه سطحی) در نظر گرفته شد. همچنین، پارامترهای خروجی شامل نرخ براده برداری از قطعه کار، نرخ سایش ابزار ماشین کاری و زبری سطح قطعه کار بودند. تحلیل نتایج و بررسی نمودار‌های سیگنال به نویز توسط نرم‌افزار انجام شد. همچنین با تعیین تابع زیان مقادیر نرمال شده کل پارامترهای خروجی بر مبنای ضرایب وزنی فرضی، سطح بهینه مربوط به هر پارامتر ورودی مشخص شد و با انجام آنالیز واریانس، میزان درصد سهم هر یک از پارامترهای ورودی در واریانس کل محاسبه شد. با توجه به نتایج حاصله، تاثیر‌گذارترین پارامتر ورودی بر روی نرخ براده برداری: زمان خاموشی پالس، بر روی نرخ سایش: ابزار شدت جریان و بر روی زبری‌ سطح: زمان روشنی پالس تعیین شد. علاوه بر این، سطح اول ولتاژ (80 ولت)، سطح اول شدت جریان (10 آمپر)، سطح اول زمان روشنی پالس (35 میکروثانیه) و سطح دوم زمان خاموشی پالس (70 میکروثانیه) به عنوان سطوح بهینه پارامترهای ورودی تعیین شدند. درصد سهم پارامترهای ورودی در واریانس کل نیز برای ولتاژ، شدت جریان، زمان روشنی پالس و زمان خاموشی پالس به ترتیب برابر 12.98، 20.96، 5.47 و 60.60 به دست آمدند.

investigation and optimization of the effect of input parameters on material removal rate, tool wear rate, and surface roughness in electrical discharge machining of a356 nano-composite reinforced by alumina

in this research, the effect of input parameters of electrical discharge machining (edm) on a356 nano-composite reinforced by 3.5% alumina (al2o3) was examined and optimized by the taguchi technique based on the l9 orthogonal array and duplicated levels technique. the input parameters of these experiments consisted of voltage (two-level), current intensity (three-level), pulse on-time (three-level), and pulse off-time (three-level). moreover, the output parameters were comprised of the material removal rate of the workpiece, the tool wear rate of the machining, and the surface roughness of the workpiece. the analysis of the results and investigation of the signal-to-noise graphs (s/n) and variance analysis (anova) were carried out by using software. also, with the determination of the loss function of total normalized values of the output parameters based on appropriate weight coefficients, the optimum level of each input parameter was identified. besides, with performing the variance analysis, the magnitude of contribution percentage of each of the input parameters in the total variance was calculated. based on the obtained results, it was concluded that the most influential parameter on the material removal rate was the pulse off-time, on tool wear rate was the current intensity, and on the surface roughness was the pulse on-time. furthermore, the first level of the voltage (80 v), the first level of the current intensity (10 a), the first level of the pulse on-time (35 µs), and the second level of the pulse off-time (70 µs) were determined as the optimum input parameters. the contribution percentage of the input parameters in the total variance for voltage, current intensity, pulse on-time, and pulse off-time was found to be 12.98, 20.96, 5.47, and 60.60, respectively.