آنالیز تجربی، مدل‌سازی ریاضی و تحلیل حساسیت آماری زبری سطح در فرآیند فرزکاری اورتوپدی (پلی متیل متاکریلات)

از جمله درمان‌های‌ رایج در جراحی اورتوپدی، ماشینکاری مفصل‌های زانو برای جاسازی مفصل‌ مصنوعی است. در این جراحی آماده‌سازی سطوح تیبیا و فمور برای کسب سینماتیک صحیح مفصل و تعادل رباط ها لازم است. بدین منظور فرزکاری برای ماشینکاری دقیق سطوح استخوان و ایجاد شیارهای دقیق مورد نیاز است. در این مطالعه، عملیات فرزکاری روی پلی متیل متاکریلات بعنوان قطعه کار و جانشین مناسب برای استخوان انجام شد و برای اولین بار به طور مشخص روی مدل‌سازی و بهینه‌سازی پارامترهای موثر در فرزکاری یعنی سرعت برش، پیشروی، عمق برش و قطر ابزار با روش پاسخ سطح جهت بررسی زبری سطح متمرکز شده است. معادله رگرسیون خطی مرتبه دوم حاکم بر مدل استخراج گردیده است و تاثیر پارامترهای ورودی و بر همکنش آنها بر روی پارامتر خروجی زبری سطح به دقت بررسی شده است. همچنین با بهره گیری از روش تحلیل حساسیت آماری سوبل مقدار کمی اثر پارامترهای ورودی مشخص شده است. نتایج بدست آمده نشان می‌دهد که برای رسیدن به کیفیت سطح مطلوب باید حداقل پیشروی، حداقل سرعت دورانی، قطر ابزار کوچکتر و عمق برش کم لحاظ شود. نتایج نشان می‌دهد از بین پارامترهای ورودی با در نظر گرفتن تغییرات همزمان تمامی پارامترها در بازه آزمایش‌ها، به ترتیب سرعت دورانی ابزار، نرخ پیشروی، قطر ابزار و عمق برش بیشترین اثر را در رفتار زبری سطح داشته‌اند.

Experimental analysis, mathematical modeling and Sobol sensitivity analysis of surface roughness in orthopedic milling process (polymethylmethacrylate)

One of the common treatments in orthopedic surgery is machining of knee joints to attach the artificial joint. In this surgery preparation of tibia and femur surfaces is necessary to obtain proper joint kinematics and ligament balancing. For this purpose milling is involved in surgery requiring accurate machining of bone surfaces and creation of accurate slots. In this paper, milling process was carried out on polymethylmethacrylate as workpiece and suitable substitute for bone and for the first time, it is focused on modeling and optimizing the effective parameters in milling namely cutting speed, feed rate, tool diameter and cutting depth for analyzing the surface roughness using the surface response methodology. The secondorder regression equation governing the model is drived and the influence of the input parameters and their interaction on the surface roughness as the output parameter is carefully investigated. Also, sobol statistical sensitivity analysis is used to ascertain the effect of process input parameters quantitatively. The results show that in order to achieve the desirable surface quality, minimum of feed, minimum rotational speed, smaller tool diameter and low cutting depth should be considered. Results show that among all effective input parameters tool rotational speed, feed rate, tool diameter and ctting depth have the highest influence on process roughness respectively. The behavior of each output parameters with variation in each input parameter is further investigated.