تحلیل حساسیت پارامترهای کلیدی و استفاده از امواج صوتی در بهبود کیفیت تراشکاری از طریق فناوری mql در تراشیدن فولاد scm440

فولاد scm440 به دلیل ویژگی‌های قابل‌توجه بسیار، در صنعت به طور گسترده مورداستفاده قرار می‌گیرد. بااین‌وجود، این فولاد موجب ایجاد مشکلاتی از جمله ارتعاش و سایش می‌شود. به دنبال راه‌حل جایگزین با هزینه کمتر، فناوری کمینه میزان روان‌سازی (mql) به‌عنوان موثرترین روش جایگزین مورداستفاده قرار می‌گیرد. در این راستا، سیگنال‌های امواج صوتی و ارتعاشات در نظارت بر فرسایش ابزار و زبری سطح موثر هستند. همچنین، عوامل نامطلوب در حین ماشین‌کاری به‌عنوان پارامتر در بررسی رفتار فرایند می‌توانند مورداستفاده قرار گیرند. بررسی پارامترهای مختلف با استناد به معادله رگرسیون، موجب فراهم‌شدن شرایطی جهت شناسایی ایرادات و نقاط ضعف در فرایند ماشین‌کاری می‌شود. از پارامترهای موثر جهت بهبود کیفیت و بهینه‌سازی فرایند تولید می‌توان استفاده کرد. نتایج تحلیل حساسیت انجام شده نشان دادند که نرخ تغذیه به‌عنوان پارامتر حساس در میزان زبری سطح و عمق برش به‌عنوان پارامتر حساس در میزان سایش لبه شناخته می‌شوند و بیشترین تاثیر را در کیفیت ماشین‌کاری دارند.

ensitivity analysis of key parameters and utilization of acoustic emission for enhancing machining quality through mql technology in turning of scm440 steel

the industry uses scm440 steel extensively because of its many characteristics. nevertheless, wear and vibration are two issues that this steel may bring about. minimum quantity lubricant (mql) technology is being employed extensively as the most efficient substitution approach in pursuit of a cost-effective alternative solution. vibrations and acoustic emission signals work well for tracking surface roughness and tool wear. it is possible to use undesirable machining factors as parameters to study the behavior of the process. regression analysis of several factors allows for the discovery of weaknesses and vulnerabilities in the machining process. optimizing the production process and enhancing quality are possible with the use of effective factors. the two parameters that have the biggest effects on machining quality are feed rate and cutting depth. feed rate is known to be sensitive to surface roughness, while cutting depth is recognized to be sensitive to tool wear.