MULTI-OBJECTIVE OPTIMIZATION OF CUTTING

PARAMETERS FOR SURFACE ROUGHNESS AND METAL

REMOVAL RATE IN SURFACE GRINDING USING RESPONSE
SURFACE METHODOLOGYCoba browser baru dengan terjemahan otomatis.Unduh
Google ChromeTutup
Terjemahan

International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.

© IJAET ISSN: 2231-1963
270 Vol. 3, Edisi 1, pp. 270-283
OPTIMASI MULTI-TUJUAN CUTTING
PARAMETER UNTUK KEKASARAN PERMUKAAN DAN LOGAM
RATE PENYISIHAN DI PERMUKAAN GRINDING MENGGUNAKAN RESPON
PERMUKAAN METODOLOGI
M. Janardhan1 dan A. Gopala Krishna2
1Jurusan Teknik Mesin, Abdul Kalam Lembaga Ilmu Pengetahuan Teknologi,
Kothagudem- 507.120, A.P, India.
2Department Teknik Mesin, Universitas College of Engineering, JNTU,
Kakinada-533 003, AP, India.
ABSTRAK
Permukaan grinding adalah proses yang paling umum digunakan di sektor manufaktur untuk
menghasilkan halus pada datar
permukaan. Kualitas permukaan dan tingkat penghapusan logam adalah dua karakteristik kinerja
penting untuk
dipertimbangkan dalam proses penggilingan. Ekonomi proses pemesinan dipengaruhi oleh
beberapa faktor seperti
sebagai roda abrasif kelas, kecepatan roda, kedalaman potong, kecepatan meja dan sifat material.
Dalam karya ini, empiris
model dikembangkan untuk kekasaran permukaan dan tingkat removal logam dengan
mempertimbangkan kecepatan roda, kecepatan meja
dan kedalaman potong sebagai faktor kontrol menggunakan metodologi respon permukaan.
Dalam tulisan ini, permukaan Response
metodologi (RSM) telah diterapkan untuk menentukan parameter mesin optimal mengarah ke
minimum
kekasaran permukaan dan tingkat removal logam maksimum di permukaan grinding proses
operasi pada EN24 baja. Itu
urutan kedua model matematika dalam hal parameter mesin dikembangkan untuk tingkat
penghapusan logam
(MRR) dan Kekasaran permukaan atas dasar hasil eksperimen. Model yang dipilih untuk
optimasi memiliki
divalidasi dengan F-test. Kecukupan model diuji pada respon keluaran telah didirikan dengan
analisis varian (Annova). Sebuah usaha juga telah dilakukan untuk mengoptimalkan parameter
pemotongan menggunakan multiobjective
karakteristik untuk model prediksi yang dikembangkan menggunakan metodologi permukaan
Response (RSM)
KATA KUNCI: Permukaan grinding, MRR, Kekasaran permukaan, RSM, Optimasi.
I. PENDAHULUAN
Grinding adalah proses pemesinan yang kompleks dengan banyak parameter interaktif, yang
tergantung pada
grinding jenis dan persyaratan produk. Kualitas permukaan yang dihasilkan di permukaan
grinding adalah
. dipengaruhi oleh berbagai parameter yang diberikan sebagai berikut (i) parameter Wheel:
abrasive, ukuran butir, kelas,
struktur, pengikat, bentuk dan dimensi, dll (ii) parameter sepotong Kerja: modus fraktur,
mekanik
properti, dan komposisi kimia, dll (iii) Proses parameter: kecepatan roda, kedalaman potong,
meja
kecepatan, dan ganti kondisi, dll (iv) parameter Mesin: karakteristik statis dan dinamis, spindle
sistem, dan sistem meja, dll [1] kekasaran permukaan adalah indeks kinerja untuk memenuhi
teknis
standar dan kepuasan pelanggan indeks kinerja ini tergantung pada berbagai parameter mesin.
Pemilihan kombinasi yang tepat dari parameter mesin menghasilkan permukaan akhir yang
diinginkan dan
Tingkat penghapusan logam [2] kombinasi yang tepat dari parameter mesin merupakan tugas
penting karena
menentukan nilai optimal dari kekasaran permukaan dan tingkat penghapusan logam. Hal ini
diperlukan untuk mengembangkan
model matematika untuk predikat pengaruh kondisi operasi [3].
Dalam model matematika penelitian ini telah dikembangkan untuk predikat kekasaran
permukaan dan
Tingkat penghapusan logam dengan bantuan metodologi permukaan Response, Desain
eksperimen [30]. Itu
Metodologi respon permukaan (RSM) adalah implementasi praktis, akurat dan mudah untuk.
Penelitian ini
variabel yang paling penting yang mempengaruhi karakteristik kualitas dan rencana untuk
melakukan seperti
eksperimen disebut desain eksperimen (DOE) [31] an data eksperimen digunakan untuk
mengembangkan
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
271 Vol. 3, Edisi 1, pp. 270-283
model matematika untuk model urutan kedua dengan menggunakan metode regresi. Analisis
varians
digunakan untuk memverifikasi keabsahan model. Prosedur optimasi RSM telah digunakan
untuk
mengoptimalkan respon output, kekasaran permukaan dan tingkat penghapusan logam
mengalami grinding
parameter yaitu kecepatan roda, meja melesat dan kedalaman potong dengan menggunakan
model fungsi tujuan multi-.
II. METODOLOGI
Dalam karya ini, hasil eksperimen yang digunakan untuk pemodelan menggunakan metodologi
permukaan Response, adalah
praktis, akurat dan mudah untuk implementasi. Data eksperimen digunakan untuk membangun
urutan pertama
dan urutan kedua model matematika dengan menggunakan metode analisis regresi. Ini
dikembangkan
model matematika yang dioptimalkan dengan menggunakan prosedur optimasi RSM untuk
output
tanggapan dengan memberlakukan bawah dan batas atas untuk parameter masukan mesin yaitu
kecepatan meja,
kecepatan roda, dan kedalaman potong.
2.1 Desain Eksperimen (DOE)
Studi variabel yang paling penting yang mempengaruhi karakteristik kualitas dan rencana untuk
melakukan seperti
eksperimen disebut Desain Eksperimen. G.Taguchi (1959) dari Jepang, dengan mengembangkan
Konsep terkait grafik linier, mampu perangkat banyak varian berdasarkan desain OA,
yang dapat dengan mudah diterapkan oleh seorang insinyur atau ilmuwan tanpa memperoleh
canggih statistik
pengetahuan untuk bekerja di luar desain dan analisis eksperimen bahkan rumit (Ross J. Philip,
1989) metode .Ini memiliki keuntungan menjadi sangat fleksibel dan mudah memungkinkan
alokasi
berbagai tingkat faktor, bahkan ketika tingkat ini tidak sama jumlahnya untuk semua faktor
belajar [5]. Keindahan metode ini terletak pada cutting untuk minimal ukuran
eksperimen. Pada saat yang sama menghasilkan hasil dengan presisi tinggi, dengan demikian,
oleh hanya
27experiments, kita mungkin dapat mengevaluasi semua efek utama. Tata letak Desain di
Taguchi
Metode dijelaskan di bawah:
1. Daftar ke bawah Response, Faktor dan tingkat bersama dengan interaksi yang diinginkan.
2. Cari Derajat Kebebasan untuk masing-masing faktor dan untuk setiap interaksi.
3. Hitunglah Jumlah Derajat Kebebasan (TDF).
4. Jumlah minimum percobaan (MNE) adalah sama dengan total derajat kebebasan Ditambah
satu (1).
5. Pilih terdekat seri orthogonal array seperti: L4, L8, L16 atau L9, L27, dll
6. Menggambar diperlukan Grafik Linear dengan (LG).
7. Nomor Grafik linear dengan memulai dengan Nomor 1 untuk faktor A dan Nomor 2 untuk
Faktor B. Kemudian memeriksa apakah interaksi setiap ada. Jika tidak, lanjutkan dengan Nomor
3
untuk faktor C. Jika ada interaksi, periksa dengan Tabel interaksi, yang merupakan Kolom
untuk dialokasikan untuk interaksi? Kemudian Lanjutkan dengan nomor berikutnya untuk faktor
berikutnya.
8. Lengkapi penomoran seperti yang dijelaskan sampai berikut tercapai. Semua faktor dan
interaksi diberi nomor. Tidak ada pengulangan angka. Nomor interaksi yang
sesuai tabel Interaksi. Angka-angka yang digunakan tidak melebihi jumlah kolom
diizinkan untuk tabel array orthogonal.
9. Tuliskan nomor kolom terhadap masing-masing faktor. Itu adalah Desain Penugasan. Menulis
kembali
Tabel OA dengan hanya mereka kolom diwakili oleh faktor dan semua baris sesuai
OA Tabel. Mengganti 1, 2 & 3 di Tabel dengan nilai fisik tingkat dari
Faktor dan Tingkat diidentifikasi. Ini melengkapi Desain Tata Letak.
2.2 Respon Metodologi Permukaan (RSM)
Response Surface Methodology adalah kombinasi matematika dan statistik teknik [30-31],
digunakan mengembangkan model matematika untuk analisis dan optimasi. Dengan melakukan
jalan eksperimen
dan menerapkan analisis regresi, tanggapan output dapat dinyatakan dalam hal masukan
parameter pemesinan kecepatan yaitu meja, kedalaman potong dan roda kecepatan. Langkah-
langkah utama dalam Response
Metodologi permukaan yang
1. Identifikasi faktor mendominasi yang mempengaruhi kekasaran permukaan, Metal
tingkat penghapusan.
2. Mengembangkan desain matriks percobaan, melakukan percobaan sesuai di atas
desain matriks.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
272 Vol. 3, Edisi 1, pp. 270-283
3. Mengembangkan model matematika.
4. Penentuan koefisien konstan dari model yang dikembangkan.
5. Pengujian signifikansi koefisien.
6. Uji Kecukupan untuk model yang dikembangkan dengan menggunakan analisis varians
(Annova).
7. Menganalisis pengaruh parameter masukan mesin pada respon output, permukaan
kekasaran dan penghapusan logam tingkat
AKU AKU AKU. FORMULASI MATEMATIKA
Model matematika urutan pertama dan urutan kedua dikembangkan menggunakan regresi
berganda
analisis untuk kedua respon keluaran yaitu kekasaran permukaan dan logam tingkat
penghapusan. Kelipatan
analisis regresi [17-22] adalah teknik statistik, praktis, mudah digunakan dan akurat. Tujuan
mengembangkan model matematika adalah untuk menghubungkan tanggapan output dengan
mesin masukan
parameter dan ada dengan optimasi proses pemesinan. Dengan menggunakan model ini, optimasi
masalah dapat diselesaikan dengan menggunakan prosedur optimasi Taughis sebagai model
multi-fungsi tujuan.
Model matematika dapat diwakili oleh
Y = f (V, N, d) (1)
Dimana Y adalah output respon grinding, V, N, d adalah kecepatan meja, kecepatan roda,
kedalaman potong
masing-masing
Dalam karya ini model matematika berikut dirumuskan.
Tingkat penghapusan logam, MRR = K1Va1Nb1dc1e (2)
Kekasaran permukaan, Ra = K2Va2Nb2dc2e (3)
Untuk menentukan konstanta di atas dan eksponen, model matematika ini telah menjadi
linearisied oleh
melakukan transformasi logaritmik yang sebagai berikut
ln MRR = lnk1 + a1lnV + b1lnN + c1lnd (4)
ln Ra = lnk2 + a2lnV + b2lnN + c2lnd (5)
Konstan dan eksponen dapat ditentukan dengan metode kuadrat terkecil. Urutan pertama dan
model linier urutan kedua, berkembang dari hubungan fungsional di atas menggunakan least
square
analisis regresi dapat direpresentasikan sebagai berikut
Y1 = Y-e = b0x0 + b1x1 + b2x2 + b3x3 (6)
Dimana Y1 adalah agar respon output pertama tingkat penghapusan logam, Y adalah tingkat
penghapusan logam diukur,
x1x2x3 adalah transformasi logaritmik kecepatan meja, kecepatan roda, kedalaman potong,
masing-masing.
Polinomial urutan kedua respon output akan diberikan sebagai
Y2 = Ye = b0x0 + b1x1 + b2x2 + b3x3 + b12x1x2 + b13x1x3 + b23x2x3 + b11x1
2 + b22x2
2+ b33x3
2 (7)
Dimana Y2 adalah respon output urutan kedua dari tingkat penghapusan logam Y adalah
penghapusan logam diukur
tingkat, b0, b1, b2, b3, b12, b13, B23, B11, b22 b33 diperkirakan dengan metode agar kotak.
Validitas
model matematika ini akan diuji dengan menggunakan uji F, uji Chi-Square sebelum pergi untuk
optimasi.
IV. RINCIAN EKSPERIMEN
Satu set percobaan dilakukan pada mesin penggiling permukaan untuk menentukan efek dari
mesin
parameter yaitu kecepatan meja (m / min), kecepatan roda (RPM), kedalaman potong (mm) pada
tanggapan keluaran
yaitu kekasaran permukaan dan logam tingkat penghapusan. Kondisi mesin yang tercantum
dalam tabel
1.Three tingkat dan tiga faktor yang digunakan untuk merancang array orthogonal dengan
menggunakan desain
eksperimen (DOE) dan rentang yang relevan parameter seperti yang ditunjukkan pada Tabel
2.Grinding roda digunakan untuk
penelitian ini adalah aluminium oksida abrasive dengan obligasi vitrifikasi, WA 60K5V
digunakan. Itu
karena L27 orthogonal array untuk melakukan percobaan ditunjukkan dalam Tabel 3 bersama
dengan output
tanggapan, MRR dan kekasaran permukaan. MRR dihitung sebagai rasio volume material
dihapus dari benda kerja untuk waktu mesin. Kekasaran permukaan, Ra diukur
tegak lurus terhadap arah pemotongan menggunakan dengan Kekasaran Permukaan tester SJ-201
di 0.8mm cutoff
nilai. Rata-rata enam pengukuran diambil di enam tempat yang berbeda untuk mencatat respon
output,
kekasaran permukaan. Hasil ini akan lebih digunakan untuk menganalisis pengaruh masukan
mesin
parameter respon output dengan bantuan RSM dan software ahli desain.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
273 Vol. 3, Edisi 1, pp. 270-283
Tabel 1 kondisi Machining
(A) bahan sepotong Kerja: EN 24 baja
(B) Komposisi kimia: Karbon 0,35-0,45 / Silicon 0,10-0,35 / Mangan 0,45-0,70 / Nickel 1,30-
1,80 /
Chromium 0,90-1,40 / Moly 0,20-0,35 / Sulphur 0.050 (max) / Fosfor 0,050 (max) dan
keseimbangan Fe
(C) dimensi sepotong Kerja: 155mm x 38mm x 38mm
(D) Sifat fisik: Kekerasan-201BHN, Density-7.85 gm / cc,
Kekuatan-620 Mpa tarik
(E) Grinding roda: Aluminium abrasive oksida dengan vitrifikasi roda obligasi WA 60K5V
(F) ukuran Grinding roda: 250 mm ODX25 mm widthx76.2 mm ID
Tabel 2 Tingkat faktor kontrol independen
S.No Pengendalian Faktor Simbol Tingkat faktor Satuan
-1 0 +1
1 Wheel kecepatan N 1250 1650 2050 RPM
2 Tabel kecepatan V 7.5 10 12,5 m / min
3 Kedalaman potong d 5 10 15 pm
Tabel 3 pengamatan eksperimental
Jejak
tidak
Wheelspeed
(N) (RPM)
Kecepatan meja
(V) (m / min)
Kedalaman
potong
(D) (m)
Permukaan
Kekasaran
(Ra) (m)
Logam
Pemindahan
laju
(Gm / min)
1 1250 7,50 5 1,034 5,510
2 1250 7.50 10 1.440 10.28
3 1250 7,50 15 1,624 15,505
4 1250 10,0 5 1,324 7,350
5 1250 10,0 10 1,591 13,28
6 1250 10,0 15 1,721 22,07
7 1250 12,5 5 1,38 9,190
8 1250 12,5 10 1,679 16,89
9 1250 12,5 15 1.940 26,09
10 1650 7,50 5 1,180 6,260
11 1650 7.50 10 1.56 13.13
12 1650 7.50 15 1,684 17.68
13 1650 10,0 5 1.490 11.63
14 1650 10,0 10 1,641 15,61
15 1650 10,0 15 1,716 21,17
16 1650 12,5 5 1,501 12,42
17 1650 12,5 10 1,697 18,17
18 1650 12,5 15 1,826 25,87
19 2050 7,50 5 1,361 7,760
20 2050 7.50 10 1,582 13.21
21 2050 7,50 15 1,703 19,40
22 2050 10,0 5 1.460 10.35
23 2050 10,0 10 1,632 15.16
24 2050 10,0 15 1,805 24,16
25 2050 12,5 5 1,513 12.64
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
274 Vol. 3, Edisi 1, pp. 270-283
26 2050 12,5 10 1,734 22,44
27 2050 12,5 15 2,072 30,44
PENGEMBANGAN V. MODEL EMPIRIS
Dalam penelitian ini, model empiris dari urutan kedua untuk respon output, Kekasaran
permukaan
(Ra), Logam tingkat removal (MRR) dalam hal parameter mesin masukan dalam faktor
sebenarnya yang
dikembangkan dengan menggunakan RSM [23-27]. Model yang dikembangkan lebih lanjut
digunakan untuk optimalisasi
proses pemesinan. Untuk menentukan koefisien regresi dari model yang dikembangkan, Statistik
perangkat lunak analisis, MINITAB, 16V digunakan. Model urutan kedua dikembangkan untuk
output
tanggapan karena menurunkan prediksi dari model urutan pertama untuk masalah ini. Mengikuti
persamaan diperoleh dalam hal faktor uncoded
Ra = - 0,4485 + 0.0005N + 0.1236V + 0.0975d - 0.0022V2 - 0.0017d2 - 0.00002NV
- 0.000013Nd + 0.000053Vd (8)
MRR = - 0,9022 + 0.0023N - 0.3760V - 0.20041d - 0.000001N2 + 0.0118V2 +
+ 0.0203d2 + 0,00036 NV + 0.00007Nd + 0.1006Vd (9)
Analisis varians (Annova) digunakan untuk menguji signifikansi dari model yang
dikembangkan. Itu
beberapa koefisien regresi dari model urutan kedua untuk kekasaran permukaan dan
penghapusan logam
Tingkat ditemukan 0,9325 dan 0,9781 masing-masing. Nilai R2 yang sangat tinggi, dekat dengan
salah satu, itu menunjukkan
bahwa model urutan kedua yang memadai untuk mewakili proses pemesinan. The "Pred
RSquared"
dari 0,8027 adalah dalam perjanjian yang wajar dengan "Kasat R-Squared" dari 0,8967 dalam
kasus permukaan
kekasaran. The "Pred R-Squared" dari 0,9498 adalah dalam perjanjian yang wajar dengan "Kasat
R-Squared" dari
0,9666 dalam kasus MRR. Demikian pula, Model F-nilai 26,09 untuk kekasaran permukaan dan
Model
F-nilai 84,51 untuk tingkat penghapusan logam menyiratkan model adalah signifikan. Hanya ada
0,01%
kemungkinan bahwa "Model F-Nilai" ini besar bisa terjadi karena kebisingan. Analisis varians
(Annova) model kuadrat permukaan respon kekasaran permukaan dan tingkat removal logam
yang
ditunjukkan pada Tabel 4 dan Tabel 5 masing-masing. Adeq Presisi "mengukur sinyal untuk
rasio kebisingan. A
rasio lebih besar dari 4 adalah desirable.S / N rasio 18,415 & 32,54 untuk kekasaran permukaan
dan MRR menunjukkan
sinyal yang memadai. Model ini dapat digunakan untuk menavigasi ruang desain. P nilai baik
model lebih rendah dari 0,05 (pada tingkat kepercayaan 95%) menunjukkan bahwa kedua model
yang
dianggap statistik significant.The plot probabilitas normal residu untuk Ra dan logam
Tingkat penghapusan akan ditampilkan di ara 1 dan 2 masing-masing ara. Dari plot ini, dapat
menyimpulkan bahwa
residual terletak pada garis lurus yang menyiratkan bahwa kesalahan yang terdistribusi normal
dan
model regresi maju baik dilengkapi dengan katup diamati. The Plot Prediksi dibandingkan
Tanggapan sebenarnya untuk kekasaran permukaan dan MRR ditunjukkan dalam gambar 3 dan 4
masing-masing ara dan
menunjukkan bahwa model yang memadai tanpa melanggar kemerdekaan atau asumsi konstan.
Tabel 4 ANOVA untuk Response Surface kuadrat Model Ra
Sumber Sum of Squares df Mean Square F Nilai p-value
Prob> F
Model 1,18 9 0,13 26,09 0,0001
N 0,071 1 0,071 14,09 0S.i0g0n1if6ic ant
V 0,26 1 0,26 52,24 <0,0001
d 0.82 1 0.82 163,66 <0,0001
NV 4.332E-003 1 4.332E-003 0,86 0,3662
Nd 7.550E-003 1 7.550E-003 1,50 0,2371
Vd 5.333E-006 1 5.333E-006 1.061E-003 0,9744
N2 4.603E-007 1 4.630E-007 9.211E-005 0,9925
V2 1.157E-003 1 1.157E-003 0,23 0,6374
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
275 Vol. 3, Edisi 1, pp. 270-283
d2 0,011 1 0,011 2,23 0,1537
Residual 0,085 17 5.026E-003
Cor.Total 1,27 26
Std.Dev. 0,071 R-Squared 0,9325
Berarti 1,59 Kasat R-Squared 0,8967
C.V 4,46 Pred R-Squared 0,8027
PRESS 0,25 Adeq Presisi 18,415
Tabel 5 ANOVA untuk Response Surface kuadrat Model MRR
Sumber
Jumlah
Squares
df
Berarti
Persegi
F Nilai
p-value
Prob> F
Model 1.098,50 9 122,06 84,51 <0,0001
N 48.00 1 48 33,24 s <i g0n.0if0ic0a1n t
V 237,73 1 237,73 164,61 <0,0001
d 790,36 1 790,36 547,25 <0,0001
NV 1,52 1 1,52 1,05 0,3189
Nd 0,22 1 0,22 0,15 0,6994
Vd 18,99 1 18,99 13,15 0,0021
N2 0,086 1 0,086 0,060 0,8101
V2 0,033 1 0,033 0,023 0,8825
d2 1,55 1 1,55 1,07 0,3144
Residual 24,55 17 1,44
Cor.Total 1.123,05 26
Std.Dev. 1.2 R-Squared 0,9781
Berarti 15,69 Kasat R-Squared 0,9666
C.V 7.66 Pred R-Squared 0,9498
PRESS 56,37 Adeq Presisi 32,524
Gambar 1. probabilitas normal plot residual untuk Ra
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
276 Vol. 3, Edisi 1, pp. 270-283
Gambar 2. Plot probabilitas normal residual untuk MRR
Gambar 3. Perbandingan Prediksi dan aktual nilai untuk Ra
Gambar 4. Perbandingan Prediksi dan aktual nilai untuk MRR
VI. INTERPRETASI MODEL MAJU
Efek utama rinci dan efek interaksi untuk kedua output dibahas dalam berikut
bagian. Perlu dicatat bahwa jika parameter tertentu tidak mempengaruhi output selama
Tentu saja evaluasi, itu akan dihilangkan.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
277 Vol. 3, Edisi 1, pp. 270-283
6.1 Pengaruh parameter proses pada kekasaran permukaan (Ra)
6.1.1 Efek langsung
Efek langsung dari parameter proses pada respon output, kekasaran permukaan ditunjukkan pada
buah ara 5 sampai 7.
Dari Gambar. 5, teramati bahwa peningkatan kecepatan roda cenderung untuk meningkatkan
finish. Dengan alat karbida
khususnya, kecepatan lambat sama sekali tidak diinginkan karena itu berarti pemborosan waktu
dan uang dan alat-alat
aus lebih cepat. Gambar. 6 menunjukkan pengaruh kecepatan tabel pada kekasaran. Dengan
meningkatnya kecepatan meja,
finish mendapat termiskin karena tanda alat menunjukkan pada benda kerja. Pengaruh
kedalaman potong di
kekasaran permukaan ditunjukkan pada Gambar. 7. Perlu dicatat dari Gambar. 7, bahwa
peningkatan kedalaman potong merek
selesai miskin. Nilai-nilai yang lebih kecil maka kecepatan meja dan kedalaman potong dan nilai
yang lebih besar dari kecepatan roda
harus dipilih untuk mencapai yang lebih baik kekasaran permukaan selama proses tersebut.
Gambar 5. efek langsung dari kecepatan roda pada Ra
Gambar 6. Efek langsung dari kecepatan tabel pada Ra
Gambar 7. efek langsung dari kedalaman potong di Ra
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
278 Vol. 3, Edisi 1, pp. 270-283
6.1.2 Efek Interaksi
Tiga plot permukaan dimensi untuk kekasaran permukaan ditunjukkan dalam buah ara 8-10.In
masing-masing
grafik, dua parameter pemotongan bervariasi sedangkan parameter ketiga diadakan sebagai nilai
pertengahan nya. Dari ara
8, teramati bahwa terbaik kekasaran permukaan diperoleh pada kedalaman terendah memotong
dan roda rendah
Kombinasi kecepatan. Hasil kekasaran permukaan juga menunjukkan permukaan akhir yang
buruk untuk kedalaman yang lebih dangkal
dari memotong pada kecepatan roda yang lebih rendah. Perilaku ini adalah karena aksi
memasukkan alat pada pekerjaan
permukaan benda di bawah kedalaman potong. Hal ini terlihat dari grafik tersebut bahwa ada
sejumlah besar
kelengkungan menunjukkan non -linearity di variasi. Dari ara 9, teramati bahwa permukaan
terbaik
kekasaran diperoleh pada kedalaman rendah potong dan kecepatan meja rendah. Grafik
permukaan 3d Ra di konstan
kedalaman potong dari 10 mikron ditunjukkan pada gambar 10. Dari grafik tersebut teramati
bahwa ada beralih
dari efek kelengkungan. Hal ini menunjukkan bahwa pembalikan dalam perilaku tergantung pada
kombinasi dari
parameter mesin. Ini juga menunjuk pada kontribusi signifikan dari interaksi
parameter mesin.
Gambar 8. efek Interaksi kecepatan roda dan kedalaman luka di Ra
Gambar 9. Efek Interaksi kedalaman kecepatan potong dan kecepatan meja di Ra.
Gambar 10. Pengaruh Interaksi kecepatan roda dan kecepatan meja di Ra.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
279 Vol. 3, Edisi 1, pp. 270-283
6.2 Pengaruh Proses parameter MRR
6.2.1 Efek langsung
Efek langsung dari parameter proses pada respon output, kekasaran permukaan ditunjukkan pada
Gambar 11 untuk
13. Dari Gambar. 11, teramati bahwa peningkatan kecepatan roda cenderung meningkatkan
MRR; di mana sebagai
dua parameter mesin lainnya disimpan pada nilai tengah nya. Hal ini diamati dari efek langsung,
kedalaman
potong memainkan peran yang lebih penting di MRR dari dua parameter lainnya. Tingkat
removal material dalam mesin
Proses merupakan faktor penting karena efek penting pada ekonomi industri. Meningkatkan
kecepatan meja, kecepatan roda dan kedalaman potong menyebabkan peningkatan jumlah
tingkat penghapusan Bahan.
Tapi faktor yang paling berpengaruh adalah kecepatan meja, dan kedalaman potong. Nilai
tertinggi MRR adalah
diperoleh pada kisaran ekstrim parameter masukan dalam semua plot interaksi. Juga MRR
meningkatkan secara bertahap dengan kedalaman potong.
Gambar 11. Pengaruh Langsung kecepatan roda pada MRR
Gambar 12. Pengaruh Langsung kecepatan Tabel di MRR
Gambar 13. Efek langsung dari kedalaman potong di MRR
6.2.2 Efek Interaksi
Grafik permukaan 3D untuk tingkat penghapusan logam ditunjukkan di ara 14 sampai 16 dan
menunjukkan bahwa grafik
adalah profil lengkung sebagai model empiris yang dikembangkan adalah kuadrat. Dalam setiap
grafik ini, dua
parameter pemotongan bervariasi sedangkan parameter ketiga diadakan sebagai nilai
pertengahan nya. Dari ara 14, itu adalah
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
280 Vol. 3, Edisi 1, pp. 270-283
mengamati bahwa kekasaran permukaan terbaik diperoleh pada kedalaman terendah potong dan
kecepatan roda rendah
Kombinasi. Hasil kekasaran permukaan juga menunjukkan permukaan akhir yang buruk untuk
kedalaman lebih rendah dari cut
pada kecepatan roda yang lebih rendah. Perilaku ini adalah karena aksi memasukkan alat pada
benda kerja
permukaan di bawah kedalaman potong. Hal ini terlihat dari grafik tersebut bahwa ada sejumlah
besar kelengkungan
menunjukkan non -linearity di variasi. Dari grafik tersebut teramati bahwa ada beralih dari
efek kelengkungan. Hal ini menunjukkan bahwa pembalikan dalam perilaku tergantung pada
kombinasi dari
parameter mesin. Ini juga menunjuk pada kontribusi signifikan dari interaksi
parameter mesin.
Gambar efek 14. Interaksi kecepatan roda dan kecepatan tabel tentang MRR
Gambar 15. Pengaruh Interaksi kecepatan roda dan kedalaman luka di MRR
Gambar efek 16. Interaksi kecepatan meja dan kedalaman luka di MRR
VII. PERUMUSAN MASALAH
Dalam proses optimasi, tujuannya adalah untuk memaksimalkan MRR dan meminimalkan
kekasaran permukaan
(Ra), yang membentuk masalah optimasi tujuan multi-dan dua ini bertentangan di alam
[24]. Masalah optimasi untuk MRR dan kekasaran permukaan (Ra) dengan batas layak kontrol
variabel direpresentasikan dalam persamaan (9) dan (10) masing-masing setelah menghilangkan
signifikan
hal.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
281 Vol. 3, Edisi 1, pp. 270-283
Memperkecil
Ra = - 0,4485 + 0.0005N + 0.1236V + 0.0975d - 0.0022V2 - 0.0017d2 - 0.00002NV -
0.000013Nd + 0.000053Vd (10)
Maksimalkan
MRR = - 0,9022 + 0.0023N - 0.3760V - 0.20041d - 0.000001N2 + 0.0118V2 + 0.020d2 +
0,00036 NV + 0.00007Nd + 0.1006Vd (11)
Dikenakan
1250 RPM? N? 2050 RPM
7,5 m / min? V? 12,5 m / min
5 m? d? 15 m
Setelah masalah optimasi dirumuskan, maka diselesaikan menggunakan optimasi permukaan
Response.
VIII. OPTIMASI MASALAH
Optimasi parameter mesin meningkatkan utilitas untuk ekonomi mesin, tanggapan
optimasi permukaan dicoba menggunakan software Minitab untuk parameter mesin individu
dalam
grinding permukaan. Tabel 6 menunjukkan hasil optimasi RSM untuk kekasaran permukaan dan
MRR
parameter dalam grinding permukaan. Hal ini juga termasuk hasil dari percobaan yang dilakukan
konfirmasi
dengan kondisi optimum.
Tabel 6 optimasi RSM untuk respon keluaran
Parameter
Tujuan
Fungsi
Optimal kombinasi
Prediksi
tanggapan
Diharapkan
Nilai
% Dari kesalahan
NVd
Ra Min 1250 7,5 5 1,128 1,034 8,3
MRR Max 2050 12,5 15 29,48 30,44 3,25
IX. HASIL
Hasil optimal untuk respon keluaran yaitu kekasaran permukaan dan Logam tingkat
penghapusan
interms parameter pemesinan kecepatan yaitu roda, kecepatan meja dan kedalaman luka di EN
24 baja di
CNC mesin penggiling permukaan menggunakan software Minitab ditentukan dan disajikan
dalam Tabel 6.
eksperimen konfirmasi dilakukan dan ada kesepakatan yang baik antara diprediksi dan
nilai-nilai eksperimental. Hal ini ditemukan bahwa kesalahan dalam prediksi kondisi optimum
adalah sekitar 3 to8
%. Dengan demikian optimalisasi respon memprediksi kondisi optimum cukup baik
X. Kesimpulan
Dalam penelitian ini penyelidikan eksperimental dilakukan untuk mengevaluasi kekasaran
permukaan dan MRR
parameter EN 24 baja di penggilingan operasi permukaan telah disajikan. Sebuah rencana
eksperimen memiliki
disusun dalam rangka untuk menguji pengaruh kecepatan potong, laju pakan dan kedalaman
potong pada output
parameter. Data yang diperoleh telah diolah secara statistik menggunakan metode permukaan
respon. Itu
model empiris dari parameter output ditetapkan dan diuji melalui analisis varians untuk
memvalidasi kecukupan model. Hal ini ditemukan bahwa kekasaran permukaan dan parameter
MRR
sangat tergantung pada bahan benda kerja. Sebuah optimasi respon permukaan dicoba
menggunakan Minitab
perangkat lunak untuk respon output dalam grinding permukaan.
REFERENSI
[1] Anne Venu gopal, PVRao, Pemilihan kondisi optimum untuk tingkat removal material
maksimum dengan
permukaan akhir dan kerusakan sebagai kendala dalam SiC grinding, International Journal of
Machine Tools &
Pembuatan 43 (2003) 1327-1336.
[2] Jae -Seob Kwak, Aplikasi Taguchi dan permukaan respon metodologi untuk kesalahan
geometris di
Proses penggilingan permukaan, jurnal internasional alat mesin & memproduksi 45 (2005) 327-
334.
[3] PVSSuresh, PVRao, dll, Pendekatan algoritmik genetik untuk optimasi kekasaran permukaan
Model prediksi, jurnal internasional alat mesin & memproduksi 42 (2002) 675-680.
International Journal of Kemajuan Rekayasa & Teknologi, Maret 2012.
© IJAET ISSN: 2231-1963
282 Vol. 3, Edisi 1, pp. 270-283
[4] prediksi IAChoudhury Kekasaran permukaan di balik baja kekuatan tinggi dengan desain
faktorial
eksperimen jurnal teknologi pengolahan bahan 67 (1997) 55-61.
[5] Anne Venu gopal, PVRao, Optimalisasi grinding silikon karbida dengan roda berlian
menggunakan algoritma genetika, jurnal internasional teknologi manufaktur maju 22 (2003) 475-
480.
[6] PGBenardos, Memprediksi kekasaran permukaan dalam mesin jurnal internasional alat mesin
& Memproduksi 43 (2003) 833-844.
[7] P.Krajnik, J.Kopac, A.Sluga, Desain faktor grinding berdasarkan metodologi respon
permukaan,
jurnal teknologi pengolahan bahan 162 (2005) 629-636.
[8] LPKhoo dan CHChen, Integrasi respon metodologi permukaan dengan algoritma genetika,
jurnal internasional teknologi manufaktur maju 18 (2001) 483-489.
[9] N. Suresh Kumar Reddy dan PV Rao, Pemilihan kombinasi parametrik optimal untuk
mencapai
permukaan akhir yang lebih baik di penggilingan kering menggunakan algoritma genetika,
International Journal of Advanced
Manufacturing Technology, v 28, n 5-6, Maret 2006, hlm 463-473.
[10] TSLee, toting, YJLin, Dari Htay, Pendekatan segerombolan partikel untuk grinding
optimasi proses
analisis, jurnal Internasional maju teknologi manufaktur DOI.
[11] Radu Pavel.Anil Srivastava, Sebuah penyelidikan eksperimental suhu selama konvensional
dan
CBN penggilingan, jurnal Internasional teknologi manufaktur maju tahun 2006.
[12] XMWen, AAOTay dan AYCNee, optimasi Micro-komputer berbasis dari permukaan
grinding
proses, Jurnal Pengolahan Bahan Teknologi, 29 (1992) 75-90.
[13] K.Ramesh, SHyeo, S.Gowri & L.Zhou, Experimental Evaluasi grinding kecepatan super
tinggi dari
keramik maju, jurnal Internasional teknologi manufaktur maju, 17 (2001) 87-92.
[14] K.Palanikumar, Pemodelan dan analisis kekasaran permukaan serat kaca mesin diperkuat
plastik menggunakan respon metodologi permukaan, jurnal bahan dan desain 2006.
[15] Yusuf Sahin, A.Riza Motorcu model kekasaran permukaan untuk mesin baja ringan dengan
karbida dilapisi
alat, jurnal bahan dan desain, 26, (2005) 321-326.
[16] Jae -Seob Kwak, Analisis grinding kekuasaan dan kekasaran permukaan di penggilingan
silinder eksternal
mengeras SCM 440 Baja menggunakan metode permukaan respon., jurnal internasional alat
mesin
& Memproduksi 46 (2006) 304-312.
[17] MYNoordin, VCVenkatesh, S.Sharif, S.Elting, A.Abdullah Penerapan permukaan respon
metodologi dalam menggambarkan kinerja karbida dilapisi ketika memutar AISI 1045
baja, Jurnal pengolahan bahan technology145 (2004) 46-58.
[18] Tugrul Ozel, Yigit Karpat prediktif pemodelan kekasaran permukaan dan alat dalam hard
balik menggunakan
regresi dan jaringan saraf. Jurnal internasional alat mesin & memproduksi 45 (2005) 467-
479.
[19] Sanjay Agarwal, P.Venkateswar rao, penyelidikan eksperimental permukaan / kerusakan
bawah permukaan
mekanisme pembentukan dan penghapusan materi sic grinding. Jurnal internasional alat mesin
& Memproduksi 48 (2008) 698-710.
[20] N.Alagumurthi, K. palaniradja dan V.Soundararajan, grinding silindris - ulasan di
permukaan
integritas. Jurnal internasional rekayasa presisi dan manufaktur vol. ada 3.
[21] Stephen Malkin dan changsheng guo, simulasi berdasarkan Model penggilingan departemen
proses
Mechanica l & teknik industri, universitas Massachusetts Amherst, MA 01003; serikat
Penelitian teknologi pusat 411 jalur perak East Hartford, ct 06108.
[22] Shaji, S. dan Radhakrishnan, V. 2003, "Analisis parameter proses di permukaan grinding
dengan
grafit sebagai pelumas berdasarkan metode Taguchi ", Journal of Teknologi Pengolahan Bahan,
141: 51-59.
[23] Dhavlikar, M.N., Kulkarni, M.S. dan Mariappan, V. 2003, "dual respon Gabungan Taguchi
dan
Metode untuk optimasi operasi grinding centerless ", Journal of Materials Processing
Teknologi, 132: 90-94.
[24] Hecker, RL dan Liang, SY 2003, "pemodelan prediktif kekasaran permukaan di
menggiling ", International Journal of Machine Tools & Industri, 43: 755-761.
[25] Zhong, ZW, Khoo, LP dan Han, ST, 2006, "Prediksi kekasaran permukaan permukaan
berubah
menggunakan jaringan saraf ", International Journal of Advanced Manufacturing Technology,
28: 688-693.
[26] Sun, X., Stephenson, DJ, Ohnishi, O. dan Baldwin, A. 2006, "Sebuah penyelidikan paralel
dan lintas
grinding BK7 kaca ", Precision Engineering, 30: 145-153.
[27] ATZENI, E. dan Iuliano, L., 2008, "Studi eksperimental pada grinding dari bahan gesekan
sintered",

Penulis
India.

Hyderabad.

Dia

tahun.
India.

Google Terjemahan untuk Bisnis:Perangkat PenerjemahPenerjemah Situs WebPeluang Pasar

Global
Matikan terjemahan instanTentang Google TerjemahanSelulerKomunitasPrivasi &
PersyaratanBantuanKirim masukan