Luận án Nghiên cứu xác định chế độ cắt tối ưu theo hàm mục tiêu chất lượng bề mặt, đảm bảo năng suất cắt khi gia công thép SUS304 trên máy tiện CNC

Nội dung text: Luận án Nghiên cứu xác định chế độ cắt tối ưu theo hàm mục tiêu chất lượng bề mặt, đảm bảo năng suất cắt khi gia công thép SUS304 trên máy tiện CNC

1. 101 Với fx1() là hàm số biểu diễn mối quan hệ giữa các thông số công nghệ với độ nhám bề mặt được xác định bằng thực nghiệm trong Chương 3 fx() 12,11 0,0818V 1 1,57 f 3,69 t 0.000149 V 2 1 (4.7) 64,68 f22 1 ,460 t 0,0079 V . f 0,01002 V . t 2 , 27 f . t Trong đó các mức của giới hạn của các thông số công nghệ (cũng chính là miền giới hạn về chế độ cắt của bài toán tối ưu) như sau: 230m/phút V 290m/phút 0,08mm/vòng f 0,2mm/vòng 0,1mm t 0,5mm Để đánh giá hiệu quả của giải thuật được đề xuất cho bài toán tối ưu hóa (giải thuật Dơi), tác giả tiến hành thực sử dụng MATLAB R2014a để tính toán với các tham số của giải thuật như bảng 4.1 Bảng 4.1. Các tham số giải thuật Dơi Tham số Giá trị Cường độ, A 0,8 Tốc độ xung,r 0,8 Tần số nhỏ nhất, fm i n 0 Tần số lớn nhất, fmax 2 Số vòng lặp,t 300 Số cá thể Dơi,n 100 Dựa trên mã giả của giải thuật Dơi được trình bày trong mục 4.1.2, lưu đồ thuật toán tối ưu hóa mục tiêu độ nhám bề mặt nhỏ nhất trên cơ sở giải thuật Dơi được thể hiện trong hình 4.3.
2. 103 Việc xác định giá trị tối ưu sử dụng giải thuật Dơi được mô tả như sau: mỗi con dơi được đặc trưng bởi vị trí gồm ba tham số (V , , )f t . Lần đầu tiên thực hiện thuật toán đàn dơi gồm nhiều cá thể được sinh ngẫu nhiên, mỗi vị trí của con dơi tại vị trí hiện tại tương ứng với giá trị độ nhám bề mặt tốt nhất hiện tại. Sau mỗi vòng lặp, thay đổi các tham số, các vị trí tốt nhất mới sẽ được cập nhật, thuật toán tiếp tục chạy như vậy cho đến khi vị trí con dơi không tốt hơn được nữa đó là điều kiện dừng của thuật toán. Thuật toán Dơi tương tự như các thuật toán lấy cảm hứng thì thiên nhiên khác là tìm kết quả tối ưu dựa trên thử sai. Các tham số (V , , )f t được mã hóa bằng vị trí một con dơi ảo. Kết quả của bài toán tối ưu đơn mục tiêu đạt được giá trị tối ưu của hàm mục tiêu độ nhám bề mặt nhỏ nhất được xác định thông qua giải thuật Dơi có giá trị là Ra 0,427 μm ứng với giá trị tham số tối ưu là: - Vận tốc cắt: V 262,242m/phút - Lượng tiến dao: f 0 ,0 8mm/vòng - Chiều sâu cắt: t 0,302 mm Tốc độ hội tụ của hàm mục tiêu được mô phỏng như hình 4.4. Đó là kết quả có được sau 300 vòng lặp giải thuật Dơi đã tìm được giá trị tối ưu. Để kiểm chứng kết quả tối ưu độ nhám bề mặt sử dụng giải thuật Dơi, sau khi có kết quả bộ thông số công nghệ tối ưu, chế độ cắt tối ưu đó sẽ được sử dụng để thực nghiệm kiểm chứng trên máy tiện CNC. Các quy trình, điều kiện tiến hành thực nghiệm, đo độ nhám bề mặt được tiến hành tương tự như khi thực nghiệm tìm hàm hồi quy, kết quả độ nhám bề mặt đo được có giá trị là Ra 0,431μm, được so sánh như trong bảng 4.2 như sau:
3. 105 theo công thức (4.8) [82]: Q V f t (mm3/phút) (4.8) Với chế độ cắt tối ưu đã được xác định: Vận tốc cắt V 2 6 2 ,2 4 2m/phút (262242mm/phút), lượng chạy dao f 0 ,0 8mm/vòng, chiều sâu cắt t 0 ,3 0 2 mm Thay vào công thức (4.8) ta được: Q 262242 0,08 0,302 6.335,8mm3/phút 4.3. Tối ưu hóa đa mục tiêu để nâng cao chất lượng bề mặt, đảm bảo năng suất cắt khi gia công Mặc dù bài toán đơn mục tiêu đáp ứng được yêu cầu nhưng trong thực tế sản xuất thường yêu cầu xem xét đến nhiều hơn một chỉ tiêu để đảm bảo hiệu quả của quá trình gia công, do vậy cần thiết phải xây dựng và giải bải toán tối ưu đa mục tiêu. Với giải thuật Dơi có thể cho phép thực hiện bài toán với nhiều mục tiêu. Tuy nhiên như đã đề cập ở Chương 1 của luận án, hai chỉ tiêu quan trọng nhất để đánh giá chất lượng bề mặt của chi tiết sau khi gia công là độ nhám bề mặt và ứng suất dư. Từ nhận định như vậy, luận án sẽ tập trung giải bài toán tối ưu đa mục tiêu với hai chỉ tiêu là độ nhám bề mặt và ứng suất dư. Bài toán tối ưu hóa đồng thời hai chỉ tiêu là độ nhám bề mặt nhỏ nhất và ứng suất dư nhỏ nhất được xây dựng như sau: Hàm mục tiêu: F( x ) f12 ( x ), f ( x ) min Bản chất của tối ưu đa mục tiêu là biến hàm đa mục tiêu thành hàm đơn mục tiêu với các điều kiện ràng buộc có trọng số, ở đây sử dụng phương pháp hàm phạt (penalty function) được thể hiện trong phương trình (4.9) như sau:
4. 107 Bắt đầu Thiết lập các tham số: A,,,,, r j t fmax f min Số quần thể Dơi (n) Số điểm Pareto (N) Xây dựng hàm mục tiêu Fxff()(1) 12 Tạo ngẫu nhiên bộ tham số  0 ,1 rand r Đúng i Chọn x old ngẫu nhiên Sai và thiết lập bộ xnew Tính toán Fxx(), newbestnewbest công thức (4.1) đến (4.3) rand < Ai, Đúng F(xi) < F(x)newbest Sai Sai xi = xnew giảm Ai Sai và tăng ri Cập nhật F(x)best = F(x)newbest xbest = xnewbest i<max số vòng lặp Đúng j<N Đúng Tập hợp điểm tối ưu Pareto Kết thúc Hình 4.5. Lưu đồ Pareto
5. 109 khác để độ nhám bề mặt đạt giá trị kỳ vọng (nhỏ nhất) đồng thời để giá trị ứng suất dư thấp hơn giá trị trên đường biên tối ưu Pareto và ngược lại, ứng suất dư đạt giá trị kỳ vọng mà độ nhám bề mặt thấp hơn giá trị hiện tại. Chẳng hạn cụ thể trong bảng 4.4, nếu bộ tham số đầu vào bao gồm: Vận tốc cắt V 2 5 7 ,6 6 5 m/phút, lượng tiến dao f 0 ,0 9 0mm/vòng, chiều sâu cắt t 0 ,2 2 9mm, trên đường biên tối ưu Pareto, giá trị độ nhám bề mặt đạt được là Ra 0 ,4 6 1 μm, ứng suất dư là  119,616 MPa. Điều này có nghĩa là nếu giá trị độ nhám bề mặt ()Ra được kỳ vọng là 0,461μm, thì không thể tìm được bất kỳ bộ tham số (,,)V f t nào khác để ứng suất dư () thấp hơn 119,616MPa. Do vậy, dựa trên yêu cầu cụ thể để lựa chọn các tham số gia công đầu vào. Chẳng hạn khi yêu cầu đạt được độ nhám bề mặt thấp hơn (thấp nhất trong 10 điểm được lựa chọn đưa ra) là Ra 0,427 m thì bộ tham số công nghệ đầu vào tương ứng là: Vận tốc cắt V 262,242m/phút, lượng tiến dao f 0,080 mm/vòng, chiều sâu cắt t 0,302mm được lựa chọn. Khi đó giá trị ứng suất dư sẽ là  126,941MPa. Còn khi yêu cầu giá trị ứng suất dư thấp hơn (nhỏ nhất trong 10 điểm được lựa chọn) là  117,987 MPa thì chọn bộ tham số gia công là: Vận tốc cắt V 252,779m/phút, lượng tiến dao f 0,100mm/vòng, chiều sâu cắt t 0,201mm, thì giá trị độ nhám bề mặt khi đó là Ra 0,516 μm. Để xác thực kết quả tối ưu, một bộ thông số đã được lựa chọn để gia công thử nghiệm lại với các điều kiện về máy, dụng cụ cắt, dung dịch tưới nguội như khi tiến hành thí nghiệm ban đầu, kết quả thu được tại bảng 4.5. Có thể thấy rằng sai số giữa thực nghiệm xác nhận với tính toán rất nhỏ chỉ xấp xỉ khoảng 2% cho thấy sự phù hợp tốt giữa kết quả dự đoán với thực nghiệm.
6. 111 Bảng 4.6. Năng suất cắt ứng với chất lượng bề mặt tối ưu TT V f t Ra  Q (m/phút) (mm/vòng) (mm) (µm) (MPa) (mm3/phút) 1 252,779 0,1 0,201 0,516 117,987 5.080,9 2 261,006 0,08 0,258 0,43 124,112 5.387,2 3 258,689 0,088 0,235 0,453 120,366 5.349,7 4 257,074 0,092 0,226 0,468 119,189 5.345,1 5 254,277 0,098 0,21 0,5 118,099 5.233,0 6 259,661 0,085 0,243 0,443 121,630 5.363,3 7 256,727 0,093 0,223 0,472 118,929 5.324,3 8 257,665 0,09 0,229 0,461 119,616 5.310,5 9 255,833 0,095 0,219 0,481 118,571 5.322,6 10 262,242 0,08 0,302 0,427 126,941 6.335,8 Có thể thấy, giá trị năng suất cắt lớn nhất đạt được ứng với giá kết quả tối ưu chất lượng bề mặt là Q 6.335,8mm3/phút với bộ tham số (,,)V f t lần lượt là (262,242m/phút; 0,08mm/vòng; 0,302mm) và giá trị độ nhám tại đó là Ra 0,427 μm và ứng suất dư là  126,941MPa.
7. 113 KẾT LUẬN VÀ KHUYẾN NGHỊ 1. Kết luận Mục tiêu chính của luận án là xác định ảnh hưởng và xây dựng hàm hồi quy mối quan hệ của các thông số công nghệ (chế độ cắt) đến các chỉ tiêu của chất lượng bề mặt bao gồm: độ nhám bề mặt, độ cứng tế vi và ứng suất dư từ đó ứng dụng các giải thuật tiên tiến để giải bài toán tối ưu nhằm nâng cao chất lượng bề mặt, đảm bảo năng suất cắt khi gia công thép SUS304 trên máy tiện CNC. Xuất phát từ mục tiêu, đối tượng và phạm vi nghiên cứu, luận án đã thực hiện:  Trên cơ sở nghiên cứu lý thuyết kết hợp với thực nghiệm để làm rõ sự ảnh hưởng của các thông số công nghệ đến một số chỉ tiêu của chất lượng bề mặt.  Xác định miền thông số công nghệ khi thực nghiệm với vận tốc cắt V 230 m/phút đến 290m/phút; lượng tiến dao f 0 ,0 8mm/vòng đến 0,2mm/vòng; chiều sâu cắt t 0 , 1mm đến 0,5mm để thực nghiệm.  Tiến hành đo độ nhám bề mặt trên máy thiết bị điện tử quét bề mặt, đo độ cứng tế vi bằng thiết bị đo độ cứng tế vi Vickers, chụp XRD và sử dụng phương pháp Williamson-Hall để tính toán ứng suất dư.  Phân tích phương sai (ANOVA) để đánh giá ảnh hưởng của các thông số công nghệ đến từng chỉ tiêu của chất lượng bề mặt. Thông qua kết quả nghiên cứu thực nghiệm có thể kết luận như sau:  Các thông số chế độ cắt có ảnh hưởng rõ đến chất lượng bề mặt trong đó lượng tiến dao ảnh hưởng lớn nhất đến độ nhám bề mặt, độ cứng tế vi và ứng suất dư.  Xây dựng được hàm hồi quy biểu diễn mối quan hệ giữa các thông số công nghệ với độ nhám bề mặt, độ cứng tế vi, ứng suất dư là: + Mối quan hệ giữa các thông số công nghệ với độ nhám bề mặt:
8. 115 3. Hướng nghiên cứu tiếp theo Để phát triển và hoàn thiện nghiên cứu về lý thuyết đối với các loại vật liệu có độ dẻo cao ở Việt Nam, hướng nghiên cứu tiếp theo cần tập trung vào một số nội dung như: Nghiên cứu ảnh hưởng của thông số hình học dụng cụ cắt, chế độ bôi trơn/làm mát đến khả năng gia công, độ mòn và tuổi bền dụng cụ cắt, chất lượng bề mặt khi gia công thép không gỉ Austenit.
9. 117 DANH MỤC TÀI LIỆU THAM KHẢO Tiếng Việt [1] Bành Tiến Long – chủ biên, Trần Thế Lục, Trần Sỹ Túy (2013) Nguyên lý gia công vật liệu, NXB Khoa học và Kỹ thuật. [2] Bùi Long Vịnh (2017) Nghiên cứu ảnh hưởng của góc nghiêng trục dao và chế độ cắt đến năng suất và nhám bề mặt khi gia công mặt cầu lồi trên trung tâm CNC 5 trục Luận án Tiến sĩ kỹ thuật, Trường Đại học Bách Khoa Hà Nội. [3] Hoàng Tiến Dũng (2015) Nghiên cứu tối ưu hóa một số thông số công nghệ khi phay cao tốc, Luận án Tiến sĩ kỹ thuật, Trường Đại học Bách Khoa Hà Nội. [4] Lê Thị Hoài Thu (2011) Nghiên cứu độ chính xác gia công trên máy tiện CNC khi gia công vật liệu có độ dẻo, Luận văn Thạc sỹ, Trường Đại học Bách Khoa Hà Nội. [5] Nguyễn Chí Công (2017) Nghiên cứu đặc tính cắt của mảnh dao thay thế nhiều cạnh hợp kim cứng chế tạo tại Việt Nam khi gia công thép không gỉ SUS304 trên máy tiện CNC, Luận án Tiến sĩ kỹ thuật, Trường Đại học Bách Khoa Hà Nội. [6] Nguyễn Doãn Ý – chủ biên (2010) Quy hoạch và xử lý số liệu thực nghiệm, NXB Xây dựng, Hà Nội. [7] Nguyễn Hùng Huy (2021) Nhiễu xạ tia X đơn tinh thể, NXB ĐHQGHN [8] Nguyễn Ngọc Kiên (2013) Ứng dụng phương pháp trí tuệ nhân tạo và phân tích Taguchi để xác định chế độ cắt tối ưu khi gia công trên máy phay CNC, Luận án Tiến sĩ kỹ thuật, Trường Đại học Bách Khoa Hà Nội. [9] Nguyễn Tiến Dũng (2017) Nghiên cứu ảnh hưởng của thông số công nghệ đến độ nhám bề mặt khi gia công thép SUS304 bằng máy tiện CNC, Tạp chí KHCN Hàng Hải số 51-8/2017, tr45-48.
10. 119 analytical chemistry. Talanta, 76, 965–977. [21] Bouzid L, Berkani S, Yallese MA, Girardin F, Mabrouki T (2018) Estimation and optimization of flank wear and tool lifespan in finish turning of AISI 304 stainless steel using desirability function approach. Int J Ind Eng Comput, 9, 349–368. [22] Bouzid L, Boutabba S, Yallese MA, Belhadi S, Girardin F (2014) Simultaneous optimization of surface roughness and material removal rate for turning of X20Cr13 stainless steel. Int J Adv Manuf Technol, 74, 879–891. [23] Bouzid L, Yallese MA, Chaoui K, Mabrouki T, Boulanouar L (2015) Mathematical modeling for turning on AISI 420 stainless steel using surface response methodology. Proc Inst Mech Eng Part B J Eng Manuf, 229, 45–61. [24] Capello E (2005) Residual stresses in turning: Part I: Influence of process parameters. J Mater Process Technol, 160, 221–228. [25] Cebron M, Kosel M, Kopac J (2012) Effect of cutting on surface hardness and residual stresses for 12Mn austenitic steel. J Achiev Mater Manuf Eng, 55, 80–89. [26] Cetin MH, Ozcelik B, Kuram E, Demirbas E (2011) Evaluation of vegetable based cutting fluids with extreme pressure and cutting parameters in turning of AISI 304L by Taguchi method. J Clean Prod, 19, 2049–2056. [27] Chandrasekaran M, Muralidhar M, Krishna CM, Dixit US (2010) Application of soft computing techniques in machining performance prediction and optimization: A literature review. Int J Adv Manuf Technol, 46, 445–464. [28] Che-Haron CH, Jawaid A (2005) The effect of machining on surface
11. 121 [38] David J. Whitehouse (1994) Handbook of Surface Metrology. Institute of Physics Publishing [39] Davim JP (2013) Machining Fundamentals and Recent Advances. Mach - Fundam Recent Adv. doi: 10.1017/CBO9781107415324.004 [40] Daymi A, Boujelbene M, Ben Amara A, Bayraktar E, Katundi D (2011) Surface integrity in high speed end milling of titanium alloy Ti–6Al–4V. Mater Sci Technol, 27, 387–394. [41] Deb K (2001) Multi-Objective Optimization using Evolutionary Algorithms Kalyanmoy. [42] Dive V, Lasurkar MS, Limaje K, Yash K (2017) Study Paper on Methods of Measurement of. 5, 1320–1324. [43] Ebrahimi A, Moshksar MM (2009) Evaluation of machinability in turning of microalloyed and quenched-tempered steels: Tool wear, statistical analysis, chip morphology. J Mater Process Technol, 209, 910–921. [44] Emmerich MTM, Deutz AH (2018) A tutorial on multiobjective optimization: fundamentals and evolutionary methods. Nat Comput, 17, 585–609. [45] Eskandari M, Najafizadeh A, Kermanpur A (2009) Effect of strain- induced martensite on the formation of nanocrystalline 316L stainless steel after cold rolling and annealing. Mater Sci Eng A, 519, 46–50. [46] Ferreira SLC, Bruns RE, Ferreira HS, Matos GD, David JM, Brandão GC, da Silva EGP, Portugal LA, dos Reis PS, Souza AS, dos Santos WNL (2007) Box-Behnken design: An alternative for the optimization of analytical methods. Anal Chim Acta, 597, 179–186. [47] Figueiredo Filho DB, Paranhos R, Rocha EC da, Batista M, Silva Jr. JA da, Santos MLWD, Marino JG (2013) When is statistical significance
12. 123 Karthik K (2018) Influence of Process Parameters on the Machining Characteristics of Austensite Stainless Steel (AISI 304). Mater Today Proc, 5, 13321–13333. [57] Kahles MF and J (1971) Review of surface integrity of machined components. Ann CIRP, 20, 153–163. [58] Kaladhar M, Subbaiah KV, Rao CHS (2012) Machining of austenitic stainless steels - a review. Int J Mach Mach Mater, 12, 178. [59] Kao LS, Green CE (2008) Analysis of Variance: Is There a Difference in Means and What Does It Mean?. J Surg Res, 144, 158–170. [60] Karuppusami G, Gandhinathan R (2006) Pareto analysis of critical success factors of total quality management: A literature review and analysis. TQM Mag, 18, 372–385. [61] Khan K, Sahai A (2012) A Comparison of BA, GA, PSO, BP and LM for Training Feed forward Neural Networks in e-Learning Context. Int J Intell Syst Appl, 4, 23–29. [62] Klocke F (2011) Manufacturing processes 1: turning, milling, drilling. Rwthedition. doi: 10.1007/978-3-642-11979-8 [63] Krolczyk G, Legutko S, Nieslony P, Gajek M (2014) Study of the surface integrity microhardness of austenitic stainless steel after turning. Teh Vjesn - Tech Gaz, 21, 1307–1311. [64] Krolczyk G, Nieslony P, Legutko S (2014) Microhardness and surface integrity in turning process of duplex stainless steel (DSS) for different cutting conditions. J Mater Eng Perform, 23, 859–866. [65] Leffler B (2017) High performance stainless steel, [66] M’Saoubi R, Outeiro JC, Changeux B, Lebrun JL, Morão Dias A (1999)
13. 125 [76] Outeiro JC, Dias AM, Lebrun JL, Astakhov VP (2002) Machining residual stresses in AISI 316L steel and their correlation with the cutting parameters. Mach Sci Technol, 6, 251–270. [77] Parikin P, Killen P, Rafterry A (2011) Measurements of Residual Stresses in Cold-Rolled 304 Stainless Steel Plates Using X-Ray Diffraction with Rietveld Refinement Method. Atom Indones. doi: 10.17146/aij.2009.45 [78] Patil PM, Kadi R V, Dundur ST, Pol AS (2015) Effect of Cutting Parameters on Surface Quality of AISI 316 Austenitic Stainless Steel in CNC Turning. 1453–1460. [79] Pawade RS, Joshi SS, Brahmankar PK (2008) Effect of machining parameters and cutting edge geometry on surface integrity of high- speed turned Inconel 718. Int J Mach Tools Manuf, 48, 15–28. [80] Perwaiz U, Younas I, Anwar AA (2020) Many-objective BAT algorithm. PLoS One, 15, 1–20. [81] Petela E (2002) Reducing energy consumption and costs. Pet Rev, 56, 36–37. [82] Philip Kosky RBWK and GW (2015) Exploring Engineering: An Introduction to Engineering and Design (Fourth Edition) - 978-0-12- 801242-0. [83] Pramanik A, Dixit AR, Chattopadhyaya S, Uddin MS, Dong Y, Basak AK, Littlefair G (2017) Fatigue life of machined components. Adv Manuf, 5, 59–76. [84] Puh F, Jurkovic Z, Perinic M, Brezocnik M, Buljan S (1848) Optimization of machining parameters for turning operation with multiple quality characteristics using Grey relational analysis. 3651, 377–382.
14. 127 [95] Soleimanian V, Aghdaee SR (2008) Comparison methods of variance and line profile analysis for the evaluation of microstructures of materials. Powder Diffr, 23, 41–51. [96] Su Y, Zhao G, Zhao Y, Meng J, Li C (2020) Multi-objective optimization of cutting parameters in turning AISI 304 austenitic stainless steel. Metals (Basel). doi: 10.3390/met10020217 [97] Suresh R, Basavarajappa S, Samuel GL (2012) Some studies on hard turning of AISI 4340 steel using multilayer coated carbide tool. Meas J Int Meas Confed, 45, 1872–1884. [98] Suryanarayana C, And, Norton MG (1998) X-ray Diffraction: A Practical Approach. Springer Sci Media, LLC, 1–273. [99] Sushil I, Amit P, Rohit P (2017) Machining Challenges in Stainless Steel – A Review. Int J Adv Res Ideas Innov Technol, 3, 1395–1402. [100] Talal R (2014) Comparative Study between the (BA) Algorithm and (PSO) Algorithm to Train (RBF) Network at Data Classification. Int J Comput Appl, 92, 16–22. [101] Tebassi H, Yallese MA, Khettabi R, Belhadi S, Meddour I, Girardin F (2016) Multi-objective optimization of surface roughness, cutting forces, productivity and Power consumption when turning of Inconel 718. Int J Ind Eng Comput, 7, 111–134. [102] The European Stainless Steel Development Association (Euro Inox) (2007) Stainless steel: tables of technical properties. Mater Appl Ser, 5, 24. [103] Ulutan D, Ozel T (2011) International Journal of Machine Tools & Manufacture Machining induced surface integrity in titanium and nickel alloys : A review. Int J Mach Tools Manuf, 51, 250–280. [104] Umbrello D, Filice L (2009) Improving surface integrity in orthogonal machining of hardened AISI 52100 steel by modeling white and dark
15. 129 [115] Zain AM, Haron H, Sharif S (2010) Application of GA to optimize cutting conditions for minimizing surface roughness in end milling machining process. Expert Syst Appl, 37, 4650–4659. [116] Zaroog OS, Yap C, Ken W, Noorlina A, Manap A (2014) Current and Challenge of Residual Stress Measurement Techniques. Int J Sci Res, 3, 210–216. [117] Zerti O, Yallese MA, Zerti A, Belhadi S, Girardin F (2018) Simultaneous improvement of surface quality and productivity using grey relational analysis based taguchi design for turning couple (AISI D3 steel/ mixed ceramic tool (Al2O3+ TiC)). Int J Ind Eng Comput, 9, 173–194. [118] Zhang X, Xu J, Yu Z, Wang Z, Yu H (2015) Experiment Research on Surface Quality of High Speed Micro-milling Stainless Steel. 2479–2484.
16. 131 NỘI DUNG CHƯƠNG TRÌNH GIẢI THÍCH F0.14 Z-157.5; Chuyển động cắt với vận tốc 260m/phút, lượng tiến dao 0,14mm/vòng – cắt thực nghiệm 8 N15 S230 F0.2 Z-177.5; Chuyển động cắt với vận tốc 230m/phút, lượng tiến dao 0,2mm/vòng – cắt thực nghiệm 10 S290 F0.08 Z-197.5; Chuyển động cắt với vận tốc 290m/phút, lượng tiến dao 0,08mm/vòng – cắt thực nghiệm 12 S230 F0.08 Z-217.5; Chuyển động cắt với vận tốc 230m/phút, lượng tiến dao 0,08mm/vòng – cắt thực nghiệm 14 X49.; Lấy chiều sâu cắt để cắt đường kính 49mm S230 F0.2 Z-237.5; Chuyển động cắt với vận tốc 290m/phút, lượng tiến dao 0,2mm/vòng – cắt thực nghiệm 4 N20 S260 F0.08 Z-257.5; Chuyển động cắt với vận tốc 260m/phút, lượng tiến dao 0,08mm/vòng – cắt thực nghiệm 6 S230 F0.14 Z-277.5; Chuyển động cắt với vận tốc 230m/phút, lượng tiến dao 0,14mm/vòng – cắt thực nghiệm 13 S290 F0.14 Z-297.5; Chuyển động cắt với vận tốc 290m/phút, lượng tiến dao 0,14mm/vòng – cắt thực nghiệm 15 G00 X55.; Lùi dao ra khỏi bề mặt gia công theo phương X X110. Z15. M09 M01; Chạy dao nhanh về vị trí ban đầu, tắt chế độ làm mát, dừng trục chính N25 M30; Kết thúc chương trình chạy máy gia công