Talaşlı imalatta kesme sıvısı kullanımı için yenilikçi bir sistem tasarımı
[ X ]
Tarih
2024
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Kırıkkale Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Talaşlı imalat gerçekleştirilirken takım ile iş parçası arasındaki sürtünmeden dolayı kesme bölgesinde yüksek sıcaklıklar oluşur. Oluşan sıcaklığın iş parçasının yüzey kalitesini, kesme hızını, kesme derinliğini, ilerleme miktarını, takım ömrünü olumsuz etkilememesi için sıcaklığın kesme bölgesinden uzaklaştırılması gerekir. Geleneksel soğutmada metal işlenmeye başladığı andan itibaren sabit bir miktarda malzeme üzerine kesme sıvısı uygulanır. Bu durum kesme sıvısının aşırı kullanımına sebep olur. Çevreye, insan sağlığına ve maliyete olumsuz etkileri vardır. Minimum miktarda yağlamada aşırı kesme sıvısı kullanımının önüne geçilmeye çalışılsa da malzemenin işlenebilme sıcaklığının bilinmeyip işlemeye başlamadan yapılan ayarlama sonrası sabit miktarda kesme sıvısı kullanılmaktadır. Malzemenin gereğinden sıcak işlenip işlenmediği bilinmemektedir. Bu çalışmada, makine öğrenmesi modelleri kullanılarak malzemenin optimum sıcaklıkta işlenebilmesi için gerekli yağlama aralığı tahmin edilecek böylece sistem ne kadar soğutma yapacağına karar verecektir. Elde edilecek makine öğrenmesi yöntemleri ve yapılan yenilikçi sistem tasarımı ile kesme bölgesinde oluşan sıcaklık, kesme parametreleri göz önünde bulundurularak optimum seviyede kalacaktır. Malzemenin olması gerekenden sıcak işlenmesinin önüne geçilecektir. Soğutmada kullanılan kesme sıvısı yeterli miktarda kullanılacaktır. Böylece kesme sıvısı kullanımın çevre ve insan sağlığına yol açtığı olumsuz etkilerin önüne geçilecektir. Kesme sıvısı maliyetinin azalması, takım ömrünün artması ve iş parçası yüzey kalitesinin maksimum seviyede olması gibi olumlu sonuçlar da elde edilmiş olacaktır.
During machining, high temperatures occur in the cutting area due to friction between the tool and the workpiece. In order for the resulting heat to not adversely affect the surface quality of the workpiece, cutting speed, depth of cut, feed rate and tool life, the heat must be removed from the cutting zone. In traditional cooling, a fixed amount of cutting fluid is applied to the material from the moment the metal begins to be processed. This causes excessive use of cutting fluid. It has negative effects on the environment, human health and costs. Although it is tried to prevent excessive use of cutting fluid in minimum amount of lubrication, the machining temperature of the material is not known and a fixed amount of cutting fluid is used after the adjustment made before starting the machining. It is not known whether the material was processed too hot or not. In this study, using machine learning models, the lubrication interval required to process the material at the optimum temperature will be estimated, so the system will decide how much cooling to do. With the machine learning methods to be obtained and the innovative system design, the temperature in the cutting zone will remain at the optimum level, taking into account the cutting parameters. It will be prevented that the material is processed hotter than it should be. Cutting fluid used for cooling will be used in sufficient quantities. Thus, the negative effects of the use of cutting fluid on the environment and human health will be prevented. Positive results such as reducing the cutting fluid cost, increasing tool life and maximum workpiece surface quality will also be achieved.
During machining, high temperatures occur in the cutting area due to friction between the tool and the workpiece. In order for the resulting heat to not adversely affect the surface quality of the workpiece, cutting speed, depth of cut, feed rate and tool life, the heat must be removed from the cutting zone. In traditional cooling, a fixed amount of cutting fluid is applied to the material from the moment the metal begins to be processed. This causes excessive use of cutting fluid. It has negative effects on the environment, human health and costs. Although it is tried to prevent excessive use of cutting fluid in minimum amount of lubrication, the machining temperature of the material is not known and a fixed amount of cutting fluid is used after the adjustment made before starting the machining. It is not known whether the material was processed too hot or not. In this study, using machine learning models, the lubrication interval required to process the material at the optimum temperature will be estimated, so the system will decide how much cooling to do. With the machine learning methods to be obtained and the innovative system design, the temperature in the cutting zone will remain at the optimum level, taking into account the cutting parameters. It will be prevented that the material is processed hotter than it should be. Cutting fluid used for cooling will be used in sufficient quantities. Thus, the negative effects of the use of cutting fluid on the environment and human health will be prevented. Positive results such as reducing the cutting fluid cost, increasing tool life and maximum workpiece surface quality will also be achieved.
Açıklama
Fen Bilimleri Enstitüsü, Makine Mühendisliği Ana Bilim Dalı
Anahtar Kelimeler
Makine Mühendisliği, Mechanical Engineering, Mühendislik Bilimleri
