مطالعه تجربي و تحليل حساسيت سوبل در بهينه سازي پارامترهاي موثر فرآيند تراشكاري خشك آلياژ آلومينيوم 6061-T6

Experimental study and sobol sensitivity analysis in optimizing the effective parameters of dry turning process of aluminum alloy 6061-T6

يكي از انواع فرآيندهاي ماشينكاري بر روي مواد صنعتي كه از اهميت اقتصادي بالايي برخوردار است، ماشينكاري آلياژهاي آلومينيوم مي باشد كه در اكثر صنايع نظير صنايع اتومبيل سازي، هواپيماسازي، نظامي، هسته اي و... كاربرد بسيار وسيعي دارد. در صورت مطالعه دقيق، روشمند و بهره گيري از روش هاي تحليل و آناليز پيشرفته مي توان به تاثير پارامترهاي ورودي بر پارامترهاي خروجي به صورت دقيق تري پي برد و به قطعه اي با پارامترهاي مطلوب دست پيدا كرد. در اين مطالعه براي نخستين بار اثر پارامترهاي مهم ماشينكاري يعني سرعت پيشروي، سرعت دوراني و عمق برش بر روي كيفيت سطح ماشينكاري شده با استفاده از روش سطح پاسخ مدل شده است و با بهره گيري از يك مدل رگرسيون مرتبه دوم خطي توسعه داده، اثر هر يك از فاكتورهاي ورودي بررسي شده است. همچنين با بهره گيري از روش تحليل حساسيت سوبل ميزان حساسيت كيفيت سطح ماشينكاري شده به تغييرات هر يك از فاكتورهاي ورودي مشخص شده و با استفاده از الگوريتم درينگر، بهينه سازي پارامترهاي ورودي صورت پذيرفته است. پس از بررسي نتايج، بهترين فاكتورهاي ورودي شامل سرعت پيشروي 200 ميليمتر بر دقيقه، سرعت دوراني 1700 دور بر دقيقه و عمق برش 1/8 ميليمتر مي باشد. همچنين بيشترين حساسيت كيفيت سطح ماشينكاري به تغييرات پارامترهاي ورودي مربوط به سرعت پيشروي با 50 درصد تاثير و پس از آن سرعت دوراني با 42/5 درصد و كمترين آن مربوط به عمق برش با ميزان تاثير 7/5 درصد مي باشد.

One of the types of machining processes on industrial materials that is of great economic importance is the machining of aluminum alloys, which is widely used in most industries such as automotive, aircraft, military, nuclear, etc. If you study carefully, methodically and use advanced analysis methods, you can understand the effect of input parameters on output parameters more accurately and achieve a piece with the desired parameters. In this study, for the first time, the effect of important machining parameters, ie feed velocity, rotational speed and depth of cut on the quality of the machined surface has been modeled using the response surface method, and using a second-order linear regression model, the effect of each One of the input factors is investigated. Also, by using the Sobel sensitivity analysis method, the quality sensitivity of the machined surface to the changes of each of the input factors has been determined and using the Dringer algorithm, the input parameters have been optimized. After reviewing the results, the best input factors include a feed velocity of 200 mm / min, a rotational speed of 1700 rpm and a depth of cut of 1.8 mm. Also, the highest sensitivity of machining surface quality to changes in input parameters is related to the feed velocity with 50% impact, followed by the rotational speed with 42.5% and the lowest is related to the depth of cut with an impact rate of 7.5%.