Dist or Geometric A

RISK FACTORS FOR SUPERFICIAL QUALITY IN SUPERALLOY MACHINING PROCESS

M.I Carlos Alberto Dorbecker ValdesDra. Indira Escamilla SalazarM.C Bernardo Gonzalez Ortiz

Introducción

Los parámetros de maquino asi como la presición y calidad superficial tienen un papel fundamental durante un proceso exitoso y eficiente de maquinado así como en la calidad general de los productos.

Existen muchos estudios y análisis respecto a este tema sin embargo en cuanto al estudio del tema en super aleaciones existe mucha oportunidad para el análisis.

Ahora que es mas común el uso de super aleaciones en diferentes aplicaciones consideramos que este estudio puede ser de alto valor para quienes trabajan con estos metales.

Acerca de la calidad superficial

Algunos atributos de la calidad superficial son considerados esenciales par la industria como la rugosidad y la planicidad. Es por eso que para este análisis nos enfocaremos en la rugosidad..

La rugosidad es uno de los referentes de la calidad superficial y existen varios parametros que pueden afectar de una forma u otra. Nos enfocamos nosotros en 3 parametros Geometría de la herramienta Desgaste de la herramienta Parámetros de operación

Geometría de la herramienta

Actualmente existen muchos desarrollos en cuanto al diseño y capacidad de producción de diferentes geometrias para las herramientas

Se sabe que la geometría de la herramienta afecta significativamente la calidad superficial del producto. Es por eso que se han desarrollado diseños de formas complejas como formas multi radiales o insertos con ángulos variables. (1)

(1)

Geometría de la herramienta

Aqui tenemos un ejemplo de como la geometría de la herramienta puede cambiar las características del maquinado

(2)

Desgaste de herramienta

La efectividad en la predicción del desgaste ayuda a mantener la rugosidad en control por un mayor tiempo, ya que el desgaste de herramienta involucra mecanismos complejos investigaciones han tratado de correlacionar el tiempo de vida a los parámetros de operación. (3)(2)

Desgaste de herramienta

Realizar un monitoreo del desgaste de la herramienta es importante también para saber cuándo esta pone en riesgo la calidad superficial del producto para esto se han realizado estudios en el cual se busca identificar los efectos y en qué momento estos efectos impactan en nuestro producto, así como formas estándar para la identificación de estas herramientas dañadas(4)(1)

Determinar y optimizar los parametros que se involucran en un proceso de maquinado es una parte importante y crítica del diseño del producto (6)(5)

El objetivo principal de este estudio es identificar si alguno de los parametros de operación tienen un efecto directo en la rugusidad despues del maquinado de una super

Para lograr el objetivo se realizo un DOE factorial completo de 3 factores.

Parameter Low High Central

Speed 2228 2865 2546.5

Feed 0.11 0.15 0.13

Depht 0.5 1.5 1

Parametros de operación

Experimentación

Se realizaron pruebas en una fresa Bridgeport VMC 760 usando placas de una una super aleacion de Hastelloy X de 125 x 47 x 22mm. El proceso de maquinado fue realizado por una herramienta de titanio-aluminio de 4 filos de corte. edges.

Acerca del DOE FactorialSe realizo un DOE completo con 3 factores y 2 niveles con

punto central. Se realizaron cortes en 27 piezas repitiendo las condiciones 3 veces para cada pieza y asignado la media de la rugosidad como resultado a esa corrida.

Para realizar las corridas se hace de forma aleatoria jugando con los diferentes parametros el resultado de orden de corridas fue el siguiente

Resultados

Se obtuvieron los siguientes resultados con el DOE

Los resultados sugieren que el factor velocidad afecta directamente a la rugosidad.

A mayor velocidad mayor rugosidad

286525462228

0.87

0.84

0.81

0.78

0.75

0.150.130.11

1.51.00.5

0.87

0.84

0.81

0.78

0.75

Speed

Media

de M

edia

s

Feed

Depth

Gráfica de efectos principales para MediasMedias de datos

0.75

0.80

0.85

22002400

2600 2800

0.85

0.90

0.52800

1.0

0.5

1.5

Roughness

Depth

Speed

Feed 0.15Valores de retención

Gráfica de superficie de Roughness vs. Depth, Speed0.70

0.75

0.80

22002400

2600 2800

0.85

0.52800

1.0

0.5

1.5

Roughness

Depth

Speed


Gráfica de superficie de Roughness vs. Depth, Speed

0.75

0.80

0.85

22002400

2600 2800

0.85

0.90

0.52800

1.0

0.5

1.5

Roughness

Depth

Speed


Gráfica de superficie de Roughness vs. Depth, Speed

0.85

0.86

0.1200.135

0.120

0.87

0.50.150

1.0

0.5

1.5

Roughness

Depth

Feed

Speed 2547Valores de retención

Gráfica de superficie de Roughness vs. Depth, Feed

A mayor velocidad sin importar los valores de los otros factores se tiene una menor rugosidad y desviasion estandar.

0.7

0.8

22002400

2600 2800

0.9

2800

0.135

0.120

0.150

0.135

Roughness

Feed

Speed

Depth 1.5Valores de retención

Gráfica de superficie de Roughness vs. Feed, Speed

0.850

0.875

0.1200.135

0.120

0.900

1.5

1.0

0.50.150

Roughness

Depth

Feed



0.75

0.80

0.85

22002400

2600 2800

0.85

0.90

2800

0.135

0.120

0.150

0.135

Roughness

Feed

Speed

Depth 1Valores de retención


Hig

hC

entr

al

Low

0.75

0.80

22002400

2600 2800

0.85

0.90

2800

0.135

0.120

0.150

0.135

Roughness

Feed

Speed

Depth 0.5Valores de retención


Depth Speed Feed

0.70

0.72

0.74

0.1200.135

0.74

0.76

0.50.150

1.0

0.5

1.5

Roughness

Depth

Feed



0.9

0.8

0.7

1.51.00.5

0.150.130.11

0.9

0.8

0.7

286525462228

0.9

0.8

0.7

Speed

Feed

Depth

222825462865

Speed

0.110.130.15

Feed

0.51.01.5

Depth

Gráfica de interacción para RoughnessMedias de datos

A mayor velocidad sin importar los valores de los otros factores se tiene una menor rugosidad y desviasion estandar.

Conclusiones

Concluimos que factores especificos de operación tienen un impacto en la rugusidad.

Aun hay mucho trabajo por hacer estudiando en los diferentes metales el comportamiento del material en diferentes condiciones de operación.

Cuando el control de la calidad superficial se alcanza la cadena productiva provedores, clientes, usuario final se ve beneficiada debido a menores costos de operación y mejor calidad.

Siguientes pasos

Se realizaran estudios para analizar otros factores como desgaste de herramienta en la rugusidad.

Se integraran los 2 análisis en uno para sacar un modelo que permita predecir los factores de operación optimos sin afectar a la calidad del producto o tiempo de vida de la herramienta

References

(1) W. Grzesik, Influence of tool wear on surface roughness in hard turning using differently shaped ceramic tools, Wear 265 (2008) 327–335

(2) Tugrul Ozel & Yigit Karpat, Predictive modeling of surface roughness and tool wear in hard turning using regression and neural networks, International Journal of Machine Tools & Manufacture 45 (2005) 467–479

(3) Yung-Chang Yen, Jörg Söhner, Blaine Lilly, Taylan Altan, Estimation of tool wear in orthogonal cutting using the finite element analysis, Journal of Materials Processing Technology 146 (2004) 82–91

(4) F. Gu & S.G. Kapoor, A Model for the Prediction of Surface Flatness in Face Milling

(5) V. F. Makarov, A. V. Shokhrin, and O. N. Potyagailo, Influence of Cutting Conditions and Tool Wear on the Cutting Parameters for Numerically Controlled Machine Tools, Perm State Technical University, Perm, DOI: 10.3103/S1068798X10120221

(6) I. Escamilla, L Torres, B Gonzalez, P Zambrano Particle swam optimization for milling titanium alloy

Dist or Geometric A

Documents

Transcript of Dist or Geometric A