OTIMIZAÇÃO DE PARÂMETROS DE FRESAGEM USANDO O MÉTODO DE TA-GUCHI COM A ANÁLISE RELACIONAL DE GREY

Autores

  • Daniel Pereira Instituto Politécnico de Bragança
  • João Ribeiro Instituto Politécnico de Bragança
  • Luis Queijo Instituto Politécnico de Bragança

Resumo

Na indústria, o uso das máquinas de comando numérico (CNC) tem sido muito recorrente, pois é necessário minimizar os tempos de maquinagem e obter uma elevada precisão. Um dos processos mais utilizados para maquinar materiais metálicos, como o aço e ferros fundidos, é a fresagem. Contudo, para melhorar este tipo de processo é necessário estudar a influência dos diferentes parâmetros de maquinagem e, com isso, selecionar corretamente as ferramentas de corte mais adequadas à operação de corte por arranque de apara. Neste estudo analizou-se o efeito de quatro parâmetros do processo de fresagem (o tipo de pastilha, a velocidade de corte, o avanço e a penetração axial) na rugosidade superficial, no desgaste das pastilhas e na taxa de produção durante a maquinagem de um ferro fundido branco com a de dureza 370 HB. Para esta análise foram utilizados dois métodos de otimização: método de Taguchi e a análise relacional de Grey. Com o método de Taguchi foi possível determinar a matriz de ensaios experimentais (L18) e, posteriormente, determinar a melhor combinação de parâmetros para cada elemento de controlo. A análise relacional de Grey foi utilizada para determinar a combinação ótima de parâmetros para o conjunto dos elementos de controlo. Cada ensaio terminou quando as pastilhas sofressem um desgaste igual ou superior a 0.2 [mm], valor definido pela norma ISSO 8688-1. No final dos 18 ensaios foi realizado um tratamento estatístico dos dados através da análise de variância (ANOVA). Com isso, verificou-se que o valor máximo de vida útil foi de 222 [min], o valor mínimo de rugosidade foi de 0.31 [μm] e o valor máximo de taxa de produção foi de 4.584 [cm3/min]. Com recurso à ANOVA foi possível determinar que o parâmetro que mais influenciou a vida útil foi o avanço com 41.32 %, enquanto para a rugosidade foi o tipo de pastilha o fator mais influente (90.85 % ) e, por último, para a taxa de produção, três parâmetros que influenciam da mesma forma, a velocidade de corte, o avanço e a penetração axial com 33,33 %. Com a ajuda da análise relacional de Grey, verificou-se que a melhor combinação obtida foi: Pastilha 2, velocidade de corte 150 [m/min], avanço de 0.1 [mm/dente] e a penetração axial de 0.3 [mm].

Referências

P. Maurya, P. Sharma, and B. Diwaker, “Implementation of Taguchi methodology to Optimization of CNC end milling process parameters of AL6351 – T6,†vol. 2, pp. 3530–3533, 2012.

M. Tolouei-Rad and I. . Bidhendi, “On the optimization of machining parameters for milling operations,†Int. J. Mach. Tools Manuf., vol. 37, no. 1, pp. 1–16, 1997.

P. G. Benardos and G. C. Vosniakos, “Predicting surface roughness in machining: A review,†Int. J. Mach. Tools Manuf., vol. 43, no. 8, pp. 833–844, 2003.

P. V. S. Suresh, P. V. Rao, and S. G. Deshmukh, “A genetic algorithmic approach for optimization of surface roughness prediction model,†vol. 42, no. January, pp. 675–680, 2002.

A. Aggarwal and H. Singh, “Optimization of machining techniques — A retrospective and literature review,†Sadhana, vol. 30, no. 6, pp. 699–711, 2005.

S. Ramesh, L. Karunamoorthy, and K. Palanikumar, “Fuzzy Modeling and Analysis of Machining Parameters in Machining Titanium Alloy,†Mater. Manuf. Process., vol. 23, no. 4, pp. 439–447, 2008.

W. H. Yang and Y. S. Tarng, “Design optimization of cutting parameters for turning operations based on the Taguchi method,†J. Mater. Process. Technol., vol. 84, no. 1–3, pp. 122–129, 1998.

J. Z. Zhang, J. C. Chen, and E. D. Kirby, “Surface roughness optimization in an end-milling operation using the Taguchi design method,†J. Mater. Process. Technol., vol. 184, no. 1–3, pp. 233–239, 2007.

P. Palanisamy, I. Rajendran, and S. Shanmugasundaram, “Optimization of machining parameters using genetic algorithm and experimental validation for end-milling operations,†Int. J. Adv. Manuf. Technol., vol. 32, no. 7–8, pp. 644–655, 2007.

P. C. Mishra, D. K. Das, M. Ukamanal, B. C. Routara, and A. K. Sahoo, “Multi-response optimization of process parameters using Taguchi method and grey relational analysis during turning AA 7075/SiC composite in dry and spray cooling environments,†Int. J. Ind. Eng. Comput., vol. 6, pp. 445–456, 2015.

L. B. Abhang and M. Hameedullah, “Determination of optimum parameters for multi-performance characteristics in turning by using grey relational analysis,†Int. J. Adv. Manuf. Technol., vol. 63, no. 1–4, pp. 13–24, 2012.

H. Öktem, T. Erzurumlu, and H. Kurtaran, “Application of response surface methodology in the optimization of cutting conditions for surface roughness,†J. Mater. Process. Technol., vol. 170, no. 1–2, pp. 11–16, 2005.

S. Neşeli, S. Yaldiz, and E. Türkeş, “Optimization of tool geometry parameters for turning operations based on the response surface methodology,†Meas. J. Int. Meas. Confed., vol. 44, no. 3, pp. 580–587, 2011.

P. J. Ross, Taguchi techniques for quality engineering, 2aEdição. McGraw-Hill, 1996.

J. Ribeiro, H. Lopes, L. Queijo, and D. Figueiredo, “Optimization of Cutting Parameters to Minimize the Surface Roughness in the End Milling Process Using the Taguchi Method,†Period. Polytech. Mech. Eng., vol. 61, no. 1, pp. 30–35, 2017.

H. S. Lu, C. K. Chang, N. C. Hwang, and C. T. Chung, “Grey relational analysis coupled with principal component analysis for optimization design of the cutting parameters in high-speed end milling,†J. Mater. Process. Technol., vol. 209, no. 8, pp. 3808–3817, 2009.

Y. F. Hsiao, Y. S. Tarng, and W. J. Huang, “Optimization of Plasma Arc Welding Parameters by Using the Taguchi Method with the Grey Relational Analysis,†Mater. Manuf. Process., vol. 23, no. 1, pp. 51–58, 2007.

dNA

Downloads

Publicado

2018-07-11

Como Citar

Pereira, D., Ribeiro, J., & Queijo, L. (2018). OTIMIZAÇÃO DE PARÂMETROS DE FRESAGEM USANDO O MÉTODO DE TA-GUCHI COM A ANÁLISE RELACIONAL DE GREY. beroamerican ournal of ndustrial ngineering, 10(19), 56–70. ecuperado de https://incubadora.periodicos.ufsc.br/index.php/IJIE/article/view/v10n1905