A Design of Experiment to Study the Effects of Cutting Speed and Feed on the Generated Drilling Thrust and Torque in Aluminum Alloys
Notice bibliographique
Résumé
This work reports on an empirical study to account for the effects of the drilling parameters of cutting speed: V, m/s (max at the outer periphery), tool feed (f, mm/rev)), and drill diameter (D, mm) on the generated thrust (T, N) and torque (M, N.m). A total of 50 drilling tests were conducted on a vertical machining center based on design of experiment (DOE) test matrix using JMP-SAS/STAT® software. The test matrix employed 2 different aluminum alloys: one wrought (6061-T6) and another cast (A356-T6) with both tempered to the T6 condition. Two classical chisel drills of different diameters (10mm and 12.7mm) were used. Drilling parameter variables employed varied from very mild to very aggressive combinations including 5 values of spindle speeds (796, 1592, 3183, 6366, and 9868 rpm) and 5 values of drilling feeds (0.04, 0.08, 0.16, 0.32, 0.64 mm/rev). Drilling forces and torques were recorded using a 4-component dynamometer (Kistler model 9123) at sampling rate of 200 Hz. At full drill engagement, cutting torque and thrust status were identified for each drilling test case. By fitting to the measured drilling forces, power law equations with parametric variables D, f, and V are developed. Initial values of the model’s power coefficients were initially identified using Matlab® using a least square optimization function with target to minimize the difference between the predicting model and the experimental data. These values were fed as initially-guessed values to the nonlinear modeling Gauss method in JMP-SAS/STAT® with 50 observations for each set of experiments. For both torque and thrust and for both aluminum alloys employed, the model’s coefficient values were identified setting the convergence criteria to 10−15 with total of 60 iterations. For both thrust and torque, it was found that the power coefficients for feed and cutting speed are statistically significant (better than p-values < 0.05) with values of about 0.7 and −0.1, respectively.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».