Prediction and Optimization of Drilling Parameters in Drilling of AISI 304 and AISI 2205 Steels with PVD Monolayer and Multilayer Coated Drills
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Due to their high ductility, high durability, and excellent corrosion resistance, stainless steels are attractive materials for a variety of applications. However, high work hardening, low thermal conductivity, and high built-up edge (BUE) formation make these materials difficult to machine. Rapid tool wear and high cutting forces are the common problems encountered while machining these materials. In the present work, the application of Taguchi optimization methodology has been used to optimize the cutting parameters of the drilling process for machining two stainless steels: austenitic AISI 304 and duplex AISI 2205 under dry conditions. The machining parameters which were chosen to be evaluated in this study are the tool material, cutting speed, and feed rate, while, the response factors to be measured are the tool life (T), cutting force (Fc), and specific cutting energy (ks). Additionally, empirical models were created for predicting the T, Fc and ks using linear regression analysis. The results of this study show that AISI 2205 stainless steel has a shorter tool life, a higher cutting force, and a higher specific cutting energy than AISI 304 stainless steel. In addition, the Taguchi method determined that A3B1C1 and A3B3C1 (A3 = TiN-coated twist drill, B1 = 13 m/min, B3 = 34 m/min, C1 = 0.12 mm/rev) are the optimized combination of levels for the best tool life and the lowest cutting force, respectively. Meanwhile, the optimized combination of levels for all three control factors from the analysis, which provides the lowest specific cutting energy, was found to be A3B1C3 (A3 = TiN-coated twist drill, B1 = 13 m/min, C3 = 0.32 mm/rev) for both stainless steels.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle