Experimental Investigation of the Derivative Cutting When Machining AISI 1045 with Micro-Textured Cutting Tools
Notice bibliographique
Résumé
In the context of satisfying sustainability requirements nowadays, dry machining is one of the ideal strategies to eliminate the environmental and human health burdens of machining processes. In addition, micro-textured cutting tools are used to improve the performance of dry machining processes. Micro-textures reduce the chip-tool contact length and thus reduce friction and heat, which results in fewer cutting forces and temperature. However, the action of micro-cutting of the bottom side of the chip, which is known as derivative cutting, cuts down the gains of using textured tools, where derivative cutting leads to higher cutting forces, heat, and tool wear. This study aimed to investigate the effects of significant texture design parameters (i.e., micro-groove width) when cutting AISI 1045 steel using different machining parameters (i.e., 75 m/min and 150 m/min of cutting velocity, 0.05 and 0.10 mm/rev of feed). Three different textured cutting tool designs were prepared using the laser texturing technique and then utilized in machining experiments. In addition, the measured machining outputs were forces, power consumption, flank wear, and surface roughness. There were no marks for the derivative cutting when using the textured cutting tool with the narrowest micro-grooves according to the obtained microscopical images after the machining tests. In addition, the textured cutting tool, which included the narrowest micro-grooves, showed better performance compared to the non-textured cutting tool and the other textured tool designs in terms of cutting and feed forces, power consumption, flank tool wear, and surface roughness at the used cutting conditions. This confirmed that the careful optimal design of the micro-textured tools can reduce or eliminate the severity of the derivative cutting, and thus improve the overall machining performance.
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».