Experimental Investigation and Modelling of High-Speed Turn-Milling of H13 Tool Steel: Surface Roughness and Tool Wear
Notice bibliographique
Résumé
Turn-milling is a relatively new process which combines turning and milling operations, offering a number of advantages such as chip breaking and interrupted cutting, which improves tool life. In addition to providing the capability of producing eccentric forms or shapes, it increases productivity for difficult-to-machine material at lower cost. This study investigates the influence of cutting speed and feed on surface roughness and tool wear in conventional turning and turn-milling of H13 tool steel. The tests were conducted for longitudinal and face machining strategies. It was found that the range of surface roughness in turning is lower than in turn-milling. In longitudinal turning, face-turning, and face turn-milling operations, surface roughness is elevated in the higher feeds. However, the surface roughness in longitudinal turn-milling operations can be reduced by increasing the feed. Although the simultaneous rotation of the tool and workpiece in turn-milling could negatively affect the surface quality, this operation provides the advantage of an interrupted cutting mechanism that produces discontinuous chips. Also, the wear of the endmill in longitudinal and face turn-milling operations is lower than the wear of the inserts used in conventional longitudinal and face turning. Using Response Surface Methodology (RSM), mathematical models were developed for surface roughness and tool wear in each operation. The RSM models developed in this study achieved coefficients of determination (R2) above 90%, with prediction errors below 7% for surface roughness and below 3% for tool wear. The analysis of variance (ANOVA) revealed that the feed and cutting speed are the most influential parameters on the surface roughness and tool wear, respectively, with p-value < 0.05. The experimental results demonstrated that tool wear in turn-milling was reduced by up to 50% compared to conventional turning.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».