A Comprehensive Methodology for Developing Specific Cutting Energy Models – Application in End Milling of 1.2738 HH Tool Steel

Abstract

The continuous growth and expansion of manufacturing industry brings the need to focus on sustainable manufacturing, in order to reduce both economic and environmental impacts. The specific cutting energy is a quantity that reflects the energy required to remove a unit volume of material and a good indicator of the efficiency of a machining process. Several empirical models that allow to estimate this indicator as function of the cutting parameters, which are a powerful tool to assist in process planning, can be found in literature. However, the use of the same known models for any type of cutting processes, materials and cutting tools can lead to less accurate estimates of specific cutting energy, thus preventing the achievement of a more efficient machining process. Thus, the aim of this dissertation is to develop a suitable methodological process from which a practical model to estimate specific cutting energy can be established, for application during end milling of 1.2738 HH tool steel, using S710 end mill from Dormer. For that purpose, Design of Experiments (DoE), Analysis of Variance (ANOVA) and Response Surface Methodology (RSM) were firstly applied to determine the influence of the machining parameters (feed per tooth, cutting speed and depth of cut) on specific cutting energy, to quantify the correlation between the parameters and this indicator and, ultimately, to gain a better understanding about the overall process behaviour, by means of a polynomial model. Afterwards, the results from these statistical approaches enabled to formulate a simple and practical model of specific cutting energy as function of only the most influent cutting parameters identified previously. Finally, the model was subjected to a validation procedure. The acquired results revealed that the model provided accurate estimates of specific cutting energy. Furthermore, in comparison with other empirical models, lower estimates were obtained.

O crescimento e expansão da indústria transformadora contribui para o surgimento de uma ideologia focada na produção sustentável, de forma a reduzir os seus impactos económicos e ambientais. A energia específica de corte é uma grandeza que reflete a energia necessária à remoção de uma unidade de volume de material e um bom indicador da eficiência de um processo de maquinagem. Diversos modelos empíricos que permitem estimar este indicador em função dos parâmetros de corte podem ser encontrados na literatura, os quais são uma ferramenta de auxílio à preparação de trabalho. Contudo, o uso dos mesmos modelos para qualquer tipo de processos de corte, materiais e ferramentas pode conduzir a estimativas menos precisas da energia específica de corte, o que consequentemente impede o alcance de uma maior eficiência ao longo de um determinado processo. Assim, o objetivo desta dissertação é desenvolver uma metodologia a partir da qual um modelo para estimar a energia específica de corte possa ser estabelecido, para aplicação durante a fresagem de topo do aço 1.2738 HH, utilizando uma fresa de topo S710 da Dormer. Para tal, o Desenho de Experiências (DE), Análise de Variância (AV) e a Metodologia da Superfície de Resposta (MSR) foram utilizados para determinar a influência dos parâmetros de maquinagem (avanço por dente, velocidade de corte e profundidade de corte) na energia específica de corte, quantificar a correlação entre os parâmetros e este indicator e, em ultima instância, para melhor compreensão do comportamento global do sistema, por meio de um modelo polinomial. Posteriormente, os resultados provenientes destas abordagens estatísticas permitiram formular um modelo de energia específica de corte em função apenas dos parâmetros de corte mais influentes. Por fim, o modelo foi submetido a um procedimento de validação. Os resultados obtidos revelaram que o modelo forneceu estimativas precisas de energia específica de corte. Em comparação com outros modelos empíricos, foram obtidas estimativas inferiores deste indicador.