A Study On Prediction of Surface Roughness and Cutting Tool Temperature After Turning For S235JR Steel

Abstract

In machining technologies, the most important criterion taken into consideration whenevaluating the product quality is seen as the surface roughness. In the consideration of productionquality and cost, tool wear is one of the factors that directly affect the cost of production. In themachining process, the most important parameters affecting the surface roughness and tool temperatureare the cutting depth, speed and feed rate of rotation. In order to obtain the best surface quality and tokeep the cost at the optimum level, the most suitable processing parameters should be selected by takinginto consideration the effect of these parameters on each other. In this study, it is aimed that toprediction of surface roughness (Ra.) and tool temperature (°C) values for turning which has animportant position in machining. For this purpose, Artificial Neural Networks (ANN) method and MultiLinear Regression Model (MLRM) were used separately. The data obtained from ANN, RegressionModel were compared with the actual test data, and the results were examined. According to theobtained results, it is seen that the ANN method has more successful results than Regression model insurface roughness and tool temperature estimation.

Talaşlı üretim teknolojilerinde, ürün kalitesi değerlendirilirken dikkate alınan en önemli kıstas yüzey pürüzlüğü olarak görülmektedir. Üretim kalitesi ve maliyet dikkate alınması durumunda ise takım aşınması, üretim maliyetini doğrudan etkileyen etkenler arasında öne çıkmaktadır. Talaşlı imalat sürecinde, yüzey pürüzlüğü ve takım sıcaklığını etkileyen parametrelerin en önemlileri; kesme derinliği, devir sayısı ve ilerleme hızıdır. En iyi yüzey kalitesini elde etme ve aynı zamanda maliyeti optimum seviyede tutabilmek için bu parametrelerin birbirlerini etkileme durumları dikkate alınarak en uygun işleme parametreleri seçilmelidir. Bu çalışmada; talaşlı üretimde önemli bir konuma sahip olan tornalama için yüzey pürüzlülüğü (Ra/Aritmetik Ortalama Sapma) ve işleme sonrası takım uç sıcaklığı (°C) değerlerinin tahmin edilmesi amaçlanmıştır. Bunun için Yapay Sinir Ağları (YSA) yöntemi ve Çoklu Lineer Regresyon Modeli (ÇLRM) ayrı ayrı kullanılmıştır. Geliştirilen YSA ve Regresyon Modelinden elde edilen veriler ile gerçek test verileri karşılaştırılmış ve sonuçlar irdelenmiştir. Elde edilen sonuçlara göre yüzey pürüzlüğü ve takım sıcaklığı tahmininde; YSA yönteminin, Regresyon modeline göre daha başarılı sonuçlar verdiği görülmüştür.