Ç1018 çelik malzemenin işlenmesinde uygun kesici takımın belirlenmesi

Abstract

Bu çalışmada, Ç1018 çelik malzeme tornalama yöntemiyle işlenerek, kesici uç geometrisinin, kesme parametrelerinin yüzey pürüzlülüğü ve yığıntı talaş oluşumu üzerindeki etkileri incelenmiş ve bunlara bağlı olarak en uygun kesici takım belirlenmiştir. Deneyler, dört farklı kesme hızında (200, 240, 280 ve 320 m/dk), dört farklı ilerleme miktarı (0,1, 0,2, 0,3 ve 0,4 mm/dev) ve 2 mm sabit kesme derinliğinde soğutma sıvısı kullanılarak yapılmıştır. Kesici takım olarak, farklı uç geometrilerine sahip 0,8 mm uç yarıçapında, kaplamalı karbür kesici takımlar kullanılmıştır. Deneysel sonuçlardan kesici takım uç geometrisinin, kesme hızı ve ilerleme miktarının yüzey pürüzlülüğü üzerinde önemli derecede etkili olduğu görülmüştür. İşleme deneylerinde kullanılan silici (wiper) ve silindirik (geleneksel) kesici uç geometrisine sahip kesici takımlar farklı kesme hızı ve ilerleme miktarlarına tabi tutulup, bu kesme parametrelerinde yüzey pürüzlülük değerleri ölçülmüş, en düşük yüzey pürüzlülük değerlerinin silici uç geometrisine sahip kesici takımla işlenen yüzeylerde olduğu görülmüştür. Uygulanan işleme parametrelerinin kesici takım üzerinde oluşturduğu yığıntı katmanı ve yığıntı talaş oluşumu tarama elektron mikroskobu (SEM) ile incelenmiştir. Yığıntı talaş (YT) ve yığıntı katmanı (YK) oluşumunun en fazla görüldüğü kesici takımın, silindirik kesici uç geometrisine sahip kesici takım olduğu görülmüştür. İşleme deneylerinde kesici takımların işleme parametrelerine göre talaş formları incelenmiş ve en uygun talaş formlarının silici uç geometrisine kesici takımla elde edildiği görülmüştür. İşleme deneylerinin sonucunda Ç1018 çelik malzemenin işlenmesinde en uygun kesici takımın silici uç geometrisine sahip kesici takım olduğu anlaşılmıştır. Yapılan deneylerde elde edilen veriler bir yapay sinir ağının (YSA) eğitiminde kullanılmıştır. YSA modellemesinde giriş parametreleri; ilerleme miktarı (f), kesme hızı (Vc) ve çıkış parametresi; yüzey pürüzlülüğü (Ra) olarak belirlenmiştir. Bu modelleme ile yüzey pürüzlülük değerleri tahmin edilmiştir. YSA, Pythia programı kullanılarak tasarlanmıştır. Deneysel sonuçlarla YSA sonuçları karşılaştırıldığında, tasarlanan modelin başarılı bir şekilde uygulandığı ve deney sonuçlarına yakın sonuçlar verdiği görülmüştür.

In this study, AISI 1018 material was machined by turning. The influence of cutting tool geometry and cutting parameters on surface roughness and chip formation was investigated and the most suitable cutting tool was determined. The experiments are completed at four different cutting speeds (200, 240, 280 and 320 m/min), four different feed rates (0,1, 0,2, 0,3 and 0,4 mm/rev) and a constant depth of cut (2 mm) by using coolant. Coated carbide cutting tools of different geometries with 0,8 mm tip radius were used. From experimental results, it was seen that cutting tool geometry, feed rate and cutting speeds had significant effect on surface roughness. The lowest surface roughness values were obtained with wiper cutting edge geometry, on the other hand, the highest surface roughness values were obtained with cylindrical (traditional) cutting edge geometry. Tool with wiper and cylindrical (traditional) cutting edge geometries were subjected to different feed rates and cutting speeds, surface roughness values are measured and the lowest surface roughness values are measured with wiper edge geometry cutting tool. The layer formed on cutting tool and chip formation was investigated with scanning electron microscope (SEM). Most of the chip and built-up layer formation were observed with cylindrical cutting edge geometry cutting tool. The experiments show that the most appropriate chip formations were obtained with wiper edge geometry cutting tool. As a result, it is understood that wiper edge geometry cutting tool is the most appropriate cutting tool for turning AISI 1018 material. After the experimental study, to predict the surface roughness, an artificial neural network (ANN) was developed using the experimental results. In modelling of ANN; feed rate (f) and cutting speed (Vc) were used as input parameters where the output parameter were surface roughness (Ra). The ANN was designed by using Pythia software.