مدل‌سازی انرژی مصرفی در فرایند فرزکاری و بررسی تجربی انرژی مصرفی و زبری سطح در حالت‌های روانکاری کمینه و تر

نوع مقاله : مقاله ترویجی

نویسندگان

1 کارشناسی ارشد، مهندسی مکانیک، دانشگاه یزد

2 استادیار، مهندسی مکانیک، دانشگاه یزد

چکیده

کاهش مصرف انرژی در تولید به دلیل تقاضای روز افزون مصرف‌کننده برای محصولات تولیدی جدید، افزایش قیمت انرژی، نوسان و عدم قطعیت در عرضه انرژی و سیاست‌های حکومتی یک نیاز ضروری است. در فرایندهای ماشین‌کاری و در سطح ماشین‌ابزار، بزرگ‌ترین سهم مصرف انرژی الکتریکی زمانی است که ماشین به یک حالت آماده به کار برسد و عملیات غیر برشی مانند فعال‌سازی اسپیندل و واحدهای کمکی را پشتیبانی کند. بنابر مطالعات انجام شده، انواع مدل‌سازی انرژی مصرفی در ماشین‌کاری پیشنهاد شده ولی در مورد کاربرد این مدل‌سازی‌ها مطالعات کمی صورت گرفته است. هدف مقاله حاضر، بررسی انرژی مصرفی ماشین ‌ابزار فرز و ارائه یک روش عملی برای تخمین مصرف انرژی در فرایند ماشین‌کاری و هچنین مقایسه زبری سطح با در نظر گرفتن توان مصرفی در حالت‌های برش با روانکاری کمینه و تر است. هر جزء انرژی مصرفی با‌ در نظر گرفتن ویژگی‌های توان و پارامترهای ماشین‌کاری تخمین زده می‌شود. نتایج به ‌دست ‌آمده نشان می‌دهد که روش روانکاری کمینه از نظر میزان مصرف انرژی، کارآمد و بهینه است و باعث کاهش 16.3 درصدی انرژی مصرفی نسبت به روش روانکاری تر شده است. این نتیجه می‌تواند به طراحان برنامه‌ریزی فرایند کمک کند تا در انتخاب یک برنامه مؤثر از نظر انرژی مصرفی تصمیمات بهتری اتخاذ کنند. همچنین در حالت کمینه، زبری سطح به طور متوسط 14% نسبت به روش تر کمتر است.

کلیدواژه‌ها

موضوعات


[1] IEA. World Electricity Consumption in 2011, 2011. www.iea.org/statistics/statisticssearch/report/?country= WORLD&;product=electricityandheat&year=2011.
[2] Hao, C. W. Smes can do bit for energy conservation, too siew, 2011. sg/node/666.
[3] Kordonowy, David Nathaniel. A power assessment of machining tools. Ph.D. thesis, Massachusetts Institute of Technology, 2002.
[4] Dahmus, Jeffrey B and Gutowski, Timothy G. An environmental analysis of machining. in ASME 2004 international mechanical engineering congress and exposition, pp. 643–652. American Society of Mechanical Engineers Digital Collection, 2004.
[5] Gutowski, Timothy, Dahmus, Jeffrey, and Thiriez, Alex. Electrical energy requirements for manufacturing processes. in 13th CIRP international conference on life cycle engineering, vol. 31, pp. 623–638. Leuven, Belgium, 2006.
[6] Li, Wen, Zein, André, Kara, Sami, and Herrmann, Christoph. An investigation into fixed energy consumption of machine tools. in Glocalized solutions for sustainability in manufacturing, pp. 268–273. Springer, 2011.
[7] Campatelli, Gianni, Lorenzini, Lorenzo, and Scippa, Antonio. Optimization of process parameters using a response surface method for minimizing power consumption in the milling of carbon steel. Journal of cleaner production, 66:309–316, 2014.
[8] Mori, Masahiko, Fujishima, Makoto, Inamasu, Yasuhiro, and Oda, Yohei. A study on energy efficiency improvement for machine tools. CIRP annals, 60(1):145–148, 2011.
[9] He, Yan, Liu, Fei, Wu, Tao, Zhong, FP, and Peng, Bo. Analysis and estimation of energy consumption for numerical control machining. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 226(2):255–266, 2012.
[10] Diaz, Nancy, Helu, Moneer, Jarvis, Andrew, Tonissen, Stefan, Dornfeld, David, and Schlosser, Ralf. Strategies for minimum energy operation for precision machining. 2009.
[11] Lawal, Sunday Albert, Choudhury, Imtiaz Ahmed, and Nukman, Yusoff. A critical assessment of lubrication techniques in machining processes: a case for minimum quantity lubrication using vegetable oil-based lubricant. Journal of Cleaner Production, 41:210–221, 2013.
[12] Fratila, Domnita and Caizar, Cristian. Application of taguchi method to selection of optimal lubrication and cutting conditions in face milling of almg3. Journal of Cleaner Production, 19(6-7):640–645, 2011.
[13] Sarıkaya, Murat and Güllü, Abdulkadir. Taguchi design and response surface methodology based analysis of machining parameters in cnc turning under mql. Journal of Cleaner Production, 65:604–616, 2014.
[14] Hassanpour, Hamed, Sadeghi, Mohammad Hossein, et al. Effect of cutting fluid application on surface roughness in hard milling of 4340-alloyed steel. Modares Mechanical Engineering, 14(14):50–60, 2015.
[15] Nayeri, Mohammad Reza, Abootorabi Zarchi, Mohammad Mahdi, and Haddad Zadeh, Mohammad. The effect of minimum quantity lubrication on surface roughness in hard turning of 100cr6 bearing steel with nano-cbn tool. Modares Mechanical Engineering, 17(3):263–269, 2017.
[16] He, Yan, Liu, Fei, Wu, Tao, Zhong, FP, and Peng, Bo. Analysis and estimation of energy consumption for numerical control machining. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 226(2):255–266, 2012.
[17] Aramcharoen, Ampara and Mativenga, Paul T. Critical factors in energy demand modelling for cnc milling and impact of toolpath strategy. Journal of Cleaner Production, 78:63–74, 2014.
[18] Heydari, Behbood, Abootorabi Zarchi, Mohammad Mahdi, et al. The effect of workpiece hardness and cutting parameters on surface roughness in dry hard turning of x210cr12 cold tool steel. Modares Mechanical Engineering, 17(6):241–247, 2017.
[19] Özel, Tugrul, Hsu, Tsu-Kong, and Zeren, Erol. Effects of cutting edge geometry, workpiece hardness, feed rate and cutting speed on surface roughness and forces in finish turning of hardened aisi h13 steel. The International Journal of Advanced Manufacturing Technology, 25(3-4):262– 269, 2005.