การศึกษาปัจจัยที่มีผลต่อการตัดเฉือนในงานกัดอะลูมิเนียมผสมเกรด 6061-T6

The Effects of Machining Parameters on Milling of 6061-T6 Aluminum Alloy

Authors

  • Somsiang Chantasee Department of Industrial Engineering, Faculty of Engineering, Burapha University, Chonburi 20131 Thaliand

Keywords:

ระยะป้อนลึก, อัตราป้อน, ความหยาบผิว, อะลูมิเนียมผสมเกรด 6061-T6, การทดลองแบบเซ็นทรัลคอมโพสิต, Depth of cut, Feed rate, Surface roughness, 6061-T6 Aluminum alloy, Central composite design

Abstract

        งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาปัจจัยที่มีผลต่อการตัดเฉือนและสร้างสมการถดถอยทำนายค่าความหยาบผิวในงานกัดอะลูมิเนียมผสมเกรด 6061-T6 โดยนำเทคนิคการออกแบบเซ็นทรัลคอมโพสิตแบบเฟสเซ็นเตอร์ และกำหนดระดับปัจจัยใช้วิธีการปีนขึ้นด้วยเส้นทางที่ชันที่สุด ผลการศึกษาพบว่า ระยะป้อนลึกและอัตราป้อนมีผลต่อความหยาบผิวของชิ้นงานอย่างมีนัยสำคัญ และปัจจัยที่เหมาะสมให้ค่าความหยาบผิวต่ำสุด คือ อัตราป้อน 35.60 มิลลิเมตรต่อนาที และระยะป้อนลึก 1.875 มิลลิเมตร ได้สมการถดถอยใช้ทำนายค่าความหยาบผิว ค่าความหยาบผิว = 0.0279616+0.0244447(ระยะป้อนลึก)-4.76401x10-4(อัตราป้อน)+8.22542x10-6 (อัตราป้อน2) เมื่อทดสอบสมมติฐานเปรียบเทียบค่าเฉลี่ยความหยาบผิวที่ได้จากการทดลองเพื่อยืนยันสมการกับค่าที่ได้จากการแทนค่าสมการถดถอย พบว่าค่าทั้งสองไม่แตกต่างกัน ดังนั้นสมการถดถอยใช้ทำนายค่าความหยาบผิวของอะลูมิเนียมผสมเกรด 6061-T6 ได้ 

        This research aims to study factors affecting surface roughness and determine the regression model to prodict surface roughness in CNC precision milling process of 6061-T6 aluminum alloy using a technique of central composite design face-centered. The study employed steepest ascent technique to identify levels of factors. The experimental results indicated that the significant factors were main effect of depth of cut and feed rate. The regression model was established and used to determine the minimum surface roughness with feed rate of 35.60 millimeter per minute and depth of cut of 1.875 millimeter. The regression model used to predict the surface roughness is expressed as Ra = 0.0279616+0.0244447(Depth of cut)-4.76401x10-4(Feed rate)+8.22542x10-6(Feed rate2). After experiment verification, the significance and validity of the models were confirmed. Therefore, it could be concluded that established regression model was the reliable tool to predict the surface roughness of 6061-T6 aluminum alloy. 

References

Chantasee, S., & Punsomsakul, S. (2014). Surface roughness prediction of 6061-T6 aluminum alloy in milling using regression model. KKU Res. J., 19(2), 293-304.

Demir, H., & Gündüz, S. (2009). The effects of aging on machinability of 6061 aluminum alloy. Materials & Design, 30, 1480-1483.

Draper, N. R., & Smith, H. (1981). Applied Regression Analysis. New York: Wiley.

Kadirgama, K., Noor, M. M., Rahman, M. M., Rejab, M. R. M., Haron, C. H. C., & Abou-El-Hossein, K. A. (2009). Surface roughness prediction model of 6061-T6 aluminium alloy machining using statistical method. European Journal of Scientific Research, 25(2), 250-256.

Kadirgama, K., Noor, M. M., Zuki, N. M. N.M., Rahman M. M., Rejab, M. R. M., Daud, R., & Abou-El-Hossein, K. A. (2008). Optimization of surface roughness in end milling on mould aluminium alloys using response surface method and radian basis function network. Jordan journal of mechanical and industrial engineering, 2, 209-214.

Liew, W. Y. H. (2004). The effect of air in the machining of aluminium alloy. Tribology letters, 17(1), 41-49.

Kuttolamadom, M., Hamzehlouia, S., & Mears, L. (2010). Effect of machining feed on surface roughness in cutting 6061 aluminum. SAE International journal of materials and manufacturing, 3(1), 108-119.

Mold and Die Industry Development. (2007). Mold operational manual, repair and maintenance dies of Techniques. Chonburi: Thai-German Institute.

Tragangoon, C. (2005). CNC Technology. Bangkok: Technology Promotion Association (Thailand-Japan).

Yamane, T. (1973). Statistics: An Introductory Analysis. New York: Harper and Row Publication.

Downloads

Published

2017-02-10

Issue

Section

Research Articles