Optimización basada en datos de parámetros de mecanizado para Hastelloy C276 utilizando los marcos PSO y TLBO

Área de la Ciencia:

• Ciencia de los Materiales
• Ingeniería de Manufactura
• Mecanizado Sostenible

Sus antecedentes:

• Hastelloy C276 es una aleación de alto rendimiento crucial para las industrias aeroespacial y química.
• Sus propiedades superiores presentan desafíos significativos de mecanizado debido a su alta resistencia y endurecimiento por trabajo.
• Las prácticas de mecanizado sostenible son cada vez más importantes para reducir el impacto ambiental.

Objetivo del estudio:

• Investigar sistemáticamente la maquinabilidad del Hastelloy C276 bajo varios métodos de enfriamiento/lubricación sostenibles.
• Analizar el impacto de los parámetros de corte en la rugosidad de la superficie, la fuerza de corte, el desgaste de la herramienta y la temperatura.
• Optimizar las condiciones de mecanizado utilizando algoritmos computacionales avanzados.

Principales métodos:

• Experimentos realizados utilizando un arreglo ortogonal L16 de Taguchi.
• Se probaron cuatro entornos: mecanizado en seco, lubricación de cantidad mínima (MQL), MQL nano-mejorada (NMQL) y CO₂ criogénico (CCO₂).
• Se utilizó el Análisis de Varianza (ANOVA) para determinar la significancia de los parámetros; Optimización por Enjambre de Partículas (PSO) y Optimización Basada en Enseñanza-Aprendizaje (TLBO) para la optimización.

Principales resultados:

• El enfriamiento con CO₂ criogénico redujo la rugosidad de la superficie y la fuerza de corte en un 30-40% en comparación con el mecanizado en seco.
• Se observaron reducciones significativas en el desgaste de la herramienta y la temperatura de corte con CO₂ criogénico.
• La velocidad de avance y la velocidad de corte se identificaron como los parámetros más influyentes para la rugosidad de la superficie y la temperatura.
• PSO logró una tasa de éxito de optimización más alta (83,6%) que TLBO (79,1%).

Conclusiones:

• El mecanizado asistido por CO₂ criogénico ofrece una estrategia eficaz y sostenible para mejorar la maquinabilidad del Hastelloy C276.
• NMQL proporciona beneficios moderados a través de una lubricación mejorada.
• Los algoritmos de optimización evolutiva son herramientas valiosas para determinar los parámetros de mecanizado óptimos para aleaciones desafiantes.