GÜVEN MERAL, HAKAN DİLİPAK, MURAT SARIKAYA

AISI 1050 malzemenin delinmesinde delme parametrelerinin delik kalitesi üzerindeki etkisinin çoklu regresyon metoduyla modellenmesi

Bu çalışmada, delme işlemlerinde önemli yere sahip olan delik çapındaki değişim, dairesellikten sapma ve silindiriklikten sapma, deneysel olarak araştırılmış ve delme parametrelerinin delik kalitesi üzerindeki etkisi çoklu regresyon metoduyla ortaya konulmuştur. Deneylerde 6, 8, 10 mm çaplarında kaplamasız ve PVD metodu ile TiAlN kaplanmış kaplamalı HSS matkaplar kullanılmıştır. Deneyler üç farklı kesme hızı (20, 30, 40 m/dak) ve üç farklı ilerleme (0,05, 0,1, 0,15 mm/dev) değerlerinde kuru delme şartlarında CNC dik işleme merkezinde yapılmıştır. Deney sonuçları ikinci dereceden çoklu regresyon analizi ile SPSS 15 yazılımı kullanılarak değerlendirilmiştir. Sonuç olarak hc (çaptan sapma), hd (dairesellikten sapma) ve hs (silindirlikten sapma) için en küçük kareler yöntemi kullanılarak elde edilen korelasyon katsayısının karesi (R²) değerleri sırasıyla %95,2, %88,3, %76 bulunmuştur. Delik kalitesine etki eden parametrelerin belirlenerek, matematiksel bir formül elde edilmesi ve tahmin sonuçlarının ortaya konulmasında, ikinci dereceden çoklu regresyon modelinin uygulanabilir olduğu tespit edilmiştir. Ayrıca, delik kalitesi parametreleri içerisinden delik çapındaki değişimin regresyon modeliyle hesaplanmasında, en yüksek R² değerinin elde edildiği ve en iyi tahmin sonuçlarının bu modelde oluştuğu görülmüştür.

The modeling of drilling parameters effect on the hole quality in drilling of AISI 1050 material via multiple regression method

In this study the important parameters, in drilling operations like changing on the hole diameter, deflection of circularly and deflection of cylindrically have been researched as experimentally and the effect of drilling parameters on hole quality has been appeared with multiple regression methods. In the experiments have been used uncoated drill which diameters of 6, 8, 10 mm and TiA1N coated HSS drills with PVD method. The experiments have been made three different cutting speeds (20, 30, 40 m/min) and three different feed rate (0,05, 0,1, 0,15 mm/min) on the CNC milling machine with dry drilling conditions. Later, the experimental results have been analyzed with SPSS 15.0 programmed using two degrees multiple regression method. As a result,hc(diameterdeviation), hd(circularitydeviation) andhs(cylindersdeviation) obtainedusingthemethodof leastsquarestothesquare ofcorrelationcoefficient(R ²) respectively95,2%, 88,3%, 76%. As Result, has been showed that in order to obtaining a mathematical formula with through to determine hole quality influence parameters and in the exhibit of estimate results is applicable of two degree multiple regression model. Moreover, it has been appeared that the maximum value is obtained at R² and best estimate results make for calculation with regression model change of hole diameter in the hole quality parameters.

PDF

___

1. Yalçın, B., 2002,“Yüksek Hız Çeliği Kesici Takım Üzerine Yapılan Titanyum Nitrür Kaplamanın Kesici Takım Performansına Etkilerinin İncelenmesi”. Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü.
2. Tonshoff, H.L., Spintig, W., Konig, W., Neises, A., 1994, “Machining Of Holes Developments Đn Drilling Techonolgy”, Annals Of The CIRP, 43 (2): 551-560.
3. Seker, U.,2006, “Talas Kaldırma Prensipleri Ders Notları”Ankara.
4. Mike, S., L., Joseoh, C., Caleb M., 1998,“Surface Roughness Prediction Technique For CNC End- Milling”,Journal Of Industry Technology, 15, 1, 1-1-6.
5. Kadirgama, K., Naar, M., M., Zuki, M., M., Rahman, M., M., Rejab, M., R., M., Daud, R., Hessein, A.,2008,“Optimization Of Surface Roughness An End-Milling On Mound Aluminium Alloys (AA6061-T6) Using Response Surface Method And Radian Basis Function Network”,Jordan Of Mechanical And Industrial Engineering, 2, 4, 209-214.
6. Lahidi, B., 1997,“Determining Deflection For Metal Turning Operations”,Journal Of Industrial Technology, 13, 2, 21-33.
7. Çakır, C.M., 2009, “Mathematical Modeling Of Surface Roughness For Evaluating The Effects Of Cutting Parametres And Coating Material”, Journal Of Materials Processing Technology, 209, 102-109.
8. Tasdemir, S., Neseli, S., Sarıtas, İ., Yaldız, S., 2008,“Prediction Of Surface Roughness Using Artificial Neural Network İn Lathe”, Compsystech’08, Gabrovo, Bulgaristan.
9. Akkurt, M., 1998,“Talas Kaldırma Yöntemleri Ve Takım Tezgahları”, Birsen Yayınevi, İstanbul, 23-90.
10. Sıklar, E.,2000, “Regresyon Analizine Giris”, Anadolu Üniversitesi Yayınları, Eskisehir.