TỐI ƯU HÓA ĐỒNG THỜI NĂNG SUẤT BÓC TÁCH VẬT LIỆU VÀ ĐỘ NHÁM BỀ MẶT TRONG GIA CÔNG TIA LỬA ĐIỆN CÓ HỖ TRỢ RUNG ĐỘNG SIÊU ÂM TRÊN THÉP HARDOX 500 BẰNG PHƯƠNG PHÁP NSGA-II VÀ MABAC

Tóm tắt

Nghiên cứu này đề xuất một khung tối ưu hóa đa mục tiêu cho quá trình gia công tia lửa điện vật liệu thép HARDOX 500 có hỗ trợ rung động siêu âm (UV-EDM). Các mục tiêu chính là đồng thời tối đa hóa năng suất bóc tách vật liệu (MRR) và tối thiểu hóa độ nhám bề mặt (Ra), đại diện lần lượt cho năng suất và chất lượng bề mặt. Dữ liệu thực nghiệm được mô hình hóa bằng Gaussian Process Regression (GPR), và bài toán tối ưu được giải bằng giải thuật di truyền phân loại không trội NSGA-II để xây dựng biên Pareto các nghiệm đánh đổi. Để hỗ trợ ra quyết định, phương pháp MABAC (Multi-Attributive Border Approximation area Comparison) được áp dụng nhằm chọn ra nghiệm cân bằng nhất từ tập Pareto. Kết quả cho thấy cách tiếp cận lai NSGA-II–MABAC đề xuất đã xác định hiệu quả các thông số gia công tối ưu, mang lại sự thỏa hiệp hợp lý giữa MRR cao và Ra thấp. Quá trình tiến hóa các biên Pareto qua các thế hệ khẳng định khả năng hội tụ của NSGAII, đồng thời phân tích điểm gối (knee-point) xác nhận rõ ràng đặc trưng đánh đổi. Khung tích hợp này cung cấp một phương pháp tiếp cận mạnh mẽ để đạt đồng thời năng suất và chất lượng bề mặt trong EDM có hỗ trợ siêu âm trên vật liệu khó gia công như HARDOX 500, và có thể mở rộng cho các quá trình gia công tiên tiến khác.

Title

SIMULTANEOUS OPTIMIZATION OF MATERIAL REMOVAL RATE AND SURFACE ROUGHNESS IN ULTRASONIC VIBRATION-ASSISTED EDM OF HARDOX 500 USING NSGA-II AND MABAC

Abstract

In this study, a multi-objective optimization framework is proposed for ultrasonic vibrationassisted electrical discharge machining (UV-EDM) of HARDOX 500 steel. The main objectives are to simultaneously maximize the material removal rate (MRR) and minimize the surface roughness (Ra), which represent productivity and surface quality, respectively. Experimental data were modeled using Gaussian process regression (GPR), and the optimization problem was solved with the Non-dominated Sorting Genetic Algorithm II (NSGA-II) to generate a Pareto front of
trade-off solutions. To support decision-making, the Multi-Attributive Border Approximation area Comparison (MABAC) method was applied to select the most balanced solution from the Pareto set.
The results demonstrate that the proposed NSGA-II–MABAC hybrid approach effectively identifies optimal machining parameters, providing a favorable compromise between high MRR and low Ra. The evolution of Pareto fronts across generations confirmed the convergence behavior of NSGAII, while the knee-point analysis further validated the trade-off characteristics. This integrated framework offers a robust methodology for achieving simultaneous productivity and surface integrity in ultrasonic-assisted EDM of hard-to-machine materials such as HARDOX 500, and it can be extended to other advanced machining processes