PHÂN TÍCH ẢNH HƯỞNG CỦA CÁC THÔNG SỐ CHẾ ĐỘ CẮT ĐẾN ĐỘ NHÁM BỀ MẶT KHI GIA CÔNG VẬT LIỆU SUS440C

Tóm tắt

 Bài báo trình bày nghiên cứu tối ưu hóa đa mục tiêu cho quá trình tiện cứng thép không gỉ mactenxit SUS440C (58-62 HRC) bằng dao CBN trong điều kiện cắt khô. Phương pháp Bề mặt Đáp ứng (RSM) với thiết kế Box-Behnken 16 lượt được sử dụng để xây dựng mô hình hồi quy cho độ nhám bề mặt Ra. Phân tích ANOVA và quy trình loại bỏ lùi (Backward Elimination) cho thấy chỉ có bước tiến f (tuyến tính và bậc hai) là các thành phần có ý nghĩa thống kê (p < 0,001); mô hình rút gọn cuối cùng chỉ gồm hai số hạng này, đạt R² = 0,982 và R2adj = 0,979, không có lack-of-fit (p= 0,671). Năng suất cắt gọt MRR được tính trực tiếp từ công thức vật lý xác định, không mô hình hóa bằng RSM nhằm tránh sai lầm phương pháp luận. Tối ưu hóa đa mục tiêu (tối thiểu hóa Ra, tối đa hóa MRR) bằng Hàm Thỏa mãn Tổng hợp (DFA) xác định điểm tối ưu thỏa hiệp tại Vc = 200 m/phút, f = 0,12 mm/vòng, ap= 0,20 mm với D = 0,750. Thí nghiệm kiểm chứng xác nhận mô hình với sai lệch dưới 10%. So với tối ưu đơn mục tiêu, điểm DFA tăng MRR lên 7,6 lần trong khi Ra tăng ở mức chấp nhận được. Giới hạn của nghiên cứu (không đo mòn dao thực nghiệm) và hướng nghiên cứu tiếp theo cũng được thảo luận. 

Title

ANALYSIS OF THE EFFECTS OF CUTTING PARAMETERS ON SURFACE ROUGHNESS IN MACHINING OF SUS440C MATERIAL

Abstract

 This paper presents a multi-objective optimization study for the hard turning of martensitic SUS440C stainless steel (58-62 HRC) using a CBN insert under dry cutting conditions. Response Surface Methodology (RSM) with a 16-run Box-Behnken design is employed to build a regression model for surface roughness Ra. ANOVA and Backward Elimination reveal that only feed rate f (linear and quadratic terms) is statistically significant (p < 0.001); the final reduced model contains only these two terms, achieving R² = 0.982 and R2adj= 0.979 with no lack-of-fit (p = 0.671). Material removal rate (MRR) is computed directly from the deterministic physical formula rather than modeled by RSM, thereby avoiding a methodological error. Multi-objective optimization (minimizing Ra, maximizing MRR) via the Desirability Function Approach (DFA) identifies a compromise optimum at Vc = 200 m/min, f = 0.12 mm/rev, ap = 0.20 mm with D = 0.750. A confirmation experiment  validates the model with an error below 10%. Compared to single-objective optimization, the DFA point increases MRR by 7.6× while maintaining an acceptable Ra level. Study limitations (absence of experimental tool wear measurement) and future research directions are also discussed.