ỨNG DỤNG TRÍ TUỆ NHÂN TẠO (AI) TRONG DỰ ĐOÁN ẢNH HƯỞNG CỦA LƯỢNG CHẠY DAO VÀ TỐC ĐỘ TRỤC CHÍNH ĐẾN ĐỘ NHÁM BỀ MẶT KHI GIA CÔNG BIÊN DẠNG 3D VẬT LIỆU NHÔM 7075-T6 BẰNG DAO PHAY CẦU TRÊN MÁY PHAY CNC

Tóm tắt

Bài báo giới thiệu về ứng dụng trí tuệ nhân tạo (AI) để dự đoán độ nhám bề mặt (Ra) khi phay biên dạng 3D vật liệu hợp kim nhôm 7075-T6 bằng dao phay cầu. Hai thông số công nghệ chính là lượng chạy dao (F) và tốc độ trục chính (S) được khảo sát trong khoảng S = 2000 ÷ 4000 vòng/phút, F: 200 ÷ 800 mm/phút. Dữ liệu thực nghiệm được sử dụng để huấn luyện hai mô hình AI gồm Mạng nơ-ron nhân tạo (ANN) và Random Forest (RF). Kết quả cho thấy mô hình RF cho độ chính xác cao hơn ANN với sai số nhỏ (0.01 µm), đã đưa ra dự đoán chính xác Ra và hỗ trợ xác định chế độ cắt tối ưu có kiểm chứng bằng thực nghiệm. Do vậy ứng dụng AI góp phần giảm chi phí và thời gian thí nghiệm trong thực tế

Title

APPLICATION OF ARTIFICIAL INTELLIGENCE (AI) IN PREDICTING THE EFFECT OF FEED RATE AND SPINDLE SPEED ON SURFACE ROUGHNESS DURING 3D PROFILE MILLING OF 7075-T6 ALUMINUM ALLOY USING A BALL- END MILL ON CNC MILLING MACHINE

Abstract

This study investigates the application of Artificial Intelligence (AI) to predict surface roughness (Ra) during 3D profile milling of 7075-T6 aluminum alloy using a ball-end mill. Two main machining parameters, feed rate (F) and spindle speed (S), are examined within the ranges of S = 2000 ÷ 4000 rpm and F = 200 ÷ 800 mm/min. Experimental data are used to train two AI models: Artificial Neural Network (ANN) and Random Forest (RF). The results show that the RF model achieves higher accuracy than ANN, with a minimal error of 0.01 µm, enabling precise prediction of Ra and assisting in the determination of optimal cutting conditions. The application of AI contributes to reducing experimental cost and time in practice. The research aims to apply AI to predict the influence of F and S on surface roughness, thereby optimizing cutting parameters. The predicted results are experimentally validated to identify optimal cutting conditions, improve machining efficiency, and reduce production costs