TỐI ƯU HÓA TỐC ĐỘ BÓC TÁCH VẬT LIỆU TRONG QUÁ TRÌNH PHAY THÉP 90CRSI TÔI CỨNG SỬ DỤNG BÔI TRƠN NANO-MQL VỚI HẠT CUO

Tóm tắt

Nghiên cứu này nhằm tối ưu hóa tốc độ bóc tách vật liệu (MRR) trong quá trình phay thép dụng cụ 90CrSi đã tôi cứng, sử dụng phương pháp bôi trơn tối thiểu có pha hạt nano (Nano-MQL). Thiết kế thí nghiệm Box–Behnken (BBD) được sử dụng để khảo sát ảnh hưởng của tốc độ cắt, lượng chạy dao trên mỗi răng, chiều sâu cắt và kích thước hạt CuO đến MRR. Tổng cộng 45 thí nghiệm đã được thực hiện sử dụng dao phay hợp kim phủ nano-composite (Ø12 mm, 6 me cắt) trên vật liệu 90CrSi có độ cứng 56-60 HRC. Dung dịch bôi trơn nano được pha chế bằng cách phân tán 2% khối lượng hạt CuO trong dầu hạt cải, và được cung cấp đến vùng cắt với lưu lượng 100 mL/h dưới áp suất khí nén 4 at. Mô hình hồi quy bậc hai được xây dựng nhằm phân tích mức độ ảnh hưởng của từng yếu tố cũng như các tương tác giữa chúng đến MRR. Đồng thời, các biểu đồ hiệu ứng chính và phân tích bề mặt đáp ứng cũng được thực hiện để minh họa xu hướng và xác định điều kiện tối ưu. Kết quả cho thấy tốc độ cắt và chiều sâu cắt là hai yếu tố ảnh hưởng lớn nhất đến MRR, trong khi kích thước hạt CuO có ảnh hưởng thứ yếu nhưng tích cực. Mô hình hồi quy thu được có độ chính xác cao, là công cụ hữu ích trong việc lựa chọn thông số công nghệ phù hợp nhằm nâng cao hiệu quả gia công bền vững vật liệu cứng

Title

MRR OPTIMIZATION IN NANO-MQL MILLING OF HARDENED 90CRSI TOOL STEEL USING CUO NANOPARTICLES

Abstract

This study aims to optimize the material removal rate (MRR) in the hard milling of 90CrSi tool steel under nano-minimum quantity lubrication (Nano-MQL) conditions. A Box–Behnken Design (BBD) was employed to investigate the effects of cutting speed, feed per tooth, depth of cut, and CuO nanoparticle size on MRR. A total of 45 experiments were conducted using a nanocomposite coated carbide tool (Ø12 mm, 6 flutes) on hardened 90CrSi steel with a hardness of 5660 HRC. The nano-lubricant was prepared by dispersing 2 wt.% CuO nanoparticles into canola oil and delivered to the cutting zone at a flow rate of 100 mL/h with a compressed air pressure of 4 atm. A second-order regression model was developed to analyze the influence of each factor and their interactions on MRR. Main effects plots and surface response analysis were also performed to visualize trends and identify optimal conditions. The results showed that cutting speed and depth of cut were the most significant contributors to MRR, while CuO nanoparticle size had a secondary but positive effect. The regression model demonstrated high predictive accuracy, providing a valuable tool for parameter selection in sustainable machining of hard materials