Performance modeling and multi-objective optimization during turning AISI 304 stainless steel using coated and coated-microblasted tools

Cover Page

Cite item

Full Text

Abstract

Introduction. High-speed machining of stainless steel has long been a focus of research. Due to characteristics such as low thermal conductivity and work hardening, AISI 304 is considered to be a difficult material to cut. Machinability indicators provide important information about the efficiency and effectiveness of the machining process, enabling manufacturers to optimize their operations for increased productivity and precision. The purpose of the work. Coated carbide tools are most often used for machining AISI 304 stainless steel. Few studies, meanwhile, have examined the effects of pre-and post-treated coated carbide tools when turning these alloys at high speeds. In addition, only a small number of studies have simultaneously optimized the cutting parameters while employing pre-and post-treated tools. The methods of investigation. The present work comparatively evaluates the performance of coated and coated-microblasted tools during the turning of AISI 304 stainless steel. The tools were PVD-AlTiN coated, PVD-AlTiN coated with microblasting as a post-treatment (coated-microblasted), and MTCVD-TiCN/Al2O3 coated (MTCVD). The experimental-based mathematical models were developed to predict and optimize the turning performance. Results and Discussion. In this study, it is found that PVD-AlTiN coated tools have the lowest cutting forces and surface roughness, followed by PVD-AlTiN coated-microblasted and MTCVD-TiCN/Al2O3 coated tools. However, there is no significant difference observed in these responses for coated and coated-microblasted tools. It is found that the cutting forces increased with feed and depth of cut while decreasing with cutting speed. However, this effect is significant for MTCVD-coated tools. On the other hand, higher tool life is observed with MTCVD-TiCN/Al2O3 coated tools, followed by PVD AlTiN coated-microblasted and PVD-AlTiN coated tools. Tool life was largely affected by cutting speed. However, PVD-AlTiN coated tools exhibited this effect more noticeably. The models, with correlation coefficients found above 0.9, can be utilized to predict responses in turning AISI 304 stainless steel. The optimization study revealed that turning AISI 304 stainless steel with MTCVD-TiCN/Al2O3 coated tools incurs lower cutting forces of 18–27 N, produces a minimum surface roughness of 0.3–0.44 μm, and has a better tool life of 36–51 min compared to PVD-AlTiN coated (C) and PVD-AlTiN coated-microblasted (CMB) tools.

About the authors

S. Chinchanikar

Email: satish.chinchanikar@viit.ac.in
D.Sc. (Engineering), Professor, Vishwakarma Institute of Information Technology, Survey No. 3/4, Kondhwa (Budruk), Pune - 411039, Maharashtra, India, satish.chinchanikar@viit.ac.in

M. G. Gadge

Email: Mahendra.gadge@viit.ac.in
Candidate of Technical Sciences, Vishwakarma Institute of Information Technology, Survey No. 3/4, Kondhwa (Budruk), Pune - 411039, Maharashtra, India, Mahendra.gadge@viit.ac.in

References

  1. A study on major factors influencing dry cutting temperature of AISI 304 stainless steel / H.B. He, H.Y. Li, J. Yang, X.Y. Zhang, Q.B. Yue, X. Jiang, S.K. Lyu // International Journal of Precision Engineering and Manufacturing. – 2017. – Vol. 18. – P. 1387–1392. – doi: 10.1007/s12541-017-0165-6.
  2. Multi-objective optimization of cutting parameters in CNC turning of stainless steel 304 with TiAlN nano coated tool / V.D.P. Rao, S.R.M. Ali, S.M.S. Ali, V.N. Geethika // Materials Today: Proceedings. – 2018. – Vol. 5 (12). – P. 25789–25797. – doi: 10.1016/j.matpr.2018.06.571.
  3. Kulkarni A., Sargade V., More C. Machinability investigation of AISI 304 austenitic stainless steels using multilayer AlTiN/TiAlN coated carbide inserts // Procedia Manufacturing. – 2018. – Vol. 20. – P. 548–553. – doi: 10.1016/j.promfg.2018.02.082.
  4. Estimation and optimization of flank wear and tool lifespan in finish turning of AISI 304 stainless steel using desirability function approach / L. Bouzid, S. Berkani, M. Yallese, F. Girardin, T. Mabrouki // International Journal of Industrial Engineering Computations. – 2018. – Vol. 9 (3). – P. 349–368. – doi: 10.5267/j.ijiec.2017.8.002.
  5. Sharma N., Gupta K. Influence of coated and uncoated carbide tools on tool wear and surface quality during dry machining of stainless steel 304 // Materials Research Express. – 2019. – Vol. 6 (8). – P. 086585. – doi: 10.1088/2053-1591/ab1e59.
  6. Influence of secondary carbides on microstructure, wear mechanism, and tool performance for different cermet grades during high-speed dry finish turning of AISI 304 stainless steel / U.S. Patel, S.K. Rawal, A.F.M. Arif, S.C. Veldhuis // Wear. – 2020. – Vol. 452. – P. 203285. – doi: 10.1016/j.wear.2020.203285.
  7. Dubovska R., Majerik J., Chochlikova H. Investigation of durability T = f (vc) in turning of the AISI 304 austenitic stainless steel using the CNMG 120408 coated carbide insert // Advanced Materials Research. – 2014. – Vol. 941. – P. 1633–1643. – doi: 10.4028/ href='www.scientific.net/AMR.941-944.1633' target='_blank'>www.scientific.net/AMR.941-944.1633.
  8. Measurement of machining forces and surface roughness in turning of AISI 304 steel using alumina-MWCNT hybrid nanoparticles enriched cutting fluid / A.K. Sharma, A.K. Tiwari, A.R. Dixit, R.K. Singh // Measurement. – 2020. – Vol. 150. – P. 107078. – doi: 10.1016/j.measurement.2019.107078.
  9. Optimization of cutting parameters in CNC turning of stainless steel 304 with TiAlN nano coated carbide cutting tool / V.D.P. Rao, N. Harsha, N.R. Ram, V.N. Geethika // IOP Conference Series: Materials Science and Engineering. – 2018. – Vol. 310 (1). – P. 012109. – doi: 10.1088/1757-899X/310/1/012109.
  10. Optimizing the multiattribute characteristics of CrWN hard film tool in turning AISI 304 stainless steel / K.T. Chen, C.C. Hu, C.Y. Hsu, C.C. Tsao, P.D. Hong // Journal of Materials Engineering and Performance. – 2020. – Vol. 29. – P. 2506–2513. – doi: 10.1007/s11665-020-04732-x.
  11. Performance studies on cryogenic treated carbide cutting tool for turning of AISI304 steel / N. Patil, K. Gopalakrishna, B. Sangmesh, K. Sudhakar, G.C. Vijaykumar // Journal of Mechanical Engineering and Sciences. – 2018. – Vol. 12 (3). – P. 3927–3941. – doi: 10.15282/jmes.12.3.2018.12.0343.
  12. Multi-response optimization in environment friendly turning of AISI 304 austenitic stainless steel / T. Singh, J.S. Dureja, M. Dogra, M.S. Bhatti // Multidiscipline Modeling in Materials and Structures. – 2019. – Vol. 15 (3). – P. 538–558. – doi: 10.1108/MMMS-07-2018-0139.
  13. The influence of cutting speed variation in turning of AISI 304 materials on wear and tool life coated carbide cutting tools / S. Lubis, Rosehan, S. Darmawan, Adianto, R. Malik // International Journal of Mechanical Engineering and Technology. – 2019. – Vol. 10 (6). – P. 203–210.
  14. Wear performance of surface treated drills in high-speed drilling of AISI 304 stainless steel / S.A. Khan, S. Shamail, S. Anwar, A. Hussain, S. Ahmad, M. Saleh // Journal of Manufacturing Processes. – 2020. – Vol. 58. – P. 223–235. – doi: 10.1016/j.jmapro.2020.08.022.
  15. Bedi S.S., Behera G.C., Datta S. Effects of cutting speed on MQL machining performance of AISI 304 stainless steel using uncoated carbide insert: application potential of coconut oil and rice bran oil as cutting fluids // Arabian Journal for Science and Engineering. – 2020. – Vol. 45. – P. 8877–8893. – doi: 10.1007/s13369-020-04554-y.
  16. Optimization on the turning process parameters of SS 304 using Taguchi and TOPSIS / N.J. Rathod, M.K. Chopra, P.K. Chaurasiya, U.S. Vidhate, A. Dasore // Annals of Data Science. – 2023. – Vol. 10. – P. 1405–1419. – doi: 10.1007/s40745-021-00369-2.
  17. A comparative study on different textured and untextured tools performance in turning process / P. Sivaiah, M. Revantha Kumar, S. Bala Subramanyam, K.L.V. Prasad // Materials and Manufacturing Processes. – 2021. – Vol. 36 (8). – P. 926–935. – doi: 10.1080/10426914.2020.1866201.
  18. Sustainable hard machining of AISI 304 stainless steel through TiAlN, AlTiN, and TiAlSiN coating and multi-criteria decision making using grey fuzzy coupled taguchi method / C. Moganapriya, R. Rajasekar, R. Santhosh, S. Saran, S. Santhosh, V.K. Gobinath, P.S. Kumar // Journal of Materials Engineering and Performance. – 2022. – Vol. 31 (9). – P. 7302–7314. – doi: 10.1007/s11665-022-06751-2.
  19. Influence of cutting speed on dry machinability of AISI 304 stainless steel / S.S. Bedi, S.P. Sahoo, B. Vikas, S. Datta // Materials Today: Proceedings. – 2021. – Vol. 38. – P. 2174–2180. – doi: 10.1016/j.matpr.2020.05.554.
  20. Analysis of cutting temperature during turning of SS 304 using uncoated and PVD coated carbide inserts / A. Kulkarni, N. Ambhore, A. Deshpande, P. Anerao, S. Chinchanikar // Materials Today: Proceedings. – 2022. – Vol. 68. – P. 2569–2573. – doi: 10.1016/j.matpr.2022.09.417.
  21. Performance evaluations of Ti-based PVD coatings deposited on cermet tools for high-speed dry finish turning of AISI 304 stainless steel / U. Patel, S. Rawal, B. Bose, A.F.M. Arif, S. Veldhuis // Wear. – 2022. – Vol. 492. – P. 204214. – doi: 10.1016/j.wear.2021.204214.
  22. Özbek N.A., Karadag M.I., Özbek O. Optimization of flank wear and surface roughness during turning of AISI 304 stainless steel using the Taguchi method // Materials Testing. – 2020. – Vol. 62 (9). – P. 957–961. – doi: 10.3139/120.111571.
  23. Gaikwad V.S., Chinchanikar S. Mechanical behaviour of friction stir welded AA7075-T651 joints considering the effect of tool geometry and process parameters // Advances in Materials and Processing Technologies. – 2022. – Vol. 8 (4). – P. 3730–3748. – doi: 10.1080/2374068X.2021.1976554.
  24. Chinchanikar S., Choudhury S.K. Effect of work material hardness and cutting parameters on performance of coated carbide tool when turning hardened steel: An optimization approach // Measurement. – 2013. – Vol. 46 (4). – P. 1572–1584. – doi: 10.1016/j.measurement.2012.11.032.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».