ENGINEERING SUPPORT PROBLEM FOR THE STABILITY ASSUARANCE IN DEEP DRILLING OPERATIONS FOR LARGE-SIZED FORGING AND PRESSING BLANKS WORK ON MULTI-PURPOSE CNC MACHINES

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

the article discusses the problem of technological stability assurance of deep drilling operations performed on automated equipment – multipurpose CNC machines. A group of large-sized forging parts and pressing blanks is viewed. It is shown that using a set of special drills and counterboring tools instead of universal horizontal milling machine makes it possible to avoid making special tools and contributes to the improvement of cutting modes, but the problem of stability assurance re-mains. A study of the hardness of such forgings revealed the unevenness of this characteristic in various parts of the work-piece. Despite the fact that, from the point of view of statistics, the totality of experimental data is homogeneous and the flow process of metallurgical forging production is stable, the revealed hardness variability turns out to be very sensitive for the subsequent stage of machining, namely for its special type like deep drilling. Experimental studies of chip formation in hole-making operations have proved that. It is noted that the task of managing the operability of tools and the quality of the re-sulting surfaces should be solved both at the stage of process design and just within operations. The latter can be solved through adaptive control, which is implemented on modern mass-produced multipurpose CNC machines in terms of the op-erating cutting power, which does not require retrofitting an automated machine-tool fleet for machining sites. The ra-tionale for the selection of factors and their variation levels in the construction of regression models used for design process and adaptive control of deep drilling operations on multipurpose CNC machines is given.

Авторлар туралы

Aleksandr Ingemansson

J-S Co. “FSPC “Titanium-Barricades”

Email: aleing@yandex.ru
candidate of technical sciences

Nikita Tolstyakov

Volgograd State Technical University

Әдебиет тізімі

  1. Плотников А. Л., Чигиринский Ю. Л., Тихонова Ж. С., Фролов Е. М., Крайнев Д. В. Как научить систему ЧПУ решать технологическую задачу по выбору надёжных значений параметров процесса металлообработки // Наукоёмкие технологии в машиностроении. 2022. №. 3. С. 32−39. DOI: https://doi.org/10.30987/2223-4608-2022-3-32-39.
  2. Бутенко В. И., Лебедев В. А., Колганова Е. Н., Кадач Р. Г. Эффективные способы заточки металлорежущих инструментов из быстрорежущей стали и твёрдых сплавов // Наукоёмкие технологии в машиностроении. 2024. №. 11. С. 44−48. DOI: https://doi.org/10.30987/2223-4608-2024-44-48.
  3. Старков В. К. Физика и оптимизация резания материалов. М.: Машиностроение, 2009. 640 с.
  4. Григорьев С. Н., Маслов А. Р. Обработка резанием в автоматизированном производстве: учебник. М.: Машиностроение, 2008. 372 с.
  5. Шатцль Д., Коль Р. Глубокое сверление // РИТМ машиностроения. 2015. №. 5. С. 37−39.
  6. Ингеманссон А. Р., Толстяков Н. А. Исследование рассеяния твердости крупногабаритных кузнечно-прессовых заготовок и влияния на обрабатываемость резанием // Известия Волгоградского государственного технического университета. 2023. № 8. С. 18−21. doi: https://doi.org/10.35211/1990-5297-2023-8-279-18-21.
  7. Толстяков Н. А., Ингеманссон А. Р. Влияние неравномерного распределения твердости в крупногабаритных кузнечно-прессовых заготовках на характеристики стружкообразования на операциях глубокого сверления // Известия Волгоградского государственного технического университета. 2024. № 3. С. 30−33. DOI: https://doi.org/10.35211/1990-5297-2024-3-286-30-33.
  8. Суслов А. Г., Петрешин Д. И., Шалыгин М. Г., Хандожко В. А. Автоматизированное технологическое обеспечение и повышение эксплуатационных свойств деталей машин // Наукоёмкие технологии в машиностроении. 2024. №. 7. С. 24−33. DOI: https://doi.org/10.30987/2223-4608-2024-24-33.
  9. Унянин А. Н., Финагеев П. Р. Исследование эффективности методики коррекции режима процесса механической обработки с изменяющимися во времени параметрами в условиях неопределенности технологической информации // Наукоёмкие технологии в машиностроении. 2023. №. 12. С. 23−29. doi: https://doi.org/10.30987/2223-4608-2023-23-29.
  10. Korloy. Metal cutting tools: catalogue. South Korea: Korloy Publ., 2017. P. 1060.
  11. Верещака А. С., Третьяков И. П. Режущие инструменты с износостойкими покрытиями. М.: Машиностроение, 1986. 192 с.
  12. Справочник технолога / под общей ред. А. Г. Суслова. М.: Инновационное машиностроение, 2019. 800 с.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML

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».