Avaliação do Desgaste de Ferramenta no Processo de Fresamento em Polímeros Utilizando Sistema de Monitoramento Não Invasivo de Código Aberto
DOI:
https://doi.org/10.5433/1679-0375.2024.v45.49800Palavras-chave:
Fluido de corte, Arduino, Código aberto, Acrílico, PVCResumo
Este estudo apresenta um sistema de monitoramento não invasivo e acessível para estimar a demanda de corrente elétrica durante o fresamento de topo de acrílico e PVC expandido, com e sem o uso de fluido de corte. O sistema proposto consiste em uma placa Arduino® integrada a um sensor de corrente elétrica SCT-013-000, um módulo RTC-DS3231 e um módulo SC Card, que realizam a medição e o armazenamento dos valores de corrente elétrica coletados diretamente do cabo de alimentação do Router Spindle TVS.1ZM3.12. Os dados foram coletados em um teste de usinabilidade, onde foram avaliadas diferentes concentrações de fluido de corte e parâmetros de corte (velocidade de corte e avanço). As saídas incluíram rugosidade superficial, consumo de corrente elétrica, formato do cavaco e desgaste da ferramenta. Os resultados foram analisados estatisticamente por meio de análise de variância (ANOVA), revelando que os diferentes fatores tem efeito individual no consumo de corrente elétrica. Observou-se que o desgaste da ferramenta contribuiu para o aumento no consumo do motor principal. Além disso, a redução no consumo de corrente elétrica com o uso do fluido de corte indica uma diminuição no atrito entre a ferramenta e a peça.
Referências
Campos, J. C. R., Panzera, T. H., & Scarpa, F. (2015). Machining behaviour of three high-performance engineering plastics. Proceedings of the Institution of Mechanical Engineers, Part B Journal of Engineering Manufacture, 229(1), 28–37.
Gnatowski, A., Golebski, R., Sikora, P., Petru, J., & Hajnys, J. (2023). Analysis of the impact of changes in thermomechanical properties of annealed semi-crystalline plastic on the surface condition after the machining process. Materials, 16(13), 1–16.
Hill, J. L., Prickett, P. W., Grosvenor, R. I., & Hankins, G. (2019). The practical exploitation of machine tool intelligence. The International Journal of Manufacturing Technology, 104, 1693–1707.
Kuntoğlu, M., Aslan, A., Pimenov, D. Y., Usca, Ü. A., Salur, E., Gupta, M. K., Mikolajczyk, T., Giasin, K., Kaplonek, W., & Sharma, S. (2021). A review of indirect tool condition monitoring systems and decision-making methods in turning: Critical analysis and trends. Sensors, 21(1), 1–32.
Low, K. O., & Wong, K. J. (2011). Influence of ball burnishing on surface quality and tribological characteristics of polymers under dry sliding conditions. Tribology International, 44(2), 144–153.
Montgomery, D. C. (2013). Design and analysis of experiments. John Wiley & Sons.
Patra, K., Pal, S. K., & Bhattacharyya, K. (2007). Artificial neural network based prediction of drill flank wear from motor current signals. Applied Soft Computing, 7(3), 929–935.
Prickett, P. W., & Johns, C. (1999). An overview of approaches to end milling tool monitoring. International Journal of Machine Tools & Manufacture, 39(1), 105–122.
Reñones, A., Rodríguez, J., & Miguel, L. J. d. (2010). Industrial application of a multitooth tool breakage detection system using spindle motor electrical power consumption. The International Journal of Advanced Manufacturing Technology, 46, 517–528.
Sales, W. F., Diniz, A. E., & Machado, Á. R. (2001). Application of cutting fluids in machining processes. Journal of the Brazilian Society of Mechanical Sciences, 23(2).
Valentim, M. d. M., Santos, A. L. d., Sichieri, V. J., & Gonçalves, J. F. d. S. (2023). Evaluation of Intergranular Corrosion in 7050-T7451 Aluminum Structures Influenced by Temperature and Contact with Cutting Fluid. Semina Ciências Exatas e Tecnológicas, 44, 47981.
Volpato, N., & Amorim, J. R. d. (2011). A procedure for dealing with milling limitations in machined prototype tooling. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 225(12), 2163–2176.
Wang, Q., Wang, H., Hou, L., & Ui, S. (2021). Overview of tool wear monitoring methods based on convolutional neural network. Applied Sciences, 11(24), 12041.
Xiao, K. Q., & Zhang, L. C. (2002). The role of viscous deformation in the machining of polymers. International Journal of Mechanical Sciences, 44(11), 2317–2336.
Yan, P., Wang, Y., Jin, X., Zhu, J., Jiao, L., Qiu, T., & Wang, X. (2022). Effect of cutting fluid on high strain rate dynamic mechanical property and cutting performance of nickel based superalloy. Journal of Materials Research and Technology, 17, 1146–1158.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Roger Nabeyama Michels, Janaína Fracaro de Souza Gonçalves, Mayther Freire Gimenez, Rafael Tanganini Boa Sorte, Elizabeth Mie Hashimoto
![Creative Commons License](http://i.creativecommons.org/l/by-nc/4.0/88x31.png)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os Direitos Autorais para artigos publicados nesta revista são de direito do autor. Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais. A revista se reserva o direito de efetuar, nos originais, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua e a credibilidade do veículo. Respeitará, no entanto, o estilo de escrever dos autores. Alterações, correções ou sugestões de ordem conceitual serão encaminhadas aos autores, quando necessário. Nesses casos, os artigos, depois de adequados, deverão ser submetidos a nova apreciação. As opiniões emitidas pelos autores dos artigos são de sua exclusiva responsabilidade.
Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial 4.0 Internacional.