ФГБОУ ВО «Тульский государственный университет», Тула, Россия:
А. В. Анцев, канд. техн. наук, доцент, эл. почта: a.antsev@yandex.ru
Н. И. Пасько, докт. техн. наук, профессор
Н. В. Анцева, канд. техн. наук, доцент

Период стойкости режущего инструмента при обработке черных металлов является случайной величиной. В пределах одной партии разброс периода стойкости режущего инструмента может составлять 15–35 %. Непредвиденный выход из строя инструмента серьезно сказывается на себестоимости продукции машиностроения, поэтому сегодня много работ посвящено прогнозированию периода стойкости режущего инструмента, оптимизации периода его профилактики и скорости резания. Однако большинство исследователей не учитывают стохастическую природу процесса резания черных металлов. Авторы данной работы полагают, что период стойкости при абразивном износе из-за разброса режущих свойств отдельных инструментов даже одной партии и из-за разброса свойств обрабатываемости заготовок (твердости, припуска на обработку и др.) является случайной величиной с некоторой плотностью распределения, а для определения стойкостной зависимости необходимо установить закон распределения этой случайной величины и зависимость параметров найденного закона от параметров режима резания. В качестве критерия оптимальности принимаются удельные затраты (т. е. затраты, вызванные заменой инструмента и возможным браком при работе отказавшим инструментом), приходящиеся на одну обработанную деталь. Поиск оптимальных значений скорости резания и периода профилактики режущего инструмента, сводящих к минимуму удельные затраты, выполнялся методом перебора с малым шагом в связи с многоэкстремальностью функции удельных затрат. Рассмотрен пример оптимизации скорости резания и периода замены инструмента при обработке стали 1Х18Н9Т сменными твердосплавными пластинами из сплава Т30К4. Показано, что учет фактора случайности позволит сократить удельные затраты на 86,4 % при нулевом уровне брака и на 69,5 % при уровне брака 0,1 % в условиях оптимизации по производительности и себестоимости соответственно в случае, когда период стойкости режущего инструмента имеет разброс с коэффициентом вариации 0,1.

Результаты исследования опубликованы при финансовой поддержке ТулГУ в рамках научного проекта № 8705.

1. Бушуев В. В., Сабиров Ф. С. Направления развития мирового станкостроения // Вестник МГТУ Станкин. 2010. № 1. С. 24–30.
2. Vasilko K. Taylor equation of durability and its modification // Manufacturing Technology. 2017. Vol. 17. P. 393–397.
3. Prasada Rao V. D., Raghu Ram N. S., Harsha N., V. Navya Geethika. Optimization of cutting parameters in CNC turning of stainless steel 304 with TiAlN nano coated carbide cutting tool // IOP Conference Series: Materials Science and Engineering. 2018. Vol. 310. 012109. DOI: 10.1088/1757–899X/310/1/012109.
4. Ahmed Z. J., Prickett P. W., Grosvenor R. I. The difficulties of the assessment of tool life in CNC milling // 2016 International Conference for Students on Applied Engineering, ICSAE 2016. – Institute of Electrical and Electronics Engineers Inc., 2107. P. 452–457.
5. Amorim H. J., Neto A. O. K. Study of the relationship between tool wear and surface finish in turning with carbide tool // 2nd International Conference on Manufacturing Engineering and Technology for Manufacturing Growth, METMG 2014. – Trans Tech Publications, 2014. Vol. 902. P. 95–100.
6. Johansson D., Hägglung S., Bushlya V., Shâht J.-E. Sensitivity of Colding tool life equation on the dimensions of experimental dataset // Journal of Superhard Materials. 2014. Vol. 39, No. 4. P. 271–281.
7. Karandikar J. M., Abbas A. E., Schmitz T. L. Tool life prediction using Bayesian updating. Part 1: Milling tool life model using a discrete grid method // Precision Engineering. 2014. Vol. 38, No. 1. P. 18–27.
8. Kundrák J., Pálmai Z. Application of general tool-life function under changing cutting conditions // Acta Polytechnica Hungarica. 2014. Vol. 11. No. 2. P. 61–76.
9. Nagasaka K., Hashimoto F. Identification of forecasting model for tool-life considering amount of tool wear // J.JAPAN SOC.PRECIS.ENGNG. 2018. Vol. 47, № 2. P. 185–190.
10. Odedeyi P. B., Abou-El-Hossein K., Liman M. An experimental study of flank wear in the end milling of AISI 316 stainless steel with coated carbide inserts // Journal of Physics: Conference Series. — Institute of Physics Publishing, 2017. Vol. 843, No 1. 012058. DOI: 10.1088/1742–6596/843/1/012058

11. Qehaja N., Abdullahu F., Zhujani F. Predictive mathematical modeling of tool life based on cutting parameters and workpiece material hardness using regression analysis // International Journal of Mechanical
Engineering and Technology. 2017. Vol. 8, No 8. P. 1229–1237.
12. Лисунец Н. Л. Повышение эффективности процесса изготовления заготовки из металлопроката разрезкой сдвигом на основе моделирования // Черные металлы. 2018. № 6. С. 31–35.
13. Sarancha S. Yu., Levandovskiy S. A., Statsenko J. S. et al. Optimization of long products rolling and cuttung technology based on modern it // CIS Iron and Steel Review. 2014. Vol. 9. P. 44–49.
14. Алещенко А. С., Ганин Ю. В., Чап Б. Х., Цюцюра В. Ю. Особенности износа рабочего инструмента при прошивке жаропрочных сплавов // Черные металлы. 2018. № 8. С. 63–70.
15. Kuts V., Ivakhnenko A., Khandozhko A. Investigations of cutting force effect upon shaping error of surfaces with double curvature in technological systems with mechanisms of parallel structure // Proceedings of International Conference on Mechanical Engineering, Automation and Control Systems, MEACS 2015. — Institute of Electrical and Electronics Engineers Inc., 2016. – 7414887. DOI: 10.1109/MEACS.2015.7414887
16. Bannikov A. I., Kurchenko A. I., Makarova O. A. et al. Tool wear in turning corrosion-resistant steel // Russian Engineering Research. 2016. Vol. 30. P. 734–735.
17. Muratov K. R. Influence of rigid and frictional kinematic linkages in tool-workpiece contact on the uniformity of tool wear // Russian Engineering Research. 2016. Vol. 36. P. 321–323.
18. Chernikov P. P., Sharipov B. U. Influence of metal lubricant on tool wear // Russian Engineering Research. 2008. Vol. 28. P. 194–195.
19. Протасьев В. Б., Плахотникова Е. В., Литвинова И. В. Методика оценки состояния производственных систем по критерию «сигнал/шум» на примере технологических процессов изготовления продукции из прутковых заготовок // Черные металлы. 2018. № 6. С. 20–25.
20. Martinov G. M., Grigor’ev A. S. Diagnostics of cutting tools and prediction of their life in numerically controlled systems // Russian Engineering Research. 2013. Vol. 33. P. 433–437.
21. ГОСТ 25413–82. Пластины твердосплавные напаиваемые типа 34. Конструкция и размеры. — Введ. 01.07.1983.
22. Кацев П. Г. Статистические методы исследования режущего инструмента. — М. : Машиностроение, 1968. — 156 c.
23. Пасько Н. И., Анцев А. В. и др. Обобщенная стохастическая модель отказов режущего инструмента и ее применение. — Тула : Изд-во ТулГУ, 2016. — 174 с.
24. Pasko N. I., Antsev A. V., Antseva N. V., Fyodorov V. P. The generalized mathematical model of the failure of the cutting tool // IOP Conf. Series: Materials Science and Engineering. 2017. Vol. 177. DOI: 10.1088/1757–899X/327/4/042005
25. Antsev A. V., Pasko N. I., Antseva N. V. Assessment of wear dependence parameters in complex model of cutting tool wear // IOP Conf. Series: Materials Science and Engineering. 2018. Vol. 327. DOI: 10.1088/1757–899X/327/4/042005