Comprehensive Experimental Analysis of the Effect of Drilled Material on Torque Using Machine Learning Decision Trees

Abstract

This article deals with drilling, the most common and simultaneously most important traditional machining operation, and which is significantly influenced by the properties of the machined material itself. To fully understand this process, both from a theoretical and practical perspective, it is essential to examine the influence of technological and tool-related factors on its various parameters. Based on the evaluation of experimentally obtained data using advanced statistical methods and machine learning decision trees, we present a detailed analysis of the effects of technological factors (fn, vc) and tool-related factors (D, εr , α0, ωr) on variations in torque (Mc) during drilling of two types of engineering steels: carbon steel (C45) and case-hardening steel (16MnCr5). The experimental verification was conducted using CTS20D cemented carbide tools coated with a Triple Cr SHM layer. The analysis revealed a significant influence of the material on torque variation, accounting for a share of 1.430%. The experimental verification confirmed the theoretical assumption that the nominal tool diameter (D) has a key effect (53.552%) on torque variation. The revolution feed (fn) contributes 36.263%, while the tool’s point angle (εr) and helix angle (ωr) influence torque by 1.189% and 0.310%, respectively. No significant effect of cutting speed (vc) on torque variation was observed. However, subsequent machine learning analysis revealed the complexity of interdependencies between the input factors and the resulting torque.Tento článek se zabývá vrtáním, nejběžnější a zároveň nejdůležitější tradiční obráběcí operací, která je významně ovlivněna vlastnostmi samotného obráběného materiálu. Pro úplné pochopení tohoto procesu, a to jak z teoretického, tak i praktického hlediska, je nezbytné zkoumat vliv technologických a nástrojových faktorů na jeho různé parametry. Na základě vyhodnocení experimentálně získaných dat pomocí pokročilých statistických metod a rozhodovacích stromů strojového učení předkládáme podrobnou analýzu vlivu technologických faktorů (fn, vc) a faktorů souvisejících s nástrojem (D, εr , α0, ωr) na změny krouticího momentu (Mc) při vrtání dvou typů konstrukčních ocelí: uhlíkové oceli (C45) a oceli legované (16MnCr5). Experimentální ověření bylo provedeno pomocí nástrojů ze slinutého karbidu CTS20D potažených vrstvou Triple Cr SHM. Analýza odhalila významný vliv materiálu na změnu krouticího momentu, který představuje podíl 1,430 %. Experimentální ověření potvrdilo teoretický předpoklad, že jmenovitý průměr nástroje (D) má klíčový vliv (53,552 %) na změnu točivého momentu. Otáčkový posuv (fn) se podílí 36,263 %, zatímco úhel hrotu nástroje (εr) a úhel šroubovice (ωr) ovlivňují krouticí moment 1,189 %, resp. 0,310 %. Nebyl zjištěn žádný významný vliv řezné rychlosti (vc) na změnu krouticího momentu. Následná analýza strojového učení však odhalila složitost vzájemných závislostí mezi vstupními faktory a výsledným krouticím momentem.