在航太材料Inconel718加工過程中，應用MQL(Minimum Quantity Lubrication)微量潤滑技術取代大量切削液，而綠色製造與ESG趨勢需求下切削液應用則減量使用，微量潤滑技術逐漸成為替代方案。為改善上述問題，本研究開發一套油水比例可調式微量潤滑模組，探討六種冷卻潤滑條件下，7種切削速度與7種每刃進給量對切削力及表面粗糙度之影響。進一步將切削參數與潤滑條件作為輸入，以切削力及表面粗糙度作為2項輸出，分別建立切削速度與每刃進給量之BPNN(Back Propagation Neural Network)預測模型。結果顯示，不同油水比例會改變冷卻與潤滑效果，進而影響切削力及表面粗糙度。切削速度與每刃進給量模型之最適架構分別對切削力之測試集MAPE(Mean Absolute Percentage Error，平均絕對百分比誤差)分別為1.19%與1.97%，對表面粗糙度則為3.17%與2.67%，測試集R2皆達0.894以上。研究結果證實，本研究開發之微量潤滑模組可兼顧冷卻與潤滑調整，結合BPNN則可作為油水比例及切削參數選擇之輔助工具。
近年來隨著發動機製造業高效率加工的發展，對於材料的機械性質亦未成間斷過，而發動機因極需要承受高溫、高壓與高附載的惡劣工況環境，因此常採用具有高溫強度與抗腐蝕等材料特性的鎳基合金，學者C.Tan等人[1]統計指出鎳基合金約佔發動機總體材料組成的47%，如圖1所示可見產業對其材料的高度需求性，然而其優異的材料性能也造成加工過程中，容易產生加工硬化進而使切削阻力上升影響表面品質等問題，因此本研究以Inconel-718為題，開發一款油水混合比例比例可調的智能化模組，其盼藉此探討不同潤滑對刀具磨耗、切削力、切削溫度與表面粗糙度影響。
傳統金屬切削加工多仰賴大量切削液澆注形式提供冷卻、潤滑並幫助切屑排出等功能，但其採購、維護及廢液處理成本根據學者C.P.Khunt等人[2]統計指出約佔製造成本17%，且切削液使用也伴隨著廢液處理問題，學者Said等人[3]研究指出，2016年全球工業切削液體消耗量已達到1372.6萬噸，且每年仍然以約1.2%的速度成長。綜上所述，如何在維持加工性能，同時降低切削液使用量，已成為金屬加工朝向綠色製造發展的重要議題，為此微量潤滑(Minimum Quantity Lubrication , MQL)成為新型的解決方案。
為改善Inconel-718加工問題，既有研究主要從切削參數與潤滑方式等進行著手。在切削參數方面，學者N.Fang[4]等人透過比較Ti-6Al-4V與Inconel-718之加工結果，發現兩種材料的切削力均隨切削速度提高而下降如圖2與圖3所示。
且在相同條件下Inconel-718切削力明顯高於Ti-6Al-4V，另有研究指出，降低切削力可減少工件受力變形及其所造成的加工誤差。上述研究成果說明，切削速度與進給量不僅影響加工負荷，亦也會影響工件表面品質，因此本研究將兩者選為主要實驗變因。
在潤滑方面，高壓切削液已被應用於Inconel-718加工，且根據學者O.Colak[5]研究證實可降低切削力及延長刀具壽命，說明切削液進入刀具接觸區有助於改善加工性能，然而需其消耗與能源需求仍需評估。另一方面，學者J.M.Vieira等人[6]透過比較乾式與濕式切削條件下的切削溫度，指出雖然切削液可降低切削溫度，但同時也因此增大刀具內部溫度梯度與熱效應;反覆的熱膨脹與收縮疲勞，最終形成梳狀熱裂紋(comb crack)，如圖4所示。
綜合上述，高壓與濕式冷卻研究顯示，切削液的加工效果不僅取決於是否供液，亦受到其進入接觸區的能力及刀具內部溫度分布影響。因此，冷卻潤滑策略的評估不宜只以切削液使用與否或平均溫度高低作為依據，也應考量供液位置及冷卻分布對加工性能與刀具熱負荷之影響。為此本研究提出透過微量潤滑的冷卻方式，減少切削液使用量。
在油水霧化應用方面學者G. Burton等人 [7]於微銑削實驗中，利用超音波霧化方式將水與濃度1%、5%、10%、20%及30%的切削油霧化後輸送至切削區，結果顯示，油水共同霧化之潤滑效果優於單獨使用切削油，其主要比較不同濃度，而尚未探討油霧與水霧供給量的獨立控制(如圖5所示)。
另一方面，學者C. Nath等人 [8]透過比較濃縮比例0%、5%、7%、10%、12%及15%的切削液對Ti-6Al-4V加工之影響，結果顯示，濃縮比例約10%時可獲得較佳的表面粗糙度如圖6所示，該研究進一步證明切削液組成比例會改變加工結果 。
綜上所述，既有研究指出切削液濃度、霧化方式及輸送條件均影響加工表現，並且為少量切削液應用提供重要基礎。但上述霧化方式皆以預先混合進行探討，且尚未針對油霧與水霧進行獨立調整。
本研究補足上述研究缺口，開發一款油水混合比例可調之微潤滑模組，並以Inconel-718為加工材料，分別規劃7種切削速度與7種每刃進給量兩組實驗，分別搭配乾式、純油、三種油水比例及純水等六種潤滑條件，以分析切削力、工件溫度及表面粗糙度的變化。進一步將實驗數據導入倒傳遞類神經網路(Backpropagation Neural Network, BPNN)，分別建立切線速度與每刃進給量之7輸入、雙輸出之預測模型，同時預測切削力與表面粗糙度，作為加工參數及油水工給比例選擇之參考。
本研究之微量潤滑模組主要是透過可程式控制器(PLC)的擴充模組-類比輸出，藉由輸出不同的電壓(0-10V)來控制霧化驅動電路板所產生的水霧量；以及輸出不同的電流(4-20mA)來控制電空比例閥之空氣壓力大小，再透過不同的空氣壓力輸入到collison霧化器產生所對應的油霧量，如圖7所示。
▌實驗設備與規劃
本研究以Inconel-718鎳基合金為加工材料，探討切線速對切削力、工件溫度與表面粗糙度之影響。其切削參數與固定條件參考既有研究成果：學者蔡[9]比較切線速度、每刃進給量與切削深度對Inconl-718切削溫度之影響，實驗結果表明，切削深度的影響甚小；因此本研究將切削深度固定為0.3mm。另一方面，學者Shaw[10]指出切削寬度對於切削溫度的影響較不明顯，故本研究將切削寬度固定為24mm。藉由固定上述兩項參數，將實驗分析集中於切線速度、每刃進給量與潤滑條件所造的切削力與表面粗糙度變化，其實驗相關設備如表1所列。
本研究分別規劃切削速度與每刃進給量兩組控制變因實驗，每組均搭配6種冷卻條件，以取得不同加工條件下的切削力、工件溫度與表面粗糙度。詳細實驗規劃如所圖8所示。實驗結果除用於分析各參數與油水供給條件對加工性能的影響外，亦將其中的切削力與表面粗糙度資料作為後欲BPNN雙輸出預測模型的建立依據。
...更多內容，請見《機械新刊》雜誌
