DOI: https://doi.org/10.1038/s41598-025-34453-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41513941
تاريخ النشر: 2026-01-09
المؤلف: S. P. Sundar Singh Sivam وآخرون
الموضوع الرئيسي: عمليات التشغيل المتقدمة والتحسين
نظرة عامة
تقدم هذه الدراسة إطار عمل هجين للتحسين يهدف إلى تعزيز عملية التشغيل عالية السرعة للألمنيوم المصنوع من خلال التصنيع الإضافي باستخدام قوس السلك (WAAM)، مع التركيز على مؤشرات القابلية للتشغيل وممارسات التصنيع المستدام. يدمج الإطار منهجية سطح الاستجابة (RSM)، ومنهجية اللوغاريتم الضبابي للأوزان الإضافية (LMAW)، وWASPAS الضبابي لتحسين المعلمات الحرجة مثل جودة السطح، ومعدل إزالة المادة (MRR)، وقوة القطع، واستهلاك الطاقة. تشمل المعلمات المثلى المحددة سرعة قطع تبلغ 8000 دورة في الدقيقة، ومعدل تغذية يبلغ 0.1 مم/سن، وعمق قطع يبلغ 1 مم، واستخدام أداة بأربعة شفرات، مما يؤدي إلى خشونة سطح (Ra) تبلغ 0.35 ميكرون، ومعدل إزالة مادة (MRR) يبلغ 38.4 مم³/دقيقة، وقوة قطع (Fc) تبلغ 114 نيوتن، واستهلاك طاقة (Pc) يبلغ 312 واط. أكدت اختبارات التحقق دقة النموذج التنبؤية، حيث كانت النتائج التجريبية تتماشى بشكل وثيق مع القيم المحسنة.
تسلط الدراسة الضوء أيضًا على الأداء المتفوق للنموذج الهجين مقارنة بالمنهجيات الفردية، حيث حقق خطأ مطلق متوسط (MAE) قدره 0.0187، وخطأ جذر متوسط مربع (RMSE) قدره 0.0002، ومعامل تحديد (R²) قدره 0.9635. أظهرت تحليل الحساسية استجابة متفاوتة لتغيرات المعلمات، مما يشير إلى مجالات للبحث المستقبلي، مثل استكشاف مواد أدوات مختلفة وبيئات تشغيل، بالإضافة إلى دمج تقنيات التحسين في الوقت الحقيقي وتعلم الآلة. توفر النتائج رؤى قيمة لممارسي الصناعة الذين يسعون لتحسين عمليات التشغيل، وزيادة الكفاءة، والتوافق مع أهداف التنمية المستدامة (SDGs) في التصنيع الحديث.
مقدمة
تركز مقدمة هذه الدراسة على تحسين عملية التشغيل للألمنيوم المصنوع من خلال التصنيع الإضافي باستخدام قوس السلك (WAAM)، وهو أمر ضروري لتعزيز التصنيع المستدام. يعد WAAM مفيدًا لإنتاج الأشكال المعقدة وتقليل هدر المواد؛ ومع ذلك، فإنه يقدم تحديات مثل الهياكل الدقيقة غير المتجانسة، والضغوط المتبقية، وعدم انتظام السطح التي تؤثر سلبًا على مؤشرات القابلية للتشغيل مثل جودة السطح، ومعدل إزالة المادة (MRR)، وقوة القطع، واستهلاك الطاقة. تكون هذه القضايا بارزة بشكل خاص في سبائك الألمنيوم الشائعة المستخدمة في WAAM، مثل ER4043 و5356.
لمعالجة هذه التحديات، تهدف الأبحاث إلى تطوير نموذج تحسين شامل باستخدام منهجيات متقدمة. على وجه التحديد، تستخدم منهجية سطح الاستجابة (RSM) لتحسين العملية، ومنهجية اللوغاريتم الضبابي للأوزان الإضافية (LMAW) مع الأعداد الضبابية المثلثية للتعامل مع عدم اليقين في بيانات التشغيل، وWASPAS الضبابي (تقييم مجموع المنتجات المجمعة الموزونة) لاتخاذ القرارات متعددة المعايير. يسعى هذا النهج الهجين إلى تحسين أداء التشغيل عبر معلمات متعددة – جودة السطح، MRR، قوة القطع، واستهلاك الطاقة – مع دعم أهداف التنمية المستدامة المتعلقة بالاستهلاك والإنتاج المسؤولين.
طرق
في هذا القسم، يصف المؤلفون منهجية شاملة لتحسين عملية التشغيل عالية السرعة للألمنيوم المصنوع عبر التصنيع الإضافي باستخدام قوس السلك (WAAM). يدمج النهج منهجية سطح الاستجابة (RSM)، ومنهجية اللوغاريتم الضبابي للأوزان الإضافية (LMAW)، وWASPAS الموزون الضبابي لتعزيز كفاءة التشغيل من خلال تحسين المعلمات الرئيسية مثل سرعة القطع ($V_c$)، ومعدل التغذية ($f$)، وعمق القطع ($a$). يتم استخدام التصميم D-optimal لتنظيم التجارب، مما يسمح باستكشاف فعال لمساحة المعلمات، مع إجراء 17 تجربة لتقييم تأثير هذه المعلمات على مؤشرات القابلية للتشغيل، بما في ذلك خشونة السطح ($R_a$)، ومعدل إزالة المادة (MRR)، وقوة القطع ($F_c$)، واستهلاك الطاقة ($P_c$).
تشير النتائج إلى أن سرعة القطع تراوحت من 8000 إلى 9500 دورة في الدقيقة، ومعدل التغذية من 0.1 إلى 0.25 مم/سن، وعمق القطع من 0.5 إلى 1.5 مم، مع عدد الشفرات يتراوح من اثنين إلى أربعة. تم استخدام تحليل التباين (ANOVA) للتحقق من صحة النموذج، مما يكشف عن علاقات هامة بين معلمات التشغيل ونتائج الأداء. تشير الأشكال التي توضح المتبقيات للقيم المتوقعة من $R_a$، وMRR، و$P_c$، و$F_c$ إلى أنه بينما يتناسب النموذج جيدًا مع خشونة السطح وقوة القطع، هناك تناقضات في التوقعات لمعدل إزالة المادة واستهلاك الطاقة، خاصة عند القيم الأعلى. تشير النتائج إلى أن تحسين معلمات التشغيل يمكن أن يؤدي إلى تحسين جودة السطح والكفاءة، حيث أظهرت تكوين الأداة بأربعة شفرات استهلاك طاقة أكثر استقرارًا عبر ظروف متغيرة مقارنة بتكوين الشفرتين.
نتائج
في قسم النتائج، تقدم الدراسة تحليلًا مقارنًا بين النتائج المثلى التي تم الحصول عليها من خلال الطريقة المقترحة وتلك التي تم تحقيقها باستخدام خوارزمية الفرز الجيني غير المهيمنة II (NSGA-II). تشير النتائج إلى أن الطريقة المقترحة تتفوق على NSGA-II من حيث سرعة التقارب وجودة الحلول عبر مختلف حالات الاختبار. على وجه التحديد، تظهر الحلول المثلى درجة أعلى من التنوع وتغطية أفضل لمساحة الأهداف، مما يشير إلى أن النهج المقترح أكثر فعالية في معالجة مشكلة التحسين متعددة الأهداف المطروحة.
علاوة على ذلك، يبرز التحليل قوة الطريقة المقترحة، مما يظهر تحسينات مستمرة في الأداء مقارنة بـ NSGA-II عبر إعدادات المعلمات المختلفة وحالات المشكلة. تؤكد هذه النتائج على إمكانيات النهج الجديد لتعزيز عمليات اتخاذ القرار في سيناريوهات التحسين المعقدة، مما يوفر تقدمًا كبيرًا على الطرق التقليدية مثل NSGA-II.
مناقشة
تؤكد قسم المناقشة في ورقة البحث على نهج متكامل جديد لتحسين التصنيع الإضافي باستخدام قوس السلك (WAAM) للألمنيوم، مع التركيز بشكل خاص على سبيكة Al 5356. على عكس الدراسات السابقة التي تناولت جوانب معزولة مثل معلمات العملية وتكوين العيوب، تجمع هذه الدراسة بين تقنيات اتخاذ القرار الضبابية مع طرق التحسين التقليدية لإنشاء إطار عمل شامل مدفوع بالبيانات. لا يعزز هذا النهج نتائج التشغيل – من تحسين جودة السطح، ومعدل إزالة المادة (MRR)، وقوة القطع، واستهلاك الطاقة – فحسب، بل يتماشى أيضًا مع أهداف الاستدامة من خلال تعزيز كفاءة الطاقة وتقليل هدر المواد.
تستخدم الدراسة نموذج تحسين هجين يدمج منهجية سطح الاستجابة (RSM)، ومنهجية اللوغاريتم الضبابي للأوزان الإضافية (LMAW)، وWASPAS الضبابي (تقييم مجموع المنتجات المجمعة الموزونة). من خلال تحديد معلمات التشغيل المثلى – مثل سرعة قطع تبلغ 8000 دورة في الدقيقة، ومعدل تغذية يبلغ 0.1 مم/سن، وعمق قطع يبلغ 1 مم – حققت الأبحاث تحسينات كبيرة في خشونة السطح (Ra = 0.35 ميكرون) وMRR (38.4 مم³/دقيقة). أكدت اختبارات التحقق دقة النموذج، مما يظهر إمكانيته في معالجة تعقيدات تحسين معلمات التشغيل مع ضمان مخرجات عالية الجودة. بشكل عام، تسهم هذه الدراسة في تقدم تكنولوجيا WAAM من خلال توفير إطار عمل قوي يعزز كل من الأداء والاستدامة في تشغيل الألمنيوم.
DOI: https://doi.org/10.1038/s41598-025-34453-x
PMID: https://pubmed.ncbi.nlm.nih.gov/41513941
Publication Date: 2026-01-09
Author(s): S. P. Sundar Singh Sivam et al.
Primary Topic: Advanced machining processes and optimization
Overview
This study presents a hybrid optimization framework aimed at enhancing the high-speed machining process of Wire Arc Additive Manufacturing (WAAM)-fabricated aluminum, with a focus on machinability indicators and sustainable manufacturing practices. The framework integrates Response Surface Methodology (RSM), Fuzzy Logarithmic Methodology of Additive Weights (LMAW), and Fuzzy WASPAS to optimize critical parameters such as surface finish, material removal rate (MRR), cutting force, and power consumption. The optimal machining parameters identified include a cutting speed of 8000 RPM, a feed rate of 0.1 mm/tooth, a depth of cut of 1 mm, and the use of a four-flute tool, resulting in a surface roughness (Ra) of 0.35 microns, an MRR of 38.4 mm³/min, a cutting force (Fc) of 114 N, and power consumption (Pc) of 312 W. Validation tests confirmed the model’s predictive accuracy, with experimental results closely aligning with the optimized values.
The study further highlights the hybrid model’s superior performance over individual methodologies, achieving a mean absolute error (MAE) of 0.0187, root mean square error (RMSE) of 0.0002, and a coefficient of determination (R²) of 0.9635. Sensitivity analysis indicated varying responsiveness to parameter changes, suggesting avenues for future research, such as exploring different tool materials and machining environments, as well as integrating real-time optimization and machine learning techniques. The findings provide valuable insights for industry practitioners seeking to optimize machining processes, enhance efficiency, and align with sustainable development goals (SDGs) in modern manufacturing.
Introduction
The introduction of this study focuses on optimizing the machining process of aluminum fabricated through Wire Arc Additive Manufacturing (WAAM), which is essential for promoting sustainable manufacturing. WAAM is advantageous for producing complex geometries and minimizing material waste; however, it introduces challenges such as non-uniform microstructures, residual stresses, and surface irregularities that negatively affect machinability indicators like surface finish, material removal rate (MRR), cutting force, and power consumption. These issues are particularly pronounced in common aluminum alloys used in WAAM, such as ER4043 and 5356.
To address these challenges, the research aims to develop a comprehensive optimization model utilizing advanced methodologies. Specifically, it employs Response Surface Methodology (RSM) for process optimization, the Fuzzy Logarithmic Methodology of Additive Weights (LMAW) with Triangular Fuzzy Numbers to handle uncertainty in machining data, and Fuzzy WASPAS (Weighted Aggregated Sum Product Assessment) for multi-criteria decision-making. This hybrid approach seeks to enhance machining performance across multiple parameters—surface finish, MRR, cutting force, and power consumption—while supporting sustainable development goals related to responsible consumption and production.
Methods
In this section, the authors describe a comprehensive methodology for optimizing the high-speed machining process of aluminum fabricated via Wire Arc Additive Manufacturing (WAAM). The approach integrates Response Surface Methodology (RSM), Fuzzy Logarithmic Methodology of Additive Weights (LMAW), and Fuzzy Weighted Aggregated Sum Product Assessment (WASPAS) to enhance machining efficiency by optimizing key parameters such as cutting speed ($V_c$), feed rate ($f$), and depth of cut ($a$). The D-optimal design is utilized to structure the experimental runs, allowing for an efficient exploration of the parameter space, with a total of 17 experimental runs conducted to assess the impact of these parameters on machinability indicators, including surface roughness ($R_a$), material removal rate (MRR), cutting force ($F_c$), and power consumption ($P_c$).
The results indicate that the cutting speed varied from 8000 to 9500 RPM, feed rate from 0.1 to 0.25 mm/tooth, and depth of cut from 0.5 to 1.5 mm, with the number of flutes ranging from two to four. The analysis of variance (ANOVA) was employed to validate the model, revealing significant relationships between the machining parameters and performance outcomes. Figures illustrating the residuals for the predicted values of $R_a$, MRR, $P_c$, and $F_c$ suggest that while the model fits well for surface roughness and cutting force, there are inconsistencies in the predictions for material removal rate and power consumption, particularly at higher values. The findings imply that optimizing machining parameters can lead to improved surface quality and efficiency, with the four-flute tool configuration demonstrating more stable power consumption across varying conditions compared to the two-flute setup.
Results
In the Results section, the study presents a comparative analysis between the optimal results obtained through the proposed method and those achieved using the Non-dominated Sorting Genetic Algorithm II (NSGA-II). The findings indicate that the proposed method outperforms NSGA-II in terms of convergence speed and solution quality across various test cases. Specifically, the optimal solutions exhibit a higher degree of diversity and better coverage of the objective space, suggesting that the proposed approach is more effective in addressing the multi-objective optimization problem at hand.
Furthermore, the analysis highlights the robustness of the proposed method, demonstrating consistent performance improvements over NSGA-II across different parameter settings and problem instances. These results underscore the potential of the new approach to enhance decision-making processes in complex optimization scenarios, providing a significant advancement over traditional methods like NSGA-II.
Discussion
The discussion section of the research paper emphasizes a novel, integrated approach to optimizing Wire Arc Additive Manufacturing (WAAM) for aluminum, particularly focusing on the Al 5356 alloy. Unlike previous studies that examined isolated aspects such as process parameters and defect formation, this research combines fuzzy decision-making techniques with traditional optimization methods to create a comprehensive, data-driven framework. This approach not only enhances machining outcomes—improving surface finish, material removal rate (MRR), cutting force, and power consumption—but also aligns with sustainability goals by promoting energy efficiency and reducing material waste.
The study employs a hybrid optimization model that integrates Response Surface Methodology (RSM), Fuzzy Logarithmic Methodology of Additive Weights (LMAW), and Fuzzy WASPAS (Weighted Aggregated Sum Product Assessment). By determining optimal machining parameters—such as a cutting speed of 8000 RPM, a feed rate of 0.1 mm/tooth, and a depth of cut of 1 mm—the research achieved significant improvements in surface roughness (Ra = 0.35 microns) and MRR (38.4 mm³/min). Validation tests confirmed the model’s accuracy, demonstrating its potential to address the complexities of machining parameter optimization while ensuring high-quality outputs. Overall, this study contributes to the advancement of WAAM technology by providing a robust framework that enhances both performance and sustainability in aluminum machining.