Ti–6Al–4V alloy has superior material properties such as high strength-to-weight ratio, good corrosion resistance, and excellent fracture toughness. Therefore, it is widely used in aerospace, medical, and automotive industries where machining is an essential process for these industries. However, machining of Ti–6Al–4V is a material with extremely low machinability characteristics; thus, conventional machining methods are not appropriate to machine such materials. Ultrasonic-assisted machining (UAM) is a novel hybrid machining method which has numerous advantages over conventional machining processes. In addition, minimum quantity lubrication (MQL) is an alternative type of metal cutting fluid application that is being used instead of conventional lubrication in machining. One of the parameters which could be used to measure the performance of the machining process is the amount of cutting force. Nevertheless, there is a number of limited studies to compare the changes in cutting forces by using UAM and MQL together which are time-consuming and not cost-effective. Artificial neural network (ANN) is an alternative method that may eliminate the limitations mentioned above by estimating the outputs with the limited number of data. In this study, a model was developed and coded in Python programming environment in order to predict cutting forces using ANN. The results showed that experimental cutting forces were estimated with a successful prediction rate of 0.99 with mean absolute percentage error and mean squared error of 1.85% and 13.1, respectively. Moreover, considering too limited experimental data, ANN provided acceptable results in a cost- and time-effective way.

The high speed milling represents the most important process to produce parts in different fields such as aeronautics, automotive and mould. It allows obtaining parts with complex form and with the best surface quality. So, it remains essential to understand the impact of both the cutting force model and its parameters on the tool tip response. Consequently, the mastering of chatter vibration in milling and surface properties of the work piece is essential. In this paper, the simulation of machining is applied to determine the cutting forces distribution. A spindle system modeling is presented using a new approach: Both rigid and flexible modes of the spindle's shaft are taken into account. The shaft is discretized with the Timoshenko beam finite elements with different circular sections. Nonlinear electromagnetic loads exerted by AMBs are computed in terms of the nominal air gap between bearings and spindle, the control current and the displacement of each node. A parametric study is performed to determine the influence of some parameters, such as the feed rate, the tangential cutting coefficient, the spindle speed and the axial depth of the cut on the cutting forces and the chatter vibrations in milling.

Reinforced Poly Ether Ether Ketone with 30% of Carbon Fiber (PEEK CF30) offer several thermo-mechanical advantages over standard materials and alloys which make them better candidates in different applications. However, the hard and abrasive nature of the reinforcement fiber is responsible for rapid tool wear and high machining costs. It is very important to find highly effective ways to machine that material. Accordingly, it is important to predict forces when machining fiber matrix composites because this will help to choose perfect tools for machining and ultimately save both money and time. In this study, Artificial Neural Network (ANN) was applied to predict the cutting force components in turning operations of PEEK CF30 using TiN coated cutting tools under dry conditions where the machining parameters are cutting speed ranges, feed rate, and depth of cut. For this study, the experiments have been conducted using full factorial design experiments (DOEs) on CNC turning machine. The results indicated that the well-trained (ANN) model could be able to predict the cutting force components in turning of Carbon Fiber Reinforcement Polymer (CFRP) composites. Complementary results that were not used during derivation of the ANN model have enabled one to assess the validity of the obtained predictions.

L’usinage robotisé, nouveau challenge de la robotique industrielle, nécessite à la fois rigidité et précision du moyen de production. C’est pourquoi cette pratique particulière du détourage des composites était réservée jusqu’alors aux machines-outils à commande numérique. Cet article propose de démontrer, qu’à partir d’une connaissance des phénomènes de coupe liés aux procédés et de la modélisation des caractéristiques comportementales du robot, il est possible d’optimiser l’exploitation des cellules robotisées. Cette première étude porte sur le cas spécifique du détourage des pièces composites. D’un côté, le robot a été modélisé et ses paramètres de raideur ont été identifiés. De l’autre côté, les conditions de coupe optimales permettant de respecter l’intégrité matière et d’assurer la productivité souhaitée ont été déterminées. Les efforts d’usinage ont alors été relevés. À partir de ces deux études parallèles, les déformations du robot, pour un placement donné de la pièce dans son espace de travail, ont pu être déterminées. Par la suite, ces déformations peuvent être limitées en plaçant judicieusement la tâche dans le volume de la cellule robotisée. Cette solution simple permet de réduire significativement les déformations observées, notamment dans le cas de procédés sollicitant fortement le robot, et ce sans modifier sa commande.

Cette étude a pour objectif de présenter une méthode de mesure indirecte de la puissance de coupe pour une opération de contournage. Nous avons effectué une série d'essais sur une fraiseuse 5 axes Gambin 120CR équipée d'une broche à paliers magnétiques SMB30 développée par la société S2M, broche de 70 kW de puissance, tournant à 35 000 tr.min-1. L'originalité de notre travail porte sur la technique de mesure des efforts de coupe à partir de la mesure des courants de commande des deux paliers magnétiques de la broche. Cette méthode permet d'effectuer des mesures d'efforts au-delà de la plage de bon fonctionnement de la platine Kistler. Ces essais nous ont permis de valider notre méthode de mesure des efforts de coupe pour des paramètres outils variés (rayon de bec, diamètre, nombre de dents) et pour des conditions de coupe différentes (vitesse de coupe, vitesse d'avance, engagement axial et profondeur de passe), lors d'une opération de contournage en fraisage à grande vitesse. Pour chaque essai, nous trouvons un bon accord entre la puissance calculée à partir des mesures des efforts de coupe et la puissance consommée par le moteur de la broche.