Multiresponse optimization of EDM process with nanofluids using TOPSIS method and genetic algorithm

Electrical Discharge Machining (EDM) process with copper tool electrode is used to investigate the machining characteristics of AISI D2 tool steel material. The multi-wall carbon nanotube is mixed with dielectric fluids and its end characteristics like surface roughness, fractal dimension and metal removal rate (MRR) are analysed. In this EDM process, regression model is developed to predict surface roughness. The collection of experimental data is by using L9 Orthogonal Array. This study investigates the optimization of EDM machining parameters for AISI D2 Tool steel using Technique for Order Preference by Similarity to Ideal Solution (TOPSIS) method. Analysis of variance (ANOVA) and F-test are used to check the validity of the regression model and to determine the significant parameter affecting the surface roughness. Atomic Force Microscope (AFM) is used to capture the machined image at micro size and using spectroscopy software the surface roughness and fractal dimensions are analysed. Later, the parameters are optimized using MINITAB 15 software, and regression equation is compared with the actual measurements of machining process parameters. The developed mathematical model is further coupled with Genetic Algorithm (GA) to determine the optimum conditions leading to the minimum surface roughness value of the workpiece.

Badania charakterystyk obróbki materiału ze stali narzędziowej AISI D2 przeprowadzono w procesie obróbki elektroiskrowej (EDM) z miedzianą elektrodą narzędziową. Zastosowano wielościenną nanorurkę węglową w połączeniu z płynami dielektrycznymi. Analizowano parametry charakteryzujące wynik procesu, takie jak chropowatość powierzchni, wymiary fraktalne i szybkość usuwania metalu. Opracowano model regresyjny procesu EDM pozwalający przewidzieć chropowatość powierzchni. Dane eksperymentalne zebrano w tablicy ortogonalnej L9. Do badania optymalizacji parametrów procesu EDM zastosowano wielokryterialną metodę TOPSIS. Stosując metodę analizy wariancji ANOVA i test F sprawdzano prawidłowość modelu regresyjnego i wyznaczono parametry wpływające istotnie na chropowatość powierzchni. Obrazy powierzchni obrabianych zarejestrowano w mikroskali stosując mikroskopię sił atomowych (AFM), a chropowatości powierzchni i wymiary fraktalne analizowano używając oprogramowania do spektroskopii. W kolejnym etapie parametry te były optymalizowane przy pomocy oprogramowania MINITAB 15, a równania regresji porównywane z wynikami rzeczywistych pomiarów parametrów procesu obróbki. Opracowany model matematyczny został następnie sprzężony z algorytmem genetycznym (GA) by określić warunki optymalne prowadzące do minimalizacji szorstkości powierzchni obrabianego elementu.