빌렛 품질 향상을 위한 M50 베어링 강의 코깅 공정 설계
Cogging Process Design of M50 Bearing Steel for Billet Quality Improvement
- 주제어 (키워드) 코깅 공정 , 자유 단조 , M50 베어링 강 , DNN , 빌렛 제조 , Cogging process , Open die forging , M50 bearing steel , DNN , Billet manufacturing
- 발행기관 서강대학교 일반대학원
- 지도교수 김낙수
- 발행년도 2023
- 학위수여년월 2023. 8
- 학위명 석사
- 학과 및 전공 일반대학원 기계공학과
- 실제 URI http://www.dcollection.net/handler/sogang/000000076246
- UCI I804:11029-000000076246
- 본문언어 한국어
- 저작권 서강대학교 논문은 저작권 보호를 받습니다.
초록 (요약문)
본 연구는 M50 베어링 강 빌렛 제조 시 균질한 변형률 분포와 미세 결정립 균일화 및 미세화를 목표로 하는 코깅 공정(cogging process) 변수를 결정하는 방법을 제시한다. 설계 매개변수는 feed, number of rotation, depth schedule, forging ratio로 선정하였다. 최종 빌렛의 유효 변형률 분포와 결정립도(ASTM E112)를 종합적으로 평가하기 위한 Billet Quality Index (BQI)를 제안하며 공정설계의 목적함수로 사용한다. 유한요소 시뮬레이션을 통하여 유효 변형률 분포와 결정립도에 대한 결과를 얻고, 이 값들은 최종 빌렛의 BQI를 조사하기 위해 사용된다. 온도장과 결정립 크기를 계산하는 유한요소 해석에는 실험측정 결과와 비교하여 역공학으로 결정한 열전달 계수와 결정립 성장 모델의 계수를 사용했다. 다구찌 실험 설계 방법을 통해 forging ratio를 제외한 BQI에 미치는 공정변수의 영향도를 조사한다. BQI 계산을 위해 작은 데이터셋에 적합한 Deep Neural Network (DNN) 회귀 모델을 사용하여 forging ratio를 포함한 최적의 공정변수 값을 결정했다. DNN 회귀 모델의 BQI 예측 정확도는 98.83%로 나타났다. 이는 제한된 데이터셋 크기에도 불구하고 DNN의 효과를 강조한다. 최적화된 코깅 공정은 데이터셋 중 최소 BQI 대비 재가열 시간을 포함한 전체 코깅 공정에 소요되는 시간이 2.394 시간 단축되며 BQI는 6.91% 개선되었다. 코깅 공정 설계 결과는 유효 변형률 분포를 균질화하고 미세 결정립을 균일화 및 미세화를 달성하며 빌렛 제조 공정의 효율성 및 빌렛 품질을 향상시킨다.
more초록 (요약문)
This study proposes a method to determine cogging process parameters aiming at homogeneous effective strain distribution and grain size uniformity and refinement during the manufacturing M50-bearing steel billets. The design parameters were selected as feed, number of rotation, depth schedule, and forging ratio. The Billet Quality Index (BQI) is introduced to comprehensively evaluate the effective strain distribution and grain size number (ASTM E112) of the final billet and used as the objective function for the process design. The results of effective strain distribution and grain size number are obtained through finite element simulation, and these values are used to investigate the BQI of the final billet. For the finite element analysis to calculate the temperature field and grain size, the heat transfer coefficients determined by reverse engineering and the grain growth model coefficients were used compared with the experimental measurements. The Taguchi method investigates the influence of parameters on BQI, excluding the forging ratio. Optimal process parameters, including forging ratio, are determined using a Deep Neural Network (DNN) regression model, targeting BQI minimization. The BQI prediction accuracy of the DNN regression model is 98.83%, emphasizing the effectiveness of DNN despite the limited dataset size. The optimized cogging process reduces the total process time by 2.394 hours and improves the BQI by 6.91% compared to the minimum BQI in the dataset. The optimized cogging process design results promote homogeneous effective strain distribution, improve grain refinement, and uniformity, enhancing billet manufacturing efficiency and billet quality.
more