Розробка методу оцінки залишкового ресурсу та ефективності використання інструментів на основі аналізу розмірного зношування

Автор(и)

  • Володимир Васильович Крупа Тернопільський національний технічний університет імені Івана Пулюя, Україна https://orcid.org/0000-0001-5634-0053
  • Володимир Романович Кобельник Тернопільський національний технічний університет імені Івана Пулюя, Україна https://orcid.org/0000-0003-0614-7487
  • Денис Володимирович В'юк Тернопільський національний технічний університет імені Івана Пулюя, Україна https://orcid.org/0009-0001-5675-8094
  • Андрій Володимирович Захарій Тернопільський національний технічний університет імені Івана Пулюя, Україна https://orcid.org/0009-0004-7216-5784
  • Михайло Ігорович Бей Тернопільський національний технічний університет імені Івана Пулюя, Україна https://orcid.org/0009-0008-0013-1509

DOI:

https://doi.org/10.15587/1729-4061.2026.350626

Ключові слова:

середній ресурс пластини, оцінка ефективності, радіальний знос, статистична вибірка

Анотація

Об’єктом дослідження була система відбракування інструменту на машинобудівному виробництві з одиничним або дрібносерійним типом.

Робота присвячена проблемі обґрунтованої оцінки ступеня зношування змінних твердосплавних пластин, які відбраковуються за результатами поточної діагностики. Запропонований підхід дозволить відстежувати збої чи передчасне вибракування та необґрунтовані втрати на основі якісного аналізу фактичного зношування із застосуванням ймовірнісно-стохастичних методів.

Запропоновано метод оцінки стану відбракованих твердосплавних пластин, що ґрунтується на вимірюванні їх зношування по задній поверхні, переході до розмірного зношування, їх статистичному опрацюванні та групуванні за рівнем зношування. Експериментальні дослідження проведено на твердосплавних пластинах, що використовувалися у фрезі під час чорнової обробки сталей за умов циклічних ударних навантажень. Встановлено, що величина розмірного зношування підпорядковується нормальному закону розподілу з характеристиками: середнє значення  = 0,08145 мм., дисперсія розсіювання D(h) = 0,00135 мм2 та середнє квадратичне відхилення σ(h) = 0,0375 мм. Отримано залежності та визначено відсотковий склад відбракованих пластин: 50,91% пластин ще можна використовувати (з різними ресурсами), 1,17% пластин надмірно зношені (що може призвести до дефектів) та 47,91% пластин правильно відбраковано виробництвом.

Практичне застосування методики можливе без складного вимірювального обладнання та спеціалізованих систем моніторингу, що робить її придатною для впровадження в умовах одиничного та дрібносерійного виробництва. Реалізація методу дозволяє зменшити необґрунтовано відбракований інструмент, підвищити ефективність системи діагностики та забезпечити економію матеріальних ресурсів підприємства

Біографії авторів

Володимир Васильович Крупа, Тернопільський національний технічний університет імені Івана Пулюя

Кандидат технічних наук, доцент

Кафедра конструювання верстатів, інструментів та машин

Володимир Романович Кобельник, Тернопільський національний технічний університет імені Івана Пулюя

Кандидат технічних наук, доцент

Кафедра конструювання верстатів, інструментів та машин

Денис Володимирович В'юк, Тернопільський національний технічний університет імені Івана Пулюя

Кафедра конструювання верстатів, інструментів та машин

Андрій Володимирович Захарій, Тернопільський національний технічний університет імені Івана Пулюя

Аспірант

Кафедра конструювання верстатів, інструментів та машин

Михайло Ігорович Бей, Тернопільський національний технічний університет імені Івана Пулюя

Аспірант

Кафедра конструювання верстатів, інструментів та машин

Посилання

  1. Bohachov, Y., Korobtsov, Y., Shevchenko, V. (2018). Method of increasing the reliability of diagnostics of the state of the cutting tool in the automated processing of parts. Bulletin of Kyiv Polytechnic Institute. Series Instrument Making, 55 (1), 72–76. https://doi.org/10.20535/1970.55(1).2018.135899
  2. Cantero, J. L., Díaz-Álvarez, J., Miguélez, M. H., Marín, N. C. (2013). Analysis of tool wear patterns in finishing turning of Inconel 718. Wear, 297 (1-2), 885–894. https://doi.org/10.1016/j.wear.2012.11.004
  3. Güven, S., Gökkaya, H., Sur, G., Motorcu, A. R. (2025). Effects of cutting parameters on tool wear in milling inconel 625 superalloys with a SiAlON ceramic and the prediction of tool life. Ceramics International, 51 (5), 5646–5658. https://doi.org/10.1016/j.ceramint.2024.12.012
  4. Zhu, K., Zhang, Y. (2019). A generic tool wear model and its application to force modeling and wear monitoring in high speed milling. Mechanical Systems and Signal Processing, 115, 147–161. https://doi.org/10.1016/j.ymssp.2018.05.045
  5. Buryak, A. V., Buryak, V. G. (2014). Scientific grounds for assessment of work of cutting tools on the analysis of acoustic characteristics of the manufactured and instrumental materials. Problemy trybolohiyi, 4, 23–30. Available at: https://elar.khmnu.edu.ua/items/0a93231b-aa52-46d9-8576-b069437c8328
  6. Krehel’, R., Krchová, D., Kočiško, M. (2015). Diagnostic Analysis of Cutting Tools using a Temperature Sensor. Key Engineering Materials, 669, 382–390. https://doi.org/10.4028/www.scientific.net/kem.669.382
  7. Mamurov, E. T. (2022). Problems of control and diagnostics of a cutting tool using a vibroacoustic signal. Middle European Scientific Bulletin, 25, 320–324. Available at: https://archive.org/details/httpscejsr.academicjournal.ioindex.phpjournalarticleview1408/mode/2up?ui=embed&wrapper=false
  8. Lamraoui, M., Thomas, M., El Badaoui, M. (2014). Cyclostationarity approach for monitoring chatter and tool wear in high speed milling. Mechanical Systems and Signal Processing, 44 (1-2), 177–198. https://doi.org/10.1016/j.ymssp.2013.05.001
  9. Dayam, S., Desai, K. A. (2024). Smart tool wear state and chatter onset identification system for legacy manual drilling machine operators. The International Journal of Advanced Manufacturing Technology, 136 (2), 675–692. https://doi.org/10.1007/s00170-024-14847-3
  10. Duro, J. A., Padget, J. A., Bowen, C. R., Kim, H. A., Nassehi, A. (2016). Multi-sensor data fusion framework for CNC machining monitoring. Mechanical Systems and Signal Processing, 66-67, 505–520. https://doi.org/10.1016/j.ymssp.2015.04.019
  11. Jaen-Cuellar, A. Y., Osornio-Ríos, R. A., Trejo-Hernández, M., Zamudio-Ramírez, I., Díaz-Saldaña, G., Pacheco-Guerrero, J. P., Antonino-Daviu, J. A. (2021). System for Tool-Wear Condition Monitoring in CNC Machines under Variations of Cutting Parameter Based on Fusion Stray Flux-Current Processing. Sensors, 21 (24), 8431. https://doi.org/10.3390/s21248431
  12. Strutynska, I., Kozbur, H., Sorokivska, O., Dmytrotsa, L., Kozbur, I. (2024). Analysis of business structures regarding the level of digital maturity using data mining methods. The 1st International Workshop on Bioinformatics and Applied Information Technologies 2024, 241–257. Available at: https://ceur-ws.org/Vol-3842/paper15.pdf
  13. Strutynska, I., Dmytrotsa, L., Kozbur, H., Melnyk, L. (2021). The digital business transformation index determining and monitoring: Development of a national online platform. The 1st International Workshop on Information Technologies: Theoretical and Applied Problems 2021, 327–334. Available at: https://ceur-ws.org/Vol-3039/short33.pdf
  14. Zhang, C., Zhang, J. (2013). On-line tool wear measurement for ball-end milling cutter based on machine vision. Computers in Industry, 64 (6), 708–719. https://doi.org/10.1016/j.compind.2013.03.010
  15. Wang, W., Wong, Y. S., Hong, G. S. (2005). Flank wear measurement by successive image analysis. Computers in Industry, 56 (8-9), 816–830. https://doi.org/10.1016/j.compind.2005.05.009
  16. Chen, H., Cheng, C., Hong, J., Huang, M., Kong, Y., Zheng, X. (2024). An on-machine tool wear area identification method based on image augmentation and advanced segmentation. Journal of Manufacturing Processes, 132, 558–569. https://doi.org/10.1016/j.jmapro.2024.10.085
  17. Rizal, M., Ghani, J. A., Nuawi, M. Z., Haron, C. H. C. (2013). Online tool wear prediction system in the turning process using an adaptive neuro-fuzzy inference system. Applied Soft Computing, 13 (4), 1960–1968. https://doi.org/10.1016/j.asoc.2012.11.043
  18. Tobon-Mejia, D. A., Medjaher, K., Zerhouni, N. (2012). CNC machine tool’s wear diagnostic and prognostic by using dynamic Bayesian networks. Mechanical Systems and Signal Processing, 28, 167–182. https://doi.org/10.1016/j.ymssp.2011.10.018
  19. Sonali S., P., Sujit S., P., Nikhil, P., Abhishek D., P. (2022). Cutting Tool Condition Monitoring using a Deep Learning-based Artificial Neural Network. International Journal of Performability Engineering, 18 (1), 37. https://doi.org/10.23940/ijpe.22.01.p5.3746
  20. Zaloha, V. O., Zinchenko, R. M. (2012). Study of potential use of an artificial neural network in cutting tools diagnostics system. Visnyk Sumskoho derzhavnoho universytetu. Seriya Tekhnichni nauky, 4, 98–110. Available at: http://essuir.sumdu.edu.ua/handle/123456789/30032
  21. Tran, M.-Q., Doan, H.-P., Vu, V. Q., Vu, L. T. (2023). Machine learning and IoT-based approach for tool condition monitoring: A review and future prospects. Measurement, 207, 112351. https://doi.org/10.1016/j.measurement.2022.112351
  22. Kryvyi, P. D., Dzyura, V. O., Tymoshenko, N. M., Krupa, V. V. (2014). Technological Heredity and Accuracy of the Cross-Section Shapes of the Hydro-Cylinder Cylindrical Surfaces. Volume 2: Processing. https://doi.org/10.1115/msec2014-3946
  23. Karmeliuk, H. I. (2007). Teoriya ymovirnostei ta matematychna statystyka. Kyiv: Tsentr navchalnoi literatury, 576.
  24. Krupa, V., Tymoshenko, N., Kobelnyk, V., Petrechko, I. (2022). Probability-statistical estimation method of feed influence on the tangential cutting force under turning. Journal of Achievements in Materials and Manufacturing Engineering, 114 (1), 22–31. https://doi.org/10.5604/01.3001.0016.1480
  25. Krupa, V., Kobelnyk, V., Hahaliuk, A., Dzyura, V., Tymoshenko, N. (2024). Improved Method for Determining the Feed Influence on the Tangential Cutting Force During Re-drilling, Countersinking and Boring Based on the Small Sample Theory. Periodica Polytechnica Mechanical Engineering, 68 (2), 172–180. https://doi.org/10.3311/ppme.29952
  26. Nouri, M., Fussell, B. K., Ziniti, B. L., Linder, E. (2015). Real-time tool wear monitoring in milling using a cutting condition independent method. International Journal of Machine Tools and Manufacture, 89, 1–13. https://doi.org/10.1016/j.ijmachtools.2014.10.011
  27. Urenda, J. C., Kosheleva, O., Kreinovich, V. (2022). How to describe measurement errors: A natural generalization of the Central Limit Theorem beyond normal (and other infinitely divisible) distributions. Advanced Mathematical and Computational Tools in Metrology and Testing XII, 418–428. https://doi.org/10.1142/9789811242380_0026
Розробка методу оцінки залишкового ресурсу та ефективності використання інструментів на основі аналізу розмірного зношування

##submission.downloads##

Опубліковано

2026-02-27

Як цитувати

Крупа, В. В., Кобельник, В. Р., В’юк, Д. В., Захарій, А. В., & Бей, М. І. (2026). Розробка методу оцінки залишкового ресурсу та ефективності використання інструментів на основі аналізу розмірного зношування. Eastern-European Journal of Enterprise Technologies, 1(1 (139), 6–14. https://doi.org/10.15587/1729-4061.2026.350626

Номер

Том 1 № 1 (139) (2026): Виробничо-технологічні системи

Розділ

Виробничо-технологічні системи

Ліцензія

Авторське право (c) 2026 Volodymyr Krupa, Volodymyr Kobelnyk, Denys Viuk, Andrii Zakharii, Mychailo Bei

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.