跳轉到

模型之外的加工問題

有些加工問題,仿真不會重現,或只重現一部分。下面每一節說明 HiNC 在這個問題附近回報什麼、漏掉什麼。凡是有一筆公開發表、授權開放的量測顯示這個未建模的效應可以有多大,那一節就引用它。凡是略去了某個效應的地方,請把結果當成關於刀具、主軸與程式路徑的陳述,而不是關於零件或切削它的那台機台。

排列順序從零件往外:先是零件本身的剛性,以及它的模態與支承怎麼變,再來是它帶著的應力、加工後的表面、刀具的壽命與冷卻,最後是主軸與機台結構。最後一節說明怎麼把加工中途的工件交給另一個分析,去建模這裡略去的東西。這裡引用的案例都沒有為本頁做過仿真;從它們引用的每個數字都是出版者的量測,除非那一節寫明那是作者自己的計算。來源列在頁末。

薄壁與工件變形

仿真中的工件是剛體:它不會被刀具推開而彎曲,它的振動也不估計,如同顫振,以及仿真對它做了什麼對工件顫振所說明的。因此在薄壁上,被移除的材料就是程式設定的吃刀量,而不是壁面變形後實際剩下的較小吃刀量。

一個公開發表的試驗顯示了差距的大小。一面長 125 mm、高 60 mm 的 Ti-6Al-4V 薄壁,用 Ø16 端銑刀以順銑、0.4 mm 切寬分兩層(各 30 mm 軸向切深),從 2.6 mm 精修到 2.2 mm 的目標厚度。以傳統方式切削時,壁的中段頂部最後厚了 330 µm,接近末端處厚了 360 µm;同一路徑不再進刀重走兩次,前者只降到 270 µm。一套在切削中量測壁面並追加吃刀量的控制迴路,把兩者降到 80 µm 與 130 µm [1]。

在這類零件上,請把仿真的切削力讀成刀具與壁面所承受的負荷。壁面在這個負荷下會讓開多少,必須在仿真之外判斷。

工件模態隨金屬移除而變

剛體工件沒有自然頻率,所以仿真報不出自然頻率,頻率也不會因為金屬被移除而移動。薄件上它會移動,而且不一定只朝一個方向。

一件 TC4(Ti-6Al-4V)薄壁工件夾在虎鉗上,用 Ø10 四刃端銑刀以 6,000 rpm、500 mm/min、0.2 mm 切寬從兩面銑削,在六個階段做了力錘模態試驗:完全沒切之前,以及切削沿工件推進 10、20、30、40、50 mm 之後。量到的一階自然頻率(Table 1 的 ωs 欄)在切削前是 725.2 Hz,其後依序是 777.8、787.5、781.4、710.1、627.9 Hz。它先上升,然後下降。作者對同樣六個狀態的有限元素欄依序是 716.0、761.8、781.5、754.9、676.7、573.6 Hz;那一欄是他們的計算,不是力錘試驗 [2]。

同一種移動,也是 2 mm 薄底必須量一次以上的原因。UNS 2024-T3 鋁板,85 mm 見方、厚 2 mm,只在四角鎖上,用 Ø10 牛鼻端銑刀以 4,000 rpm 乾銑一個 50 mm 的口袋。頻率響應在加工前、第 5 道之後、第 17 道之後,以及口袋銑完時各量一次,因為移除會改變模態。正文寫出兩個頻率:加工前這些板的一階自然頻率約 1,730 Hz,二階是 4,000 Hz [3]。

拆夾後的變形

仿真以幾何方式移除材料。零件內沒有應力場,所以切削留在表層的應力,以及拆夾之後出現的變形,都不估計。

以同一支 Ø12 端銑刀、四種切削速度與每刃進給組合銑削 7050-T7451 鋁塊,鑽孔法量測顯示:加工誘發殘留應力的峰值為 115–185 MPa,深入 56–180 µm,隨組合而定。從銑好的鋁塊切下的 1 mm 薄片會變形,量到的應力層越淺,變形越小 [4]。

夾持與填充物

仿真裡的夾具是機台鏈上的一個實體。它把工件放到位,也可以被碰撞。它沒有夾持力,沒有自己的剛性,零件的孔格裡也沒有填充物。

把那些孔格填起來,會改變蜂巢能不能撐過這一刀。7075 鋁蜂巢切成 190 mm × 50 mm × 15 mm,孔格裡灌滿冰——水漫過工件後凍結,並用液態氮維持凍結——再用一支帶十片刀片的 Ø16 銑刀銑削。這一系列裡每一刀量到的切削都是這樣填著的。十六刀的平均粗糙度 Ra 從 0.288 µm 到 0.612 µm(Table 4);換另一支刀、用這一系列偏好的參數做的確認切削,量到 0.218 µm。參數不對時,填了冰的表面仍然留下裂紋與毛邊(Figure 6)。作者自己的切削仿真(不是量測)顯示,沒填的孔壁會彎、加工面出現嚴重缺陷,填了冰的孔壁則沒有那個缺陷(Figure 2)[5]。這裡的仿真切的是空孔格的蜂巢幾何,所以分不出那個表面和填了的表面。

表面粗糙度數值

「表粗圖表」(Surface Roughness Chart,見 Strip Charts,英文,未鏡像)以微米畫出幾何與撓曲對加工面的貢獻:重切深度、程式側殘留,以及刀尖撓曲的變化。它不計算 Ra 或 Rz 這類粗糙度參數,也沒有相鄰兩道路徑之間殘留高度的序列。

以球刀在 42CrMo4 的凸、凹 R45 面上精修,用五個走刀方向、0.15 mm 步距:凸面的平均 Rz 在走刀方向從順著圓柱軸轉到橫過圓柱軸時,由約 3 µm 升到約 8 µm;凹面則維持在約 4 µm 到 6.3 µm 之間(讀自發表的圖表)[6]。圖表的趨勢也跟不上這類量測:在 HiNC 3.2.42 中重建後,圖表畫的刀尖撓曲變化隨量到的 Rz 升高而下降,而圖表沒有畫的、切削力沿每一道刀路的起伏,才隨它一起上升(五個方向的等級比較;見球刀精修的五個走刀方向)。

刀具壽命與疲勞

仿真回報可能造成瞬時失效的負載,以及縮短刀具壽命的熱——評估製程可加工性中的應力比、主軸扭矩比、主軸功率比與熱應力比,這些比值超過 100 % 是不良加工,不一定是失效加工(不良加工,不一定是失效加工)——以及刀具壽命與磨耗所說明的磨耗量。它不計算刀具能撐過幾個循環,也沒有疲勞或累積損傷的模型。它也不數轉:應力比達 100 % 以上是不良加工,刀具在那裡能撐多久不在模型裡。刀把、主軸與機台在模型裡是剛體:它們的柔度不在模型裡。

一組在淬硬到 38 HRC 的 42CrMo4 上跑到失效的資料集,用 Ø10 端銑刀以 3,200 rpm、640 mm/min 沿同一輪廓切削,顯示了這種計數要涵蓋的離散程度。徑向切深 8 mm 時,刀具在失效前撐了 29–53 個循環;4.5 mm 時為 59–149 個。在 4.5 mm 下把刀把長度從 80 mm 改成 160 mm,一支撐了 14 個循環,另一支在第一個循環就失效 [7]。這些比值可以依負荷替這類組態排序;循環數則在模型之外。

冷卻、潤滑與低溫冷卻

冷卻的 M 碼只選一個對流係數,沒有別的。冷卻模型寫的是:M08 用所選冷卻方式的 flood 基準值,M07 用那個基準值乘上霧狀比例,M09 用冷卻關閉時的係數。這個選擇不是摩擦係數,不是潤滑劑,也不是刃口的低溫。

AISI 1045、220 HB 的銑削,用 Ø16、兩片塗層碳化鎢刀片,比較了微量潤滑——菜籽油 100 mL/h——與同一種油再加噴射壓力 10 bar 的二氧化碳;作者寫後者到達刀尖時是 −78 °C。切削長度 7,245 mm,試驗中切削速度從 340 m/min 提高到 400 m/min,結束時只有油的磨耗比油加二氧化碳高 27 %;較早的段落裡,差距最多約 20 %(Figure 2)。兩者的切削力均方根相差在 10 % 以內(Table 3)[8]。對流係數可以移動一個溫度。它不會加上潤滑,也不會把刃口放到 −78 °C。

主軸空轉功率

仿真回報的主軸輸入功率,是切削功率除以主軸的能量效率,推導見主軸能力 (Spindle Capability);主軸轉動時軸承摩擦與風阻所消耗的空轉功率不在其中,功率比也一樣。主軸表計功率把空轉功率加了進去,是拿來和機台上功率讀值比對的值。它能貼近到什麼程度,取決於主軸的兩個空轉係數有多接近這支主軸。出貨的預設值是依已發表的軸承摩擦與齒輪風阻研究粗估的,不是主軸的量測,在 18,000 rpm 時為 612 W。請依擬合空轉係數,在比對之前,用機台自己在空轉時的讀值擬合這兩個係數。

1983 年一次在額定 16.6 hp、18,000 rpm 主軸上做的高速加工試驗,顯示空轉的比重可以有多大。粗加工刀在 0.300 in 深、150 in/min 的一道吃到 12.0–13.5 hp,在 0.054 in 深、200 in/min 的一道仍有 7.1–7.2 hp;報告沒有把空轉功率分開列出 [9]。

機台幾何誤差

機台的固定幾何誤差——兩根線性軸之間的垂直度、一根軸的傾斜、旋轉軸的樞軸偏移、機械零點的偏移、主軸殼體的傾斜——可以作為誤差項連接放到機台鏈上(模型見誤差項連接 (Error-Term Branches),英文,未鏡像;操作步驟見誤差項)。控制器在名目鏈上解算機械座標——名目鏈就是同一條鏈,只是把每一條誤差項連接都當成不存在(No Transform)——而仿真中的機台則帶著這些誤差運動。因此這些誤差會切到仿真的零件上,就像在控制器不知道這些誤差的真實機台上那樣;不論有沒有 RTCP 與傾斜工作平面都是如此,在工具機上的 CL 播放也一樣。專案的誤差項關閉時,機台也不帶這些誤差運動,零件上也就沒有這些誤差。那次播放留下的工件,也就是名目工件,是幾何差異讀出這些誤差影響時對照的參考。這些數值必須來自對機台的量測;HiNC 不會估計它們。

與真實機台的一個差別在工件偏移:在真實機台上對刀,找的是零件真正所在的位置,所以量得的工件偏移已經含有機台的誤差在每根軸都歸零時造成的那段偏移;HiNC 則在名目鏈上量測程式原點,所以那段偏移會留在仿真的切削裡。要對上某一家工廠做出的零件,請鍵入那家工廠量到的工件偏移;見程式原點對齊。

隨位置而變的誤差——真直度、螺距與尺度誤差、體積誤差圖——都不表示。反向誤差與背隙、伺服不匹配,以及真實控制器的補償表也都不表示;熱成長在下面另有一節。磨耗的機台改從哪裡進入優化器,見機台狀態與安全係數;那仍然重現不了的,是下一節。

機台的體積誤差,在每一個位置上都合併了兩種誤差:這裡略去的、隨位置而變的誤差,以及像垂直度這類、誤差項連接可以帶的固定誤差。在一台三軸加工中心上,補償雷射追蹤儀量到的體積誤差,使它從 49 µm 降到 14 µm。一個在補償前後以圓弧銑削精修的零件,七個量測截面的平均真圓度在 Ø300 mm 直徑上從 10.13 µm 改善到 6.16 µm、在 Ø200 mm 直徑上從 9.39 µm 改善到 5.71 µm,而 Ø100 mm 直徑維持在約 5.4–5.6 µm [10]。

安全係數表達不了的故障

誤差項帶的是一個常數。磨耗,以及機台狀態的其餘部分,留在安全係數裡:把係數調高,優化器願意給的進給就整支程式都降低,程式才給磨耗的機台留更多餘裕(機台狀態與安全係數)。仿真的零件不跟著它們變。兩個孔仍然在名目鏈把它們放的地方。

一種隨磨耗增長、又隨旋轉軸的角度重複的故障,既不是常數,也不是進給。兩個 Ø200 mm 的孔,先銑一個,轉台轉 180°,再銑另一個,同軸度要求在 Φ0.01 mm 以內。這個同軸度的二十四筆讀值平均 12.54 µm,從 5 µm 到 20 µm,所以平均已經超過允差,最大的一筆是允差的兩倍。夾持、前面的工序與切削條件都被排除了——夾緊的壁上,千分表的讀值維持在 0.01 mm 以內,把切削放輕也沒有把誤差去掉。接著工作台的振動在蝸桿每一轉出現一次衝擊,在蝸桿的轉頻 13.28 Hz,作者把它讀成蝸輪的嚴重磨耗,以及嚙合處因此留下的間隙,並把它當成同軸度沒有達到的原因 [11]。把安全係數調大,只能要求更多餘裕。它不會讓第二個孔偏離第一個孔。

機台熱漂移

仿真計算的溫度是切削區的溫度——刀具、切屑與工件表面——以及主軸本體的熱包絡;見溫度與磨耗驗證。機台結構的熱成長不建模,所以一次執行中刀具相對零件的位置不會漂移。

在工作台四個角落附近的四個靶上,電容感測器量測 X 軸以反覆 24 in 快移暖機時主軸相對工作台移動了多少:工作台一側的兩個靶在 X 方向約 −160 µm,另兩個約 −50 到 −60 µm,Y 與 Z 接近零 [12]。

把中途的工件交給外部分析

HiNC 不估計工件的柔度,也不估計切削留在工件裡的應力,所以這兩樣都不是可以交給另一個程式的結果。交得出去的,是任務中某一個時刻的工件幾何,以及切削過程中工件受到的力。

匯出網格幾何 (STL) 與記錄網格幾何是任務清單裡的命令,屬輸出類別,各自在自己所站的位置執行。把匯出放在另一個分析該接手的那個毛胚上——粗加工程式之後、下一個程式之前。路徑相對於專案資料夾,預設是 Output/MeshedGeom.stl;每個階段用自己的檔名,例如 Output/after-rough.stl,後面的匯出才不會蓋掉這個檔。解析度的單位是 mm,決定的是那份網格被細分成三角形的精細程度;0 表示採用顯示網格的解析度。寫出的檔是命令執行當下工件網格的二進位 STL。記錄網格幾何把同一份網格寫成 HiNC 自己的格式,預設 Cache/Workpiece.wct,給 HiNC 之後的一次執行讀回來。替另一個分析建立網格的工具若偏好大小逐漸變化的三角形,就勾選匯出的均勻網格:STL 裡的三角形會多一些,工件不會改變。路徑、四種記錄動作、解析度做的是什麼,以及均勻網格改變什麼、不改變什麼,見記錄播放並保留工件。

切削過程中的力是取樣檔,而且不是上面那兩個命令。在執行後作業底下打開取樣檔案輸出。它只在「顯示物理選項」打開時才列出來;工件的力欄只有在物理打開的播放裡才是切削力,沒有打開時是零。範本預設 Output/[NcName].shot.csv。[NcName] 是程式的檔名,副檔名保留,所以 NC/circle.ptp 寫成 Output/circle.ptp.shot.csv。一支程式一個檔,步轉到那支程式時檔案就重新打開。取樣週期的單位是毫秒,預設 1。一列是 FileNo、LineNo 與 Time——仿真時間,寫成一段時間跨度——然後是機台鏈每一根軸各一欄,順序是這條鏈自己的順序(一般的 XYZABC 鏈是 X、Y、Z、A、B、C),接著是 Tool.Fx、Tool.Fy、Tool.Fz,刀具在刀具運行座標受到的力,再來是 Workpiece.Fx、Workpiece.Fy、Workpiece.Fz,工件在程式座標受到的力,單位 N,以及 Holder.Mx、Holder.My、Holder.Mz,對刀具觀測點、在主軸旋轉座標的力矩,單位 N·m。播放 NC 程式不會多一欄 ActualDateTime。把 Workpiece.Fx、Workpiece.Fy、Workpiece.Fz 對著 Time 讀,就是載重歷程。這個項目必須放在它要涵蓋的程式下面:它寫的是已經播放的步。週期、檔案大小,以及沒有東西可寫時的寫出,見其他命令。

來源

上面的數字照原樣引自下列來源;標明讀自圖表的,是從圖表讀出。每一項都由作者或出版者依現狀提供、不附任何保證,也都沒有為 HiNC 背書。

  1. L. Evers, M. Müller, C. Möller, A. Brouschkin, J. H. Dege, "Control Loop Based Dimensional Error Compensation for Milling of Near-Net-Shaped, Thin-Walled Structures", in H. Kohl et al. (eds.), GCSM 2024, Lecture Notes in Mechanical Engineering, Springer, 2025, pp. 399–407, https://doi.org/10.1007/978-3-031-93891-7_44(開放取用版本: https://doi.org/10.15480/882.15340)。© The Author(s) 2025,授權 CC BY 4.0。數值出自第 4.1 節。
  2. Y. Li, F. Ding, W. Tian, D. Wang, J. Zhou, "Prediction of modal parameters for thin-walled blade milling process considering material removal effect", PLOS ONE, 9 September 2025, https://doi.org/10.1371/journal.pone.0323871。© 2025 Li et al.,授權 CC BY 4.0。量到的頻率出自 Table 1 的 ωs 欄; 旁邊引用的有限元素欄是 ωA。
  3. M. Casuso, A. Rubio-Mateos, F. Veiga, A. Lamikiz, "Influence of Axial Depth of Cut and Tool Position on Surface Quality and Chatter Appearance in Locally Supported Thin Floor Milling", Materials 15(3), 731 (2022), https://doi.org/10.3390/ma15030731。© 2022 by the authors, licensee MDPI,授權 CC BY 4.0。四次量測的階段在 第 2.4 節;寫出的兩個頻率在 Figure 8 的討論。
  4. D. Weber, B. Kirsch, C. R. Chighizola, C. R. D'Elia, B. S. Linke, M. R. Hill, J. C. Aurich, "Analysis of machining-induced residual stresses of milled aluminum workpieces, their repeatability, and their resulting distortion", The International Journal of Advanced Manufacturing Technology 115, 1089–1110 (2021), https://doi.org/10.1007/s00170-021-07171-7。 © The Author(s) 2021,授權 CC BY 4.0。數值出自 Table 7。
  5. Y. Wang, Y. Gan, H. Liu, L. Han, J. Wang, K. Liu, "Surface Quality Improvement in Machining an Aluminum Honeycomb by Ice Fixation", Chinese Journal of Mechanical Engineering 33, 20 (2020), https://doi.org/10.1186/s10033-020-00439-1。© The Author(s) 2020,授權 CC BY 4.0。Ra 出自 Table 4 與第 4.2 節; Figure 2 是作者的仿真,Figure 6 是表面形貌。
  6. B. Mikó, B. Varga, W. Zębala, "The Effect of the Feed Direction on the Micro- and Macro Accuracy of 3D Ball-end Milling of Chromium-Molybdenum Alloy Steel", Materials 12(24), 4038 (2019), https://doi.org/10.3390/ma12244038。© 2019 by the authors, licensee MDPI,授權 CC BY 4.0。數值讀自 Figure 7。
  7. G. Piecuch, T. Żabinski, "A new open dataset from a milling process – data for classification and estimation of tool life", figshare 資料集 (2025), https://doi.org/10.6084/m9.figshare.28589216.v1,說明見 Scientific Data 12, 650 (2025), https://doi.org/10.1038/s41597-025-04923-y。© The Author(s) 2025,授權 CC BY 4.0。數值出自資料集 metadata 的 CycleToFailure 欄,計為刀具在失效那一個循環之前跑過的循環數。
  8. N. Villarrazo, S. Caneda, O. Pereira, A. Rodríguez, L. N. López de Lacalle, "The Effects of Lubricooling Ecosustainable Techniques on Tool Wear in Carbon Steel Milling", Materials 16(7), 2936 (2023), https://doi.org/10.3390/ma16072936。© 2023 by the authors, licensee MDPI,授權 CC BY 4.0。磨耗出自 Figure 2 的討論;力的比較出自 Table 3 的討論。
  9. J. D. Hankins, "High Speed Machining of Space Shuttle External Tank Liquid Hydrogen Barrel Panel", NASA-TM-82557, NASA Marshall Space Flight Center, November 1983, https://ntrs.nasa.gov/citations/19840006284。美國政府著作,允許公開使用 (NASA STI terms)。數值出自馬力紀錄表 Tables 3 與 4。
  10. M. Holub, R. Jankovych, J. Vetiska, J. Sramek, P. Blecha, J. Smolik, P. Heinrich, "Experimental Study of the Volumetric Error Effect on the Resulting Working Accuracy—Roundness", Applied Sciences 10(18), 6233 (2020), https://doi.org/10.3390/app10186233。© 2020 by the authors, licensee MDPI,授權 CC BY 4.0。數值出自 Figure 7 與 Tables 11–13。
  11. H. Cao, D. Li, Y. Yue, "Root Cause Identification of Machining Error Based on Statistical Process Control and Fault Diagnosis of Machine Tools", Machines 5(3), 20 (2017), https://doi.org/10.3390/machines5030020。© 2017 by the authors, licensee MDPI,授權 CC BY 4.0。同軸度出自第 3.1 節;蝸輪的讀法出自 第 3.3 節。
  12. G. W. Vogl (2023), "Thermal Drift Monitoring Experiment 01", National Institute of Standards and Technology, https://doi.org/10.18434/mds2-2934,NIST 員工的作品,在美國不受著作權保護 (NIST data terms)。暖機位移出自該資料集所附論文 G. W. Vogl et al., "Vision-based thermal drift monitoring method for machine tools", CIRP Annals 72 (2023) 301–304, https://doi.org/10.1016/j.cirp.2023.04.053 的 Figure 8a。

延伸閱讀