🔬 applied physics

Effects of Tool Wear on the Surface Texture in Turning: A Feature Characterization Approach Based on ISO 21920-2

यह अध्ययन प्रदर्शित करता है कि टर्निंग सरफेस प्रोफाइल्स पर ISO 21920-2 फीचर कैरेक्टराइजेशन को लागू करना, विशेष रूप से ग्रूव-लेवल मीन मैक्सिमम एब्सोल्यूट ग्रेडिएंट ( $\overline{R_\mathrm{dt}}_\mathrm{groove}$ ) का उपयोग करके, स्टोकेस्टिक सरफेस नॉइज़ से डिटरमिनिस्टिक वियर-प्रेरित परिवर्तनों को अलग करके टूल वियर का सुदृढ़ और भौतिक रूप से व्याख्या योग्य अनुमान लगाने में सक्षम बनाता है।

मूल लेखक: Alexander Müller, Maximilian Berndt, Hagen Schmidt, Lars Müller, Matthias Eifler, Eberhard Kerscher, Benjamin Kirsch, Jörg Seewig

प्रकाशित 2026-08-13

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Alexander Müller, Maximilian Berndt, Hagen Schmidt, Lars Müller, Matthias Eifler, Eberhard Kerscher, Benjamin Kirsch, Jörg Seewig

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक रहस्य सुलझाने वाले जासूस हैं, लेकिन अपराधी कभी अपनी उंगलियों के निशान नहीं छोड़ता। इसके बजाय, वह हर बार गुजरते समय धातु के एक टुकड़े पर एक छोटा सा, अदृश्य खरोंच छोड़ जाता है। विनिर्माण (manufacturing) की दुनिया में, यह "अप अपराधी" एक कटिंग टूल (काटने वाला उपकरण) है, और वह "खरोंच" उस धातु की सतह की बनावट (surface texture) है जिसे उसने अभी-अभी बनाया है। दशकों से, इंजीनियरों ने यह अनुमान लगाने की कोशिश की है कि टूल कितना घिस गया है, यह देखकर कि धातु की सतह कितनी खुरदरी है। उन्होंने मैग्नीफाइंग ग्लास जैसे उपकरणों का उपयोग किया जो उन्हें केवल एक धुंधला नंबर देते थे—जैसे कि यह कहना कि एक सतह "खुरदरी" है या "चिकनी" है। लेकिन यह एक पहाड़ की औसत ऊंचाई जानकर उसके आकार का अनुमान लगाने जैसा है; आप उन चोटियों, घाटियों और विशिष्ट आकार को खो देते हैं जो आपको ठीक से बताते हैं कि वास्तव में क्या हुआ था।

यह शोध पत्र इन खरोंचों को पढ़ने के एक स्मार्ट तरीके पर गहराई से विचार करता है। यह एक नए, मानकीकृत नियम पुस्तिका (जिसे ISO 21920-2 कहा जाता है) का उपयोग करता है, जो सतह को एक धुंधले बादल के रूप में नहीं, बल्कि विशिष्ट, व्यक्तिगत "विशेषताओं" (features) के एक संग्रह के रूप में देखता है—जैसे कि टूल के किनारे द्वारा छोड़ी गई छोटी, दोहराई जाने वाली खांचें। इसे एक जंगल की धुंधली फोटो देखने के बजाय हर एक पेड़ को गिनने और मापने में बदलने के रूप में सोचें। शोधकर्ता यह जानना चाहते थे: क्या हम इन विशिष्ट खांचों को देखकर ठीक से बता सकते हैं कि टूल कितना घिस गया है, और क्या हम यह भी पता लगा सकते हैं कि टूल पर नुकसान कहाँ हो रहा है? यह महत्वपूर्ण है क्योंकि यदि किसी कारखाने को पता चल जाए कि टूल टूटने वाला है, तो वह किसी हिस्से को खराब करने से पहले ही उसे बदल सकता है, जिससे समय, पैसा बचता है और आपदाओं को रोका जा सकता है।

घिसे हुए टूल की कहानी

इस अध्ययन में, शोधकर्ताओं ने धातु काटने वाले औजारों के लिए फॉरेंसिक वैज्ञानिकों की तरह काम किया। उन्होंने बारह बिल्कुल नए कटिंग टूल्स (जो सुपर-हार्ड टंगस्टन कार्बाइड से बने थे और जिन पर चमकदार एल्युमीनियम टाइटेनियम नाइट्राइड कोटिंग थी) लिए और उनका उपयोग स्टील की छड़ को काटने के लिए किया, ठीक वैसे ही जैसे एक कुम्हार चाक पर मिट्टी को आकार देता है। वे एक कट के बाद नहीं रुके; वे तब तक चलते रहे जब तक कि टूल्स पूरी तरह से घिस नहीं गए, और उन्होंने उनके "जीवन" के नौ अलग-अलग चरणों पर उनकी जांच की। प्रत्येक चरण में, उन्होंने स्टील की छड़ पर छोड़ी गई सूक्ष्म खांचों को मापा और उनकी तुलना टूल पर हुए वास्तविक नुकसान से की।

बड़ी खोज: एक नंबर जो सब कुछ नियंत्रित करता है
टीम ने पाया कि मापने का पुराना तरीका—पूरी सतह को देखना और उसे एक औसत स्कोर देना—विशिष्ट नुकसान को पहचानने में बहुत अच्छा नहीं था। यह एक पूरे कमरे के शोर के आधार पर केवल एक वायलिन की आवाज सुनने की कोशिश करने जैसा था।

इसके बजाय, उन्होंने "वॉटरशेड सेगमेंटेशन" (watershed segmentation) नामक एक चतुर डिजिटल तकनीक का उपयोग किया। कल्पना कीजिए कि सतह की खांचें पहाड़ियों और घाटियों का एक परिदृश्य हैं। यह तकनीक एक स्मार्ट बाढ़ की तरह काम करती है, जो घाटियों को तब तक भर देती है जब तक कि पानी का स्तर एक विशिष्ट ऊंचाई तक नहीं पहुँच जाता, जिससे प्रत्येक व्यक्तिगत खांच को उसके पड़ोसियों से प्रभावी रूप से अलग किया जा सके। एक बार जब उन्होंने इन खांचों को अलग कर लिया, तो उन्हें एक अद्भुत बात का एहसास हुआ: टूल के घिसने से पूरी सतह बेतरतीब ढंग से नहीं बदली। इसने खांच के एक बहुत ही विशिष्ट हिस्से को बदल दिया।

उन्होंने पाया कि जैसे-जैसे टूल घिसा, खांच का "ट्रेलिंग फ्लैंक" (trailing flank - यानी वह पिछला हिस्सा जहाँ टूल गड्ढा बनाता है) अधिक खड़ा (steeper) होता गया। यह ऐसा है जैसे टूल के किनारे में एक छोटा, तेज खांचा बन गया हो, और वह खांचा हर बार काटने पर धातु पर सटीक रूप से अंकित हो रहा था। केवल इस विशिष्ट बैक वॉल (पीछे की दीवार) की ढलान को मापकर, उन्होंने एक संख्या पाई (जिसे $R_{dtgroove}$ कहा जाता) जो एक सुपरस्टार जासूस साबित हुई। इस एक संख्या ने टूल के घिसने के बदलावों के बीच 83% से 90% तक के अंतर को स्पष्ट किया। स्पष्टता के मामले में यह एक बहुत बड़ी उपलब्धि है!

उन्होंने क्या खारिज किया?
शोधकर्ता बहुत सावधान थे कि वे धोखा न खा जाएं। उन्होंने 9,20,000 से अधिक विभिन्न मापों के संयोजन और जटिल कंप्यूटर मॉडलों का परीक्षण किया यह देखने के लिए कि क्या वे अपने सरल ढलान वाले नंबर से बेहतर कोई "सुपर-रेसिपी" ढूंढ सकते हैं। उन्होंने दर्जनों अलग-अलग गणितीय सूत्रों को मिलाया और यहाँ तक कि छिपे हुए पैटर्न खोजने के लिए उन्नत मशीन लर्निंग एल्गोरिदम (जैसे XGBoost) का भी उपयोग किया।

परिणाम? किसी भी चीज़ ने उस सरल ढलान वाले नंबर को मात नहीं दी। जटिल मॉडल बेहतर उत्तर नहीं दे पाए। शोध पत्र स्पष्ट रूप से इस विचार के विरुद्ध तर्क देता है कि इस विशिष्ट सेटअप में टूल के घिसने की भविष्यवाणी करने के लिए आपको एक जटिल, बहु-पैरामीटर सिस्टम की आवश्यकता है। धातु में मौजूद "शोर" या यादृच्छिक उभार (stochastic part) ज्यादा मायने नहीं रखते थे; असली कहानी पूरी तरह से खांच के आकार (deterministic part) में थी।

वे कितने आश्वस्त हैं?
टीम अपने निष्कर्षों को लेकर बहुत आश्वस्त है, लेकिन वे अपनी सीमाओं के प्रति भी ईमानदार हैं। उन्होंने अपने सिद्धांत को सिद्ध करने के लिए "औसत खांच" (average groove) की गणना की और उसकी तुलना सीधे कॉन्फोकल माइक्रोस्कोप से ली गई वास्तविक टूल एज की 3D फोटो से की। आकार लगभग पूरी तरह से मेल खाते थे, जिसमें केवल 0.50 माइक्रोमीटर (एक मानव बाल की चौड़ाई का 1/200वां हिस्सा) की मामूली त्रुटि थी। इसने पुष्टि की कि धातु पर दिखने वाली "ढलान" वास्तव में टूल के किनारे पर भौतिक "नॉच वियर" (notch wear) के कारण थी।

हालाँकि, वे सावधानी बरतते हुए कहते हैं कि यह विशिष्ट "ढलान" नियम ठीक उसी प्रकार के स्टील और टूल्स पर लागू होता है जिनका उन्होंने उपयोग किया है (AISI 1045 स्टील और AlTiN-कोटिंग वाले इंसर्ट्स)। यदि आप किसी अलग धातु, जैसे टाइटेनियम, या अलग टूल शेप का उपयोग करते हैं, तो "फिंगरप्रिंट" अलग दिख सकता है। लेकिन उनके द्वारा परीक्षण किए गए सेटअप के लिए, सबूत ठोस हैं: खांच का आकार टूल के स्वास्थ्य की पूरी कहानी बताता है।

निष्कर्ष
यह शोध पत्र दिखाता है कि यह जानने के लिए कि टूल खत्म हो रहा है, आपको किसी सुपर-कॉम्प्लेक्स कंप्यूटर की आवश्यकता नहीं है। आपको बस पीछे छोड़ी गई छोटी, दोहराई जाने वाली खांचों को करीब से देखने और उनकी पिछली दीवार कितनी खड़ी हो गई है, इसे मापने की आवश्यकता है। यह एक अव्यवस्थित, भ्रमित करने वाली सतह को टूल के जीवन के एक स्पष्ट, पठनीय मानचित्र में बदल देता है। यह खोज कारखानों को बेहतर सेंसर बनाने में मदद कर सकती है जो टूल की वास्तविक समय में निगरानी करें, और जैसे ही टूल में थोड़ा सा भी 'नॉच' दिखाई दे, उसे तुरंत बदल दें, जिससे उत्पादन सुचारू रहे और पुर्जे एकदम सटीक बनें।

तकनीकी सारांश: टर्निंग में टूल वियर के सतह बनावट (Surface Texture) पर प्रभाव: ISO 21920-2 पर आधारित एक फीचर कैरेक्टराइजेशन दृष्टिकोण

समस्या विवरण (Problem Statement)
टूल वियर (औजार का घिसना) टर्निंग जैसे मशीनिंग ऑपरेशनों में प्रक्रिया स्थिरता, वर्कपीस की गुणवत्ता और लागत-दक्षता का एक महत्वपूर्ण निर्धारक है। जबकि टर्न किया हुआ घटक (component) सतह का टेक्सचर, कटिंग एज की ज्यामिति और वियर अवस्था के "फिंगरप्रिंट" के रूप में कार्य करता है, पारंपरिक वैश्विक सतह पैरामीटर (जैसे, $R_a$ , $R_q$ ) वियर के निदान के लिए अपर्याप्त हैं। ये फील्ड पैरामीटर संपूर्ण प्रोफाइल का औसत निकाल देते हैं, जिससे स्थानिक रूप से रिज़ॉल की गई, प्रक्रिया-प्रेरित नियतात्मक संरचनाओं (फीड ग्रूव्स) को छिपा दिया जाता है और वियर-प्रेरित ज्यामितीय परिवर्तनों तथा स्टोकेस्टिक (यादृच्छिक) सूक्ष्म संरचनात्मक विचलन के बीच अंतर करने में विफल रहते हैं। फलस्वरूप, रफनेस पैरामीटर्स और वियर के बीच सहसंबंध के संबंध में अनुभवजन्य निष्कर्ष अक्सर विरोधाभासी या विभिन्न सेटअपों में गैर-हस्तांतरणीय होते हैं।

कार्यप्रणाली (Methodology)
यह अध्ययन 12 AlTiN-कोटिंग वाले टंगस्टन कार्बाइड इंसर्ट्स (CNMG120408) द्वारा AISI 1045 स्टील की मशीनिंग से प्राप्त रफनेस प्रोफाइल के डेटाबेस का उपयोग करता है। माप टूल लाइफ के दौरान नौ वियर अवस्थाओं में से प्रत्येक में, प्रति अवस्था तीन रेप्लिकेट प्रोफाइल्स के साथ लिए गए थे। वियर को क्रेटर वियर एरिया ( $A_C$ ) और मीन फ्लैंक वियर विड्थ ( $V_B$ ) के साथ-साथ कटिंग टाइम ( $t_c$ ) के माध्यम से मापा गया था।

कार्यप्रणाली ISO 21920-2 फीचर कैरेक्टराइजेशन पर आधारित एक पदानुक्रमित विश्लेषण (hierarchical analysis) का उपयोग करती है:

मानक सहसंबंध (Standard Correlation): मानक ISO 21920-2 फील्ड और फीचर पैरामीटर्स का वियर इंडिकेटर्स के विरुद्ध प्रारंभिक स्क्रीनिंग।
वॉटरशेड सेगमेंटेशन (Watershed Segmentation): व्यक्तिगत फीड ग्रूव्स को अलग करने के लिए ISO 21920-2 वॉटरशेड सेगमेंटेशन का अनुकूलन। एक चौड़ाई-आधारित प्रूनिंग थ्रेशोल्ड (0.15 mm) और महत्व फिल्टर (0.19–0.21 mm) को 0.2 mm फीड रेट के अनुरूप टूल ग्रूव्स को मजबूती से निकालने के लिए स्थापित किया गया था।
मीन-फीचर डिकंपोजिशन (Mean-Feature Decomposition): एक नवीन दृष्टिकोण सतह प्रोफाइल को एक नियतात्मक घटक (सामान्यीकृत, खंडित ग्रूव्स के माध्य से पुनर्गठित) और एक स्टोकेस्टिक घटक (अवशिष्ट/residual) में विभाजित करता है। यह कटिंग एज के ज्यामितीय छाप को यादृच्छिक सतह शोर (random surface noise) से अलग करता है।
वैलिडेशन (Validation): कटिंग एज की पुष्टि के लिए कॉन्फोकल माइक्रोस्कोपी का उपयोग किया गया ताकि यह सत्यापित किया जा सके कि पुनर्गठित नियतात्मक प्रोफाइल वास्तव में संलग्न कटिंग एज ज्यामिति की इमेजिंग करता है।
व्यापक मूल्यांकन (Exhaustive Evaluation): डेटा लीकेज को रोकने के लिए लीव-वन-टूल-आउट (LOTO) क्रॉस-वैलिडेशन का उपयोग करते हुए, 920,000 से अधिक फीचर कैरेक्टराइजेशन संयोजनों और कस्टम डिस्क्रिप्टर्स का व्यापक खोज, और मल्टीवेरिएट मॉडलिंग (OLS, PLS, XGBoost) किया गया।

मुख्य परिणाम (Key Results)

नियतात्मक बनाम स्टोकेस्टिक (Deterministic vs. Stochastic): वियर-प्रेरित परिवर्तन सतह प्रोफाइल के नियतात्मक घटक द्वारा लगभग पूरी तरह से वहन किए जाते हैं। स्टोकेस्टिक घटक वियर के साथ कमजोर सहसंबंध ( $r \leq 0.41$ ) दिखाता है।
वियर का स्थानीयकरण (Localization of Wear): नियतात्मक घटक के भीतर, वियर-प्रेरित परिवर्तन लगभग विशेष रूप से कटिंग ग्रूव के ट्रेलिंग फ्लैंक (फीचर के अंतिम 0.03 mm) में केंद्रित होते हैं। यह क्षेत्र वियर बढ़ने के साथ तीव्र होने (steepening) की प्रवृत्ति प्रदर्शित करता है।
भौतिक तंत्र (Physical Mechanism): ट्रेलिंग फ्लैंक का तीव्र होना सीधे तौर पर सेकेंडरी कटिंग एज पर नॉच वियर (notch wear) के कारण होता है। कॉन्फोकल माप पुष्टि करते हैं कि 'मीन फीचर' संलग्न कटिंग एज ज्यामिति को पुनर्गठित करता है, जो "प्रोफाइल शार्पनिंग इफेक्ट" को प्रमाणित करता है जहाँ नॉच वियर कुंद (blunt) प्रोफाइल टिप्स को तीखे ट्रेलिंग फ्लैंक्स में बदल देता है।
श्रेष्ठ पैरामीटर (Superior Parameter): ग्रूव-लेवल मीन मैक्सिमम एब्सोल्यूट ग्रेडिएंट ( $R_{dt}^{groove}$ ) को एकल सबसे सूचनात्मक पैरामीटर के रूप में पहचाना गया। यह पीयरसन सहसंबंध गुणांक $r = 0.91$ ( $A_C$ ), $0.92 $($ V_B $), और$ 0.95 $($ t_c$) प्राप्त करता है।
मॉडल प्रदर्शन (Model Performance): LOTO क्रॉस-वैलिडेशन में, $R_{dt}^{groove}$ अकेले वियर इंडिकेटर्स की भिन्नता का 83–90% ( $R^2_{LOTO} = 0.82–0.89$ ) स्पष्ट करता है। अन्य एकल पैरामीटर्स और मल्टीवेरिएट मॉडल (गैर-रेखीय दृष्टिकोण सहित) के लिए व्यापक खोज ने $R_{dt}^{groove}$ के साथ सरल रैखिक संबंध की तुलना में कोई सांख्यिकीय रूप से महत्वपूर्ण सुधार नहीं दिखाया।

महत्व और दावे (Significance and Claims)
यह शोध दावा करता है कि ISO 21920-2 का मानकीकृत फीचर कैरेक्टराइजेशन, जब ग्रूव स्तर पर लागू किया जाता है, तो यह वियर अनुमान के लिए एक भौतिक रूप से व्याख्या योग्य और मजबूत विधि प्रदान करता है। नियतात्मक ग्रूव ज्यामिति को अलग करके, यह दृष्टिकोण वैश्विक रफनेस पैरामीटर्स की सीमाओं को दूर करता है। मुख्य योगदान यह प्रदर्शन करना है कि एक एकल, भौतिक रूप से प्रेरित पैरामीटर ( $R_{dt}^{groove}$ ), मजबूत वियर अनुमान के लिए पर्याप्त है, जिससे जटिल मल्टीवेरिएट मॉडल अनावश्यक हो जाते हैं।

लेखक इस बात पर जोर देते हैं कि ये निष्कर्ष जांचे गए टूल मटेरियल, वर्कपीस और कटिंग पैरामीटर्स के संयोजन के लिए विशिष्ट हैं। हालांकि यह पद्धति सतह के टेक्सचर को कटिंग एज ज्यामिति से सफलतापूर्वक जोड़ती है और नॉच वियर को प्रमुख तंत्र के रूप में पहचानती है, लेकिन अन्य सामग्री प्रणालियों (जैसे, टाइटेनियम या निकल मिश्र धातु) में जहाँ अलग-अलग वियर तंत्र हावी होते हैं, वहां इसकी हस्तांतरणीयता के लिए आगे के अनुसंधान की आवश्यकता है। यह कार्य एक स्थानिक रूप से रिज़ॉल की गई डेटाबेस स्थापित करता है जिसका उद्देश्य ग्रे-बॉक्स मॉडल को मान्य करना है और यह स्कैटरड लाइट सेंसरों का उपयोग करने वाली भविष्य की इनलाइन मॉनिटरिंग रणनीतियों के लिए एक आधार के रूप में कार्य करता है।

घिसे हुए टूल की कहानी

इसी तरह के और पेपर