Physics-Guided Predictive Modeling of Tool Wear in Electrical Discharge Machining via Dimensional Analysis: A Buckingham Π Framework with TOPSIS-Based Electrode Selection

भारी उद्योग की दुनिया में, जहाँ एयरोस्पेस पुर्जों, चिकित्सा प्रत्यारोपणों और ऑटोमोटिव घटकों को ऐसे पदार्थों से बनाया जाता है जो पारंपरिक काटने वाले औजारों के लिए बहुत कठोर होते हैं, वहाँ एक अलग तरह की मशीनिंग काम संभाल लेती है। यह प्रक्रिया, जिसे इलेक्ट्रिकल डिस्चार्ज मशीनिंग (EDM) के रूप में जाना जाता है, धातु को काटकर अलग करने के लिए किसी तेज ब्लेड का उपयोग नहीं करती है। इसके बजाय, यह एक आकारित उपकरण (टूल) और एक विशेष तरल पदार्थ में डूबे हुए वर्कपीस का उपयोग करती है, जो एक सूक्ष्म अंतराल (गैप) द्वारा अलग होते हैं। जब उच्च वोल्टेज लगाया जाता है, तो बिजली इस अंतराल के माध्यम से एक चिंगारी (स्पार्क) के रूप में कूदती है। ये चिंगारियाँ अविश्वसनीय रूप से तीव्र होती हैं, जो एक स्थानीयकृत प्लाज्मा चैनल बनाती हैं जो 8,000 से 12,000 डिग्री सेल्सियस के बीच तापमान तक पहुँच जाता है। यह गर्मी इतनी अत्यधिक होती है कि यह वर्कपीस के सूक्ष्म गड्ढों को तुरंत पिघला देती है और वाष्पित कर देती है, जिससे इंजीनियर जटिल आकृतियों को सटीकता के साथ उकेर पाते हैं। हालाँकि, इस हिंसक प्रक्रिया की एक कीमत भी है। स्वयं टूल, जो आमतौर पर धातु या ग्रेफाइट का एक ब्लॉक होता है, गर्मी से अछूता नहीं रहता। यह धीरे-धीरे घिसता है, और हर चिंगारी के साथ सामग्री खो देता है। यह घिसाव टूल के आकार को बदल देता है, जिससे बनाए जा रहे भाग की सटीकता खराब हो जाती है और बार-बार महंगे प्रतिस्थापन (रिप्लेसमेंट) की आवश्यकता पड़ती है। दशकों से, इंजीनियर इस बात की भविष्यवाणी करने के लिए संघर्ष कर रहे हैं कि एक टूल कितनी तेजी से घिस जाएगा, और अक्सर वे 'ट्रायल एंड एरर' (प्रयास और त्रुटि) या जटिल कंप्यूटर सिमुलेशन पर निर्भर रहते हैं जिनमें स्पष्ट भौतिक स्पष्टीकरण का अभाव होता है।

भारत के बिरला इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं की एक टीम ने इस समस्या को उसके मौलिक भौतिक नियमों तक वापस जाकर हल करने का दृष्टिकोण अपनाया है। प्रयोगात्मक डेटा के ढेर पर एक वक्र (कर्व) फिट करने के बजाय, उन्होंने चरों (variables) के बीच संबंध को समझने के लिए भौतिकी के एक शास्त्रीय तरीके, जिसे 'डायमेंशनल एनालिसिस' (विमीय विश्लेषण) कहा जाता है, का उपयोग किया। उन्होंने आठ प्रमुख कारकों की पहचान की जो यह नियंत्रित करते हैं कि टूल कितनी तेजी से घिसता है: विद्युत धारा की शक्ति, गैप के पार वोल्टेज, प्रत्येक स्पार्क की अवधि, स्पार्क्स की आवृत्ति, और टूल सामग्री के तीन विशिष्ट गुण—इसका घनत्व, इसका गलनांक (मेल्टिंग पॉइंट), और इसकी ऊष्मा चालकता। इन चरों को तीन विमाहीन संख्याओं (dimensionless numbers) में समूहित करके, शोधकर्ताओं ने एक सरल मॉडल बनाया जो स्पार्क के हर सूक्ष्म विवरण को जाने बिना घिसाव की प्रक्रिया के भौतिकी का वर्णन करता है। इस दृष्टिकोण ने उन्हें एक स्पष्ट, क्लोज्ड-फॉर्म समीकरण प्राप्त करने की अनुमति दी जो परिचालन स्थितियों और चुने गए पदार्थ के आधार पर टूल के घिसाव की दर की भविष्यवाणी करता है।

टीम ने अपने नए मॉडल का परीक्षण नौ नियंत्रित प्रयोगों के एक सेट का उपयोग करके किया जहाँ माइल्ड स्टील को मशीन करने के लिए एक कॉपर टूल का उपयोग किया गया था। उन्होंने एक विशिष्ट सीमा के भीतर करंट, वोल्टेज और स्पार्क अवधि को समायोजित किया और वास्तविक घिसाव को मापा। जब उन्होंने अपने मॉडल की भविष्यवाणियों की वास्तविक दुनिया के मापों के साथ तुलना की, तो परिणाम आश्चर्यजनक रूप से करीब थे। मॉडल ने 0.969 का R² मान और 10.1% का माध्य पूर्ण प्रतिशत त्रुटि (MAPE) दिया। यह सटीकता का स्तर महत्वपूर्ण है क्योंकि यह सिद्ध करता है कि प्रक्रिया की अंतर्निहित भौतिकी को एक सरल, समझने योग्य सूत्र में कैद किया जा सकता है। मॉडल ने खुलासा किया कि टूल की ऊष्मा को दूर करने की क्षमता और पिघलने के प्रति उसका प्रतिरोध, घिसाव को धीमा करने में सबसे महत्वपूर्ण कारक हैं। विशेष रूप से, विश्लेषण ने दिखाया कि टूल सामग्री की थर्मल कंडक्टिविटी या उसके गलनांक को दोगुना करने से टूल के क्षरण की दर लगभग आधी हो जाएगी। यह निष्कर्ष एक स्पष्ट, भौतिक कारण प्रदान करता है कि क्यों कुछ सामग्रियां बेहतर प्रदर्शन करती हैं, जो अनुमान लगाने के बजाय विज्ञान-आधारित समझ की ओर ले जाता है।

एक विश्वसनीय मॉडल हाथ में होने के बाद, शोधकर्ता एक व्यावहारिक प्रश्न की ओर मुड़े जो हर मशीन शॉप को परेशान करता है: एक विशिष्ट कार्य के लिए किस टूल सामग्री का चयन किया जाना चाहिए? पारंपरिक रूप से, सर्वश्रेष्ठ इलेक्ट्रोड चुनने में लागत, स्थायित्व और विद्युत गुणों जैसे परस्पर विरोधी कारकों को तौलना शामिल होता है, जो अक्सर एक विशेषज्ञ के व्यक्तिपरक निर्णय पर निर्भर करता है। शोधकर्ताओं ने इस व्यक्तिपरकता को एक कठोर, भौतिकी-आधारित निर्णय लेने की प्रक्रिया से बदल दिया। उन्होंने अपने घिसाव मॉडल की संवेदनशीलता का उपयोग विभिन्न सामग्री गुणों को भार (वेटेज) देने के लिए किया। चूंकि मॉडल ने दिखाया कि थर्मल कंडक्टिविटी और मेल्टिंग पॉइंट का घिसाव पर सबसे मजबूत प्रभाव पड़ता है, इसलिए इन दो गुणों को चयन प्रक्रिया में उच्चतम महत्व दिया गया। फिर उन्होंने कॉपर, टंगस्टन, सिल्वर और विभिन्न मिश्र धातुओं सहित ग्यारह सामान्य इलेक्ट्रोड सामग्रियों पर एक गणितीय रैंकिंग पद्धति लागू की। परिणाम एक निश्चित रैंकिंग थी जिसने कॉपर-टंगस्टन मिश्र धातु को शीर्ष पर रखा, जिसके ठीक बाद शुद्ध टंगस्टन और सिल्वर-टंगस्टन मिश्रण आया। ये सामग्रियां, जो अत्यधिक गर्मी को सहने और उसे जल्दी से दूर करने की अपनी क्षमता के लिए जानी जाती हैं, स्पष्ट विजेता के रूप में उभरीं, जबकि पीतल जैसे नरम और सस्ते सामग्रियां अंतिम स्थान पर रहीं। यह विधि अनिश्चितता को दूर करती है, यह सुनिश्चित करती है कि टूल का चयन सहज ज्ञान के बजाय मशीनिंग प्रक्रिया के वास्तविक भौतिकी द्वारा संचालित हो।

यह सुनिश्चित करने के लिए कि उनके निष्कर्ष केवल उनके विशिष्ट प्रयोगों के लिए एक भाग्यशाली मिलान नहीं हैं, टीम ने अपने मॉडल का परीक्षण एक अलग अध्ययन के डेटा सेट के विरुद्ध किया, जिसमें एक अलग प्रकार के स्टील पर एक अलग मशीन सेटिंग्स के साथ कॉपर टूल का उपयोग किया गया था। हालांकि मॉडल की सटीकता अपने मूल प्रशिक्षण डेटा की सीमा से बाहर जाने पर थोड़ी कम हो गई, फिर भी इसने घिसाव के व्यवहार के सामान्य रुझान को पकड़ा। वे कुछ मामले जहाँ मॉडल चूक गया, वहां हुए जब मशीन को उन स्थितियों पर चलाया गया जो प्रारंभिक परीक्षणों में उपयोग की गई स्थितियों की तुलना में बहुत अधिक चरम थीं, जैसे कि बहुत कम स्पार्क अवधि या बहुत उच्च करंट। यह व्यवहार अपेक्षित है, क्योंकि मॉडल एक विशिष्ट ऑपरेटिंग विंडो के भीतर देखे गए भौतिकी पर आधारित है। फिर भी, तथ्य यह है कि मॉडल बिना पुन: ट्यून किए, अलग मशीन और अलग सामग्री सेटअप पर घिसाव की भविष्यवाणी कर सकता है, इसकी मजबूती को प्रदर्शित करता है। शोधकर्ता सुझाव देते हैं कि यह ढांचा एक "डिजिटल ट्विन" का मूल बन सकता है, जो मशीनिंग प्रक्रिया की एक आभासी प्रतिलिपि है जो वास्तविक समय में अपडेट होती रहती है। मशीन से लाइव डेटा को मॉडल में फीड करके, ऑपरेटर वास्तविक समय में टूल के घिसाव की निगरानी कर सकते हैं और सटीक भविष्यवाणी कर सकते हैं कि टूल को कब बदलने की आवश्यकता है, जिससे महंगी गलतियों और डाउनटाइम को रोका जा सकता है।

यहाँ प्रस्तुत कार्य एक पुराने औद्योगिक चुनौती पर एक नया दृष्टिकोण प्रदान करता है। प्रथम सिद्धांतों (फर्स्ट प्रिंसिपल्स) की ओर लौटकर और डायमेंशनल एनालिसिस के कालातीत तर्क का उपयोग करके, शोधकर्ताओं ने एक ऐसा उपकरण बनाया है जो सरल और शक्तिशाली दोनों है। उन्होंने दिखाया है कि इलेक्ट्रिकल डिस्चार्ज मशीनिंग की जटिल, अराजक प्रक्रिया को कुछ प्रमुख भौतिक संबंधों के माध्यम से समझा जा सकता है। परिणामी मॉडल केवल संख्याएं ही नहीं बताता; यह बताता है कि क्यों कुछ सामग्रियां अधिक समय तक चलती हैं और सही टूल चुनने के लिए एक स्पष्ट, वस्तुनिष्ठ मार्ग प्रदान करता है। हालांकि मॉडल की अपनी परीक्षण सीमा से परे जाने पर कुछ सीमाएं हैं, विभिन्न सामग्रियों और स्थितियों में इसके सामान्यीकरण की क्षमता अधिक कुशल, अनुमानित और लागत प्रभावी विनिर्माण के लिए एक आशाजनक भविष्य का संकेत देती है। आगे का रास्ता और अधिक चरम स्थितियों को कवर करने के लिए डेटा का विस्तार करना और इस भौतिकी-आधारित मॉडल को वास्तविक समय की निगरानी प्रणालियों में एकीकृत करना है, जिससे एक सैद्धांतिक अंतर्दृष्टि को कारखाने के फर्श के लिए एक व्यावहारिक उपकरण में बदला जा सके।