Obrabotka Metallov / Metal Working and Material ScienceObrabotka Metallov / Metal Working and Material ScienceОбработка металлов (технология • оборудование • инструменты)1994-63092541-819XНовосибирский государственный технический университет35666610.17212/1994-6309-2025-27.4-116-130TECHNOLOGYТЕХНОЛОГИЯResearch ArticleOptimal milling parameters of 0.12 C-18 Cr-10Ni-Ti stainless steel fabricated by electron beam additive manufacturingОпределение оптимальных параметров фрезерования нержавеющей стали 12Х18Н10Т, изготовленной методом проволочного электронно-лучевого аддитивного производстваhttps://orcid.org/0000-0003-3738-019358000788300KRV-7414-20241437-7723QiMengxuЦиМэнсюй
Russian Federation

Post-graduate Student

аспирант

mensyuy1@tpu.ruhttps://orcid.org/0000-0001-7623-73607003422815H-2160-20162348-2651PaninSergey V.ПанинСергей Викторович
Russian Federation

D.Sc. (Engineering), Professor

доктор техн. наук, профессор

svp@ispms.ruhttps://www.ispms.ru/persons/panin-sergey-viktorovich.phphttps://orcid.org/0000-0003-2558-761357205610120MEO-3821-20257166-3580StepanovDmitry Yu.СтепановДмитрий Юрьевич
Russian Federation

Ph.D. (Engineering)

канд. техн. наук

sdu@ispms.ruhttps://orcid.org/0000-0002-3337-6579F-5495-20147852-3768BurkovMikhail V.БурковМихаил Владимирович
Russian Federation

Ph.D. (Engineering)

канд. техн. наук

sdu@ispms.ruhttps://orcid.org/0009-0002-7820-1227MZQ-6626-20257543-1914ZhangQingrongЧжанЦинжун
Russian Federation

Post-graduate Student

аспирант

cinzhun1@tpu.ruNational Research Tomsk Polytechnic UniversityНациональный исследовательский Томский политехнический университетInstitute of Strength Physics and Materials Sciences SB RASИнститут физики прочности и материаловедения СО РАН274VOL 27, NO4 (2025)ТОМ 27, №4 (2025)11613007122025Copyright ©; 2025, Qi M., Panin S.V., Stepanov D.Y., Burkov M.V., Zhang Q.Copyright ©; 2025, Ци М., Панин С.В., Степанов Д.Ю., Бурков М.В., Чжан Ц.2025Qi M., Panin S.V., Stepanov D.Y., Burkov M.V., Zhang Q.Ци М., Панин С.В., Степанов Д.Ю., Бурков М.В., Чжан Ц.https://creativecommons.org/licenses/by/4.0https://journals.rcsi.science/1994-6309/article/view/356666

Introduction. Unlike traditional manufacturing processes, additive manufacturing (AM) offers improved efficiency while being environmentally friendly. A significant limitation hindering the adoption of wire-based electron beam additive manufacturing (EBAM) technology is the relatively low quality and high surface roughness of 3D-printed parts. The purpose of this study is to establish the optimal values of milling process parameters (rotational speed, feed rate, and milling width) based on the simultaneous evaluation of the surface roughness of the machined surface and the material removal rate. Methods and materials. This study investigated specimens fabricated using EBAM technology. Uniaxial tensile tests were conducted on an electromechanical testing machine. Cutting forces were determined with a Kistler 9257B dynamometer. Milling studies of EBAM 321 steel workpieces were performed on a semi-industrial CNC milling machine. Results and discussion. It was shown that in order to increase the material removal rate and reduce the cutting force on a milling machine without the use of coolant, it is recommended to increase the milling speed, but not to increase the feed rate. To investigate the relationship between material removal rate and surface roughness relative to milling parameters on a semi-industrial machine (with an average stiffness of the portal frame), multiple linear regression models and nonlinear models based on feedforward neural networks were employed. It was demonstrated that linear regression models are sufficient for predicting optimal milling parameters. However, it should be noted that the study was conducted within a narrow range of gentle machining conditions, with short processing times and without accounting for tool wear. Under these constraints, the optimal milling parameters for EBAM 321 steel were predicted as follows: spindle speed of 4,500 rpm, feed rate S = 404 mm/min, and cutting depth B = 0.43 mm, resulting in a predicted surface roughness (Ra) of 0.648 µm and a material removal rate of 695 mm³/min.

Введение. В отличие от традиционных вычитающих технологий аддитивное производство (АП) имеет следующие преимущества: сокращение времени изготовления деталей и увеличение сроков службы материалов. Оно также характеризуется лучшей экологичностью, прежде всего вследствие повышения коэффициента использования материала (снижения количества стружки). Проволочные электронно-лучевые технологии АП обладают несомненным преимуществом, связанным с высокой производительностью и материалоемкостью. С другой стороны, существенным ограничением, сдерживающим внедрение проволочной электронно-лучевой технологии АП (EBAM), является низкая размерная точность и большая шероховатость поверхности 3D-напечатанных деталей. Цель работы: подбор оптимальных значений режимных параметров фрезерования (частоты вращения, подачи и ширины фрезерования) на основании одновременной оценки шероховатости обрабатываемой поверхности и скорости удаления материала. Методы и материалы. В работе исследовали образцы, полученные с помощью технологии EBAM. Механические свойства определяли путем испытаний на одноосное растяжение на электромеханической испытательной машине. Силу резания определяли с помощью динамометра Kistler 9257В. Исследования по фрезерованию заготовок нержавеющей стали EBAM 321 выполняли как на стационарном станке без применения СОЖ, так и на широкоформатном фрезерном станке с ЧПУ с применением СОЖ. Результаты и обсуждение. Показано, что для повышения производительности (скорости удаления материала) и снижения силы резания на стационарном станке без применения СОЖ целесообразно увеличивать скорость фрезерования, не увеличивая при этом величину подачи. При исследовании взаимосвязи скорости удаления материала и шероховатости от параметров фрезерования на широкоформатном фрезерном ЧПУ-станке с невысокой жесткостью портальной рамы и с применением СОЖ предложены модели линейной множественной регрессии и нелинейные модели на основе нейронных сетей прямого распространения. Показано, что для прогноза оптимальных параметров фрезерования достаточно использовать линейные регрессионные модели. Однако необходимо учесть, что исследования проводились в узких рамках щадящих режимов при малых временах механообработки и без учета возможного износа инструмента. Для этих условий (ограничений) дан прогноз оптимальных параметров фрезерования нержавеющей стали EBAM 12Х18Н10Т: при частоте вращения 4500 об/мин, подаче S = 404 мм/мин и ширине B = 0,43 мм прогнозируемая шероховатость Ra составит 0,648 мкм, а скорость удаления материала – 695 мм3/мин.

Additive manufacturingAISI 321Electron beam additive manufacturingMillingMultiple regression methodFeed-Forward Neural NetworkAддитивные технологииСталь 12Х18Н10ТЭлектронно-лучевое аддитивное производствоФрезерованиеМетод множественной регрессииНейросетевое моделированиеFunding The study was financially supported by the Russian Federation via Ministry of Science and Higher Education of the Russian Federation (Agreement No. 075-15-2023-456). Acknowledgements Research were conducted at core facility "Structure, mechanical and physical properties of materials" NSTU. The authors thank Yu.V. Kushnarev for assistance in fabricating 0.12C-18Cr-10Ni-Ti steel samples at the experimental facility of ISPMS SB RAS.Финансирование: Исследования выполнены в рамках проекта Министерства науки и высшего образования РФ, Соглашение №075-15-2023-456. Благодарности: При проведении исследований использовано оборудование ЦКП "Структура, механические и физические свойства материалов" НГТУ. Авторы благодарят Ю.В. Кушнарева за помощь в изготовлении образцов стали 12Х18Н10Т на опытной установке ИФПМ СО РАН.

Funding

The study was financially supported by the Russian Federation via Ministry of Science and Higher Education of the Russian Federation (Agreement No. 075-15-2023-456).

 

Acknowledgements

Research were conducted at core facility "Structure, mechanical and physical properties of materials" NSTU. The authors thank Yu.V. Kushnarev for assistance in fabricating 0.12C-18Cr-10Ni-Ti steel samples at the experimental facility of ISPMS SB RAS.

Финансирование:

Исследования выполнены в рамках проекта Министерства науки и высшего образования РФ, Соглашение №075-15-2023-456.

 

Благодарности:

При проведении исследований использовано оборудование ЦКП "Структура, механические и физические свойства материалов" НГТУ. Авторы благодарят Ю.В. Кушнарева за помощь в изготовлении образцов стали 12Х18Н10Т на опытной установке ИФПМ СО РАН.

Lippold J.C., Kotecki D.J. Welding metallurgy and weldability of stainless steels. – Hoboken: John Wiley & Sons, 2005. – 357 p. – ISBN 978-0-471-47379-4.Research progress on the relationship between microstructure and properties of AISI 321 stainless steel / Z. Huang, J. Zhang, Z. Ma, S. Yuan, H. Yang // Applied Sciences. – 2024. – Vol. 14 (22). – P. 10196. – DOI: 10.3390/app142210196.Transformation law of microstructure evolution and mechanical properties of electron beam freeform fabricated 321 austenitic stainless steel / Q. Yin, G. Chen, H. Cao, G. Zhang, B. Zhang, S. Wei // Vacuum. – 2021. – Vol. 194. – P. 110594. – DOI: 10.1016/j.vacuum.2021.110594.Layer thickness dependence of performance in high-power selective laser melting of 1Cr18Ni9Ti stainless steel / M. Ma, Z. Wang, M. Gao, X. Zeng // Journal of Materials Processing Technology. – 2014. – Vol. 215. – P. 142–150. – DOI: 10.1016/j.jmatprotec.2014.07.034.Correlation between heat treatment process parameters, phase composition, texture, and mechanical properties of 12H18N10T stainless steel processed by selective laser melting / A.L. Kameneva, A.A. Minkova, N.N. Cherkashneva, V.V. Karmanov // IOP Conference Series: Materials Science and Engineering. – 2018. – Vol. 447 (1). – P. 012043. – DOI: 10.1088/1757-899X/447/1/012043.Microstructure and corrosion properties of wire arc additively manufactured multi-trace and multilayer stainless steel 321 / X. Wang, Q. Hu, W. Liu, W. Yuan, X. Shen, F. Gao, D. Tang, Z. Hu // Metals. – 2022. – Vol. 12. – P. 1039. – DOI: 10.3390/met12061039.Laser additive manufacturing of Inconel 718 at increased deposition rates / C. Zhong, A. Gasser, G. Backes, J. Fu, J.H. Schleifenbaum // Materials Science and Engineering: A. – 2022. – Vol. 844. – P. 143196. – DOI: 10.1016/j.msea.2022.143196.Sciaky Inc. Benefits of Wire vs. Powder Metal 3D Printing. Comparing Sciaky’;s wirefeed 3D printing process, a.k.a. Electron Beam Additive Manufacturing, to powder-based feedstock 3D printing processes. 2008. – URL: https://www.sciaky.com/additive-manufacturing/wire-vs-powder (accessed: 30.10.2025).Coaxial laser metal wire deposition of Ti6Al4V alloy: process, microstructure and mechanical properties / Y. Chen, X. Chen, M. Jiang, Z. Lei, Z. Wang, J. Liang, S. Wu, S. Ma, N. Jiang, Y. Chen // Journal of Materials Research and Technology. – 2022. – Vol. 20. – P. 2578–2590. – DOI: 10.1016/j.jmrt.2022.08.068.Wire + arc additive manufacture of 17-4 PH stainless steel: Effect of different processing conditions on microstructure, hardness, and tensile strength / A. Caballero, J. Ding, S. Ganguly, S. Williams // Journal of Materials Processing Technology. – 2019. – Vol. 268. – P. 54–62. – DOI: 10.1016/j.jmatprotec.2019.01.007.Weglowski M.S., Blacha S., Phillips A. Electron beam welding – Techniques and trends – Review // Vacuum. – 2016. – Vol. 130. – P. 72–92. – DOI: 10.1016/j.vacuum.2016.05.004.Wang D., Liu Z., Liu W. Experimental measurement of vacuum evaporation of aluminum in Ti-Al, V-Al, Ti6Al4V alloys by electron beam // Metals. – 2021. – Vol. 11 (11). – P. 1688. – DOI: 10.3390/met11111688.Microstructural evolution in a thin wall of 2Cr13 martensitic stainless steel during wire arc additive manufacturing / Z. Lyu, Y.S. Sato, S. Tokita, Y. Zhao, J. Jia, A. Wu // Materials Characterization. – 2021. – Vol. 182. – P. 111520. – DOI: 10.1016/j.matchar.2021.111520.Production of workpieces from martensitic stainless steel using electron-beam surfacing and investigation of cutting forces when milling workpieces / N.V. Martyushev, V.N. Kozlov, M. Qi, V.S. Tynchenko, R.V. Kononenko, V.Yu. Konyukhov, D.V. Valuev // Materials. – 2023. – Vol. 16. – P. 4529. – DOI: 10.3390/ma16134529.Direct laser fabrication of three dimensional components using SC420 stainless steel / G.A. Ravi, X.J. Hao, N. Wain, X. Wu, M.M. Attallah // Materials & Design. – 2013. – Vol. 47. – P. 731–736. – DOI: 10.1016/j.matdes.2012.12.062.Grzesik W. Hybrid additive and subtractive manufacturing processes and systems: A review // Journal of Machine Engineering. – 2018. – Vol. 18. – P. 5–24. – DOI: 10.5604/01.3001.0012.7629.Influence of anisotropy properties and structural inhomogeneity on elasticity and fracture of titanium alloys produced by electron-beam melting / V.A. Klimenov, E.A. Kolubaev, Z. Han, A.V. Chumaevskii, A.A. Klopotov, A.M. Ustinov, Z.G. Kovalevskaya, E. Moskvichev, M. Pan // The International Journal of Advanced Manufacturing Technology. – 2024. – Vol. 135. – P. 5575–5594. – DOI: 10.1007/s00170-024-14843-7.Park S.H. Robust design and analysis for quality engineering. – London: Chapman & Hall, 1996. – 256 p.Phadke M.S. Quality engineering using robust design. – Englewood Cliffs, NJ: Prentice-Hall, 1989. – 320 p.Nalbant M., Gökkaya H., Sur G. Application of Taguchi method in the optimization of cutting parameters for surface roughness in turning // Materials & Design. – 2007. – Vol. 28 (4). – P. 1379–1385. – DOI: 10.1016/j.matdes.2006.01.008.Comprehensive analysis of microstructure and mechanical, operational, and technological properties of AISI 321 austenitic stainless steel at electron beam freeform fabrication / S.V. Panin, M. Qi, D.Yu. Stepanov, M.V. Burkov, V.E. Rubtsov, Y.V. Kushnarev, I.Yu. Litovchenko // Construction Materials. – 2025. – Vol. 5 (3). – P. 62. – DOI: 10.3390/constrmater5030062.Zhang J.Z., Chen J.C., Kirby E.D. Surface roughness optimization in an end-milling operation using the Taguchi design method // Journal of Materials Processing Technology. – 2007. – Vol. 184 (1–3). – P. 233–239. – DOI: 10.1016/j.jmatprotec.2006.11.029.Application of neural network models with ultra-small samples to optimize the ultrasonic consolidation parameters for ‘PEI Adherend/Prepreg (CF-PEI Fabric)/PEI Adherend’; lap joints / D.Y. Stepanov, D. Tian, V.O. Alexenko, S.V. Panin, D.G. Buslovich // Polymers. – 2024. – Vol. 16. – P. 451. – DOI: 10.3390/polym16040451.Draper N.R., Harry S. Applied regression analysis. – 3rd ed. – Wiley-Interscience, 1998. – 736 p. – ISBN 0471170828. – ISBN 9780471170822.Куприенко Н.В., Пономарева О.А., Тихонов Д.В. Статистические методы изучения связей: Корреляционно-регрессионный анализ: учебное пособие. – СПб.: Изд-во Политехн. ун-та, 2009. – 118 с.Yan X., Su X. Linear regression analysis: Theory and computing. – Singapore: World Scientific Publishing, 2009. – 328 p. – ISBN 9812834109. – ISBN 9789812834102.Haykin S.S. Neural networks and learning machines. – 3rd ed. – Upper Saddle River, NJ: Pearson Education, 2009. – ISBN 978-0131471399.Swingler K. Applying neural networks: A practical guide. – San Francisco, CA: Morgan Kaufman Publishers, 1996. – 303 p. – ISBN 0126791708. – ISBN 9780126791709.Holkar H., Sadaiah M. Optimization of end milling machining parameters of AISI 321stainless steel using Taguchi method // International Journal on Recent and Innovation Trends in Computing and Communication. – 2016. – Vol. 4. – P. 20–23.Study of the machinability of an Inconel 625 composite with added NiTi-TiB2 fabricated by direct laser deposition / A. Arlyapov, S. Volkov, V. Promakhov, A. Matveev, A. Babaev, A. Vorozhtsov, A. Zhukov // Metals. – 2022. – Vol. 12 (11). – P. 1956. – DOI: 10.3390/met12111956.