Surface roughness prediction in turning of femoral head

Galanis, Nikolaos I.; Manolakos, D.E.

doi:10.1007/s00170-010-2616-4

Cited by 33 publications

(13 citation statements)

References 32 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The knee implant components, which will be designed as an assembly, include the femoral component, the tibial component, the tibial articulating surface, and the patellar component, as can be seen in Figure 2. studies on machining of femoral heads [23,24] and extends the preliminary work on the machining of knee implant, as reported in [25].…”

Section: Design Of the Knee Implant Componentssupporting

confidence: 52%

“…After the machining processes take place, an evaluation of machined surface is performed by means of surface roughness measurements in order to determine the optimum process parameters for the machining of various parts of the implant. The present work is related to previous works by the members of the same scientific group, including studies on machining of femoral heads [23,24] and extends the preliminary work on the machining of knee implant, as reported in [25].…”

Section: Introductionmentioning

confidence: 60%

See 1 more Smart Citation

Precision CNC Machining of Femoral Component of Knee Implant: A Case Study

et al. 2018

View full text Add to dashboard Cite

Abstract:The design and manufacturing of medical implants constitutes an active and highly important field of research, both from a medical and an engineering point of view. From an engineering aspect, the machining of implants is undoubtedly challenging due to the complex shape of the implants and the associated restrictive geometrical and dimensional requirements. Furthermore, it is crucial to ensure that the surface integrity of the implant is not severely affected, in order for the implant to be durable and wear resistant. In the present work, the methodology of designing and machining the femoral component of total knee replacement using a 3-axis Computer Numerical Control (CNC) machine is presented, and then, the results of the machining process, as well as the evaluation of implant surface quality are discussed in detail. At first, a preliminary design of the components of the knee implant is performed and the planning for the production of the femoral component is implemented in Computed Aided Manufacturing (CAM) software. Then, three femoral components are machined under different process conditions and the surface quality is evaluated in terms of surface roughness. Analysis of the results indicated the appropriate process conditions for each part of the implant surface and led to the determination of optimum machining strategy for the finishing stage.

show abstract

Section: Design Of the Knee Implant Componentssupporting

confidence: 52%

Section: Introductionmentioning

confidence: 60%

Precision CNC Machining of Femoral Component of Knee Implant: A Case Study

et al. 2018

View full text Add to dashboard Cite

show abstract

“…En ellas se muestran la contribución de cada factor y la importancia estadística para un 95 % de confianza. En la investigación fueron significativos el avance de corte y el tiempo principal de corte, similar conclusión determinada por Galanis y Manolakos [13] y Hamdan [14]. Se realizó un análisis de regresión múltiple para describir la relación entre el desgaste del flanco, el tiempo de corte principal y el avance de corte para cada velocidad e inserto utilizados en el estudio.…”

Section: Análisis De Varianza Y De Regresión Múlti-pleunclassified

Desgaste De La Herramienta De Corte en El Torneado en Seco Del Acero Aisi 316l

Morales-Tamayo

Hernández

Reyna

et al. 2016

ings

View full text Add to dashboard Cite

<p>El presente estudio experimental se centra en determinar modelos estadísticos para predecir el desgaste del flanco durante el torneado en seco del acero inoxidable AISI 316L utilizando dos insertos de corte. Los parámetros de corte fueron comparados utilizando un análisis de varianza y de regresión múltiple. Como principales resultados se obtuvieron el efecto significativo del avance de corte y el tiempo principal en el desgaste del flanco. Se hallaron los modelos estadísticos para estimar el desgaste de flanco, así como los errores absolutos medios de cada ecuación. El mejor desempeño correspondió al inserto GC2015 según las ecuaciones de regresión.</p>

show abstract

“…Lin evalúa el comportamiento del desgaste de la he-rramienta (desgaste del flanco) [14], Fernández-Abia y colaboradores no realizaron el mecanizado en seco [15], Maranhão y Darvim estudiaron la influencia del coeficiente de fricción de la interface herramienta-viruta [16] y por último, Galanis y Manolakos estudiaron el efecto de las condiciones de corte en la rugosidad superficial durante el mecanizado de cabezas femorales de acero inoxidable AISI 316L, para este estudio la longitud de corte fue de 28 mm [17]. El objetivo de este trabajo es comparar dos méto-dos para predecir la rugosidad superficial en el acero inoxidable AISI 316L con velocidades de 400 m/min y 450 m/min, uno basado en regresión múltiple y otro en las redes neuronales artificiales del tipo perceptrón multicapa.…”

Section: Introductionunclassified

Comparación entre redes neuronales artificiales y regresión múltiple para la predicción de la rugosidad superficial en el torneado en seco

Morales-Tamayo

Hernández

Carrera

et al. 2018

ings

View full text Add to dashboard Cite

Recibido: 30-11-2017, aprobado tras revisión: 18-12-2017 Forma sugerida de citación: Morales, Y.; Zamora, Y.; Vásquez, P.; Porras, M.; Bárzaga, J.; López, R. (2018). «Com-paración entre redes neuronales artificiales y regresión múltiple para la predicción de la rugosidad superficial en el torneado en seco». Ingenius. N.• 19, (enero-junio Resumen AbstractLos métodos de regresión múltiple y redes neuronales artificiales son técnicas usadas en muchas aplicaciones de la industria. En este trabajo se utilizaron dos métodos de predicción: regresión múltiple y redes neuronales artificiales (perceptrón multicapa) con el objetivo de predecir la rugosidad superficial en el torneado en seco del acero AISI 316l. En su implementación fueron considerados varios parámetros de corte como la velocidad, el avance y el tiempo de mecanizado. Las ecuaciones obtenidas por ambos métodos fueron comparadas desarrollando un diseño factorial completo para aumentar la fiabilidad de los valores registrados de rugosidad superficial. En el análisis se puede comprobar mediante los valores de coeficientes de determinación que los modelos propuestos son capaces de predecir la rugosidad superficial. Los modelos obtenidos demuestran que la técnica de redes neuronales artificiales tiene mejor precisión que la regresión múltiple para este estudio.The simple regression and artificial neural network methods are techniques used in many industrial aplications. This work developed two models in order to predict the surface roughness in dry turning of AISI 316L stainless steel. In its implementation they were considered various cutting parameters such as cutting speed, feed, and machining time. The models obtained by both methods were compared to develop a full factorial design to increase reliability of the recorded values of roughness. The analysis can be corroborated by the values of coefficients of determination that the proposed models are able to predict for surface roughness. The obtained results show that the neural networks techniques are more accurate than the multiple regression techniques for this study.Palabras clave: acero inoxidable AISI 316L, análisis de varianza y regresión, redes neuronales artificiales, rugosidad superficial, torneado de alta velocidad.

show abstract

Surface roughness prediction in turning of femoral head

Cited by 33 publications

References 32 publications

Precision CNC Machining of Femoral Component of Knee Implant: A Case Study

Precision CNC Machining of Femoral Component of Knee Implant: A Case Study

Desgaste De La Herramienta De Corte en El Torneado en Seco Del Acero Aisi 316l

Comparación entre redes neuronales artificiales y regresión múltiple para la predicción de la rugosidad superficial en el torneado en seco

Contact Info

Product

Resources

About