Enhancement of EDM performance for NiTi, NiCu, and BeCu alloys using a multi-criteria approach based on utility function

Cover Page

Cite item

Full Text

Abstract

Introduction: Machining hard materials and shape memory alloys (SMAs), such as NiTi, NiCu, and BeCu, using conventional techniques is challenging due to excessive tool wear and poor surface finish. Non-conventional machining methods, particularly electrical discharge machining (EDM), offer improved precision and surface quality. However, the effectiveness of EDM is contingent upon the optimization of process parameters. The purpose of this study is to optimize EDM parameters to enhance the machining performance of SMAs by considering factors such as pulse-on time, pulse-off time, discharge current, gap voltage, and workpiece electrical conductivity. Methods. In this study, the Taguchi experimental design approach was employed to analyze the influence of key process parameters on the material removal rate (MRR), surface roughness (SR), and tool wear rate (TWR). Analysis of variance (ANOVA) was then applied to identify the most statistically significant factors affecting machining performance. A multi-objective optimization method, based on utility theory, was utilized to determine the optimal EDM settings that balance MRR, SR, and TWR. The results were validated through experimental trials. Results and Discussion. The experimental results indicated that Trial 15 achieved the highest MRR of 9.076 mm³/min, while Trial 1 produced the lowest SR of 2.238 µm. The minimum TWR of 0.041 mm³/min was observed in Trial 10, which contributes to increased tool lifespan. ANOVA revealed that gap voltage was the most influential factor, accounting for 85.98% of the variation in machining performance, followed by discharge current (4.76%) and pulse-off time (2.59%). The multi-objective optimization process successfully identified parameter configurations that optimize MRR while minimizing SR and TWR. The prediction model developed in this study demonstrated high accuracy, with an R² value of 93.3% and an adjusted R² of 89.7%. Validation experiments confirmed the effectiveness of the optimized parameters, resulting in an average MRR of 8.852 mm³/min, SR of 2.818 µm, and TWR of 0.148 mm³/min. The findings presented herein confirm that careful optimization of EDM parameters significantly enhances the machining performance of SMAs, considerably improving machining efficiency and tool longevity.

About the authors

V. Jatti

Email: vijaykjatti@gmail.com
D.Sc. (Engineering), Professor, School of Engineering and Applied Sciences, Bennett University, Noida, 201310, India, vijaykjatti@gmail.com

V. Singarajan

Email: s.n.vijayan@gmail.com
Karpagam Institute of Technology, Coimbatore - 641105, Tamil Nadu, India, s.n.vijayan@gmail.com

A. Saiyathibrahim

Email: imsaiyath@gmail.com
Ph.D. (Architectural), Associate Professor, University Centre for Research and Development, Chandigarh University, 140413, Punjab, India, imsaiyath@gmail.com

V. Jatti

Email: vinay.jatti89@gmail.com
Ph.D. (Engineering), Symbiosis Institute of Technology, Symbiosis International (Deemed) University, Pune, 412115, Maharashtra, India, vinay.jatti89@gmail.com

M. Krishnan

Email: murali15091990@gmail.com
Associate Professor, Karpagam Institute of Technology, Coimbatore - 641105, Tamil Nadu, India, murali15091990@gmail.com

S. Jatti

Email: savitabirajdardyp@gmail.com
Ph.D. (Engineering), D Y Patil College of Engineering, Savitribai Phule Pune University, Pune, India, savitabirajdardyp@gmail.com

References

  1. Electrical discharge machining of nickel-based superalloys: a comprehensive review / P. Sharma, K. Kishore, M.K. Sinha, V. Singh // International Journal of Materials Engineering Innovation. – 2022. – Vol. 13 (3). – P. 157–190. – doi: 10.1504/IJMATEI.2022.125119.
  2. Principles and characteristics of different EDM processes in machining tool and die steels / J.E.A. Qudeiri, A. Zaiout, A.H.I. Mourad, M.H. Abidi, A. Elkaseer // Applied Sciences. – 2020. – Vol. 10 (6). – P. 2082. – doi: 10.3390/app10062082.
  3. Philip J.T., Mathew J., Kuriachen B. Transition from EDM to PMEDM–impact of suspended particulates in the dielectric on Ti6Al4V and other distinct material surfaces: a review // Journal of Manufacturing Processes. – 2021. – Vol. 64. – P. 1105–1142. – doi: 10.1016/j.jmapro.2021.01.056.
  4. Wire electrical discharge machining – a review / L. Slatineanu, O. Dodun, M. Coteata, G. Nagît, I. B. Bancescu, A. Hrituc // Machines. – 2020. – Vol. 8 (4). – P. 69. – doi: 10.3390/machines8040069.
  5. Recent trends and developments in the electrical discharge machining industry: a review / A.A. Kamenskikh, K.R. Muratov, E.S. Shlykov, S.S. Sidhu, A. Mahajan, Y.S. Kuznetsova, T.R. Ablyaz // Journal of Manufacturing and Materials Processing. – 2023. – Vol. 7 (6). – P. 204. – doi: 10.3390/jmmp7060204.
  6. Electrical discharge machining parameters and dielectric fluid: a review / B. Gugulothu, N. Aravindan, G. Widjaja, S.A. Lakshmanan, M. Suresh // Handbook of Research on Advanced Functional Materials for Orthopedic Applications. – 2023. – Vol. 137–147. – doi: 10.4018/978-1-6684-7412-9.ch008.
  7. Reviewing performance measures of the die-sinking electrical discharge machining process: challenges and future scopes / R.K. Shastri, C.P. Mohanty, S. Dash, K.M.P. Gopal, A.R. Annamalai, C.-P. Jen // Nanomaterials. – 2022. – Vol. 12 (3). – P. 384. – doi: 10.3390/nano12030384.
  8. Goyal A., Pandey A., Rahman H.U. Present and future prospective of shape memory alloys during machining by EDM/wire EDM process: a review // Sadhana. – 2022. – Vol. 47 (4). – P. 217. – doi: 10.1007/s12046-022-01999-9.
  9. Jatti V.S. Multi-characteristics optimization in EDM of NiTi alloy, NiCu alloy and BeCu alloy using Taguchi’;s approach and utility concept // Alexandria Engineering Journal. – 2018. – Vol. 57 (4). – P. 2807–2817. – doi: 10.1016/j.aej.2017.11.004.
  10. Effects of process parameters on the machining process in die-sinking EDM of alloyed tool steel / M.M. Bahgat, A.Y. Shash, M. Abd-Rabou, I.S. El-Mahallawi // Engineering Design Applications III: Structures, Materials and Processes. – Springer, 2020. – P. 215–233. – doi: 10.1007/978-3-030-39062-4_19.
  11. Multi-objective optimization for electric discharge drilling of waspaloy: a comparative analysis of NSGA-II, MOGA, MOGWO, and MOPSO / P.P. Harane, D.R. Unune, R. Ahmed, S. Wojciechowski // Alexandria Engineering Journal. – 2024. – Vol. 99. – P. 1–16. – doi: 10.1016/j.aej.2024.04.049.
  12. Surface integrity in metal machining – Part I: Fundamentals of surface characteristics and formation mechanisms / Z. Liao, A. la Monaca, J. Murray, A. Speidel, D. Ushmaev, A. Clare, D. Axinte, R. M’;Saoubi // International Journal of Machine Tools and Manufacture. – 2021. – Vol. 162. – P. 103687. – doi: 10.1016/j.ijmachtools.2020.103687.
  13. Ishfaq K., Farooq M.U., Pruncu C.I. Reducing the geometrical machining errors incurred during die repair and maintenance through electric discharge machining (EDM) // The International Journal of Advanced Manufacturing Technology. – 2021. – Vol. 117 (9). – P. 3153–3168. – doi: 10.1007/s00170-021-07846-1.
  14. The versatility of the Taguchi method: Optimizing experiments across diverse disciplines / M.W. Hisam, A.A. Dar, M.O. Elrasheed, M.S. Khan, R. Gera, I. Azad // Journal of Statistical Theory and Applications. – 2024. – Vol. 23 (4). – P. 365–389. – doi: 10.1007/s44199-024-00093-9.
  15. Optimization of PMEDM process parameters for B4C and B4C+SiC reinforced AA7075 composites / G. Keskin, S. Salunkhe, G. Küçüktürk, M. Pul, H. Gürün, V. Baydarogl // Journal of Engineering Research. – 2025. – Vol. 13 (1). – P. 47–56. – doi: 10.1016/j.jer.2023.09.012.
  16. Multi-performance optimization in electrical discharge machining of Al2O3 ceramics using Taguchi base AHP weighted TOPSIS method / Y.-P. Zeng, C.-L. Lin, H.-M. Dai, Y.-C. Lin, J.-C. Hung // Processes. – 2021. – Vol. 9 (9). – P. 1647. – doi: 10.3390/pr9091647.
  17. Sahoo S.K., Thirupathi N., Saraswathamma K. Experimental investigation and multi-objective optimization of die sink EDM process parameters on Inconel-625 alloy by using utility function approach // Materials Today: Proceedings. – 2020. – Vol. 24. – P. 995–1005. – doi: 10.1016/j.matpr.2020.04.412.
  18. Experimental analysis and optimization of EDM parameters on HcHcr steel in context with different electrodes and dielectric fluids using hybrid Taguchi-based PCA-utility and CRITIC-utility approaches / M. Patel Gowdru Chandrashekarappa, S. Kumar, J. Jagadish, D.Y. Pimenov, K. Giasin // Metals. – 2021. – Vol. 11 (3). – P. 419. – doi: 10.3390/met11030419.
  19. Machining of shape-memory alloys using electrical discharge machining with an elaborate study of optimization approaches: a review / S. Dutta, A.K. Singh, B. Paul, M.K. Paswan // Journal of the Brazilian Society of Mechanical Sciences and Engineering. – 2022. – Vol. 44 (11). – P. 557. – doi: 10.1007/s40430-022-03826-y.
  20. Singh R., Singh R.P., Trehan R. Machine learning algorithms based advanced optimization of EDM parameters: an experimental investigation into shape memory alloys // Sensors International. – 2022. – Vol. 3. – P. 100179. – doi: 10.1016/j.sintl.2022.100179.
  21. Machinability assessment of shape memory alloy nitinol during WEDM operation: application potential of Taguchi based AHP–DFA technique / H. Majumder, A. Khan, D.K. Naik, C.S. Kumar // Surface Review and Letters. – 2022. – Vol. 29 (01). – P. 2250002. – doi: 10.1142/S0218625X22500020.
  22. Gupta D.K., Dubey A.K. Multi process parameters optimization of Wire-EDM on shape memory alloy (Ni54.1Ti) using Taguchi approach // Materials Today: Proceedings. – 2021. – Vol. 44. – P. 1423–1427. – doi: 10.1016/j.matpr.2020.11.628.
  23. Gangele A., Mishra A. Surface roughness optimization during machining of NiTi shape memory alloy by EDM through Taguchi’;s technique // Materials Today: Proceedings. – 2020. – Vol. 29. – P. 343–347. – doi: 10.1016/j.matpr.2020.07.287.
  24. Multi-objective optimization of electrical discharge machining process during machining of NiTi alloy using Taguchi and utility concept / V.S. Gaikwad, V.S. Jatti, P.J. Pawar, K.N. Nandurkar // Techno-Societal 2018: Proceedings of the 2nd International Conference on Advanced Technologies for Societal Applications. – Springer International Publishing, 2020. – Vol. 2. – P. 479–489. – doi: 10.1007/978-3-030-16962-6_49.
  25. Determination of the optimum conditions for machining NiTi shape memory alloys by electrical discharge machining / S. Güven, M. Yilmaz, H. Gökkaya, E. Nas // Journal of the Institution of Engineers (India): Series C. – 2024. – Vol. 105 (5). – P. 1035–1046. – doi: 10.1007/s40032-024-01099-z.
  26. Analysis of surface roughness and flank wear using the Taguchi method in milling of NiTi shape memory alloy with uncoated tools / E. Altas, H. Gokkaya, M. Karatas, D. Ozkan // Coatings. – 2020. – Vol. 10 (12). – P. 1259. – doi: 10.3390/coatings10121259.
  27. Singh R., Singh R.P., Trehan R. State of the art in processing of shape memory alloys with electrical discharge machining: a review // Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture. – 2021. – Vol. 235 (3). – P. 333–366. – doi: 10.1177/0954405420958771.
  28. Saoud F.B., Korkmaz M.E. A review on machinability of shape memory alloys through traditional and non-traditional machining processes: a review // Imalat Teknolojileri ve Uygulamalar?. – 2022. – Vol. 3 (1). – P. 14–32. – doi: 10.52795/mateca.1080941.
  29. Al-Mousawi M.A., Al-Shafaie S.H., Khulief Z.T. Modeling and analysis of process parameters in EDM of Ni35Ti35Zr15Cu10Sn5 high-temperature high entropy shape memory alloy by RSM approach // Manufacturing Review. – 2024. – Vol. 11. – P. 4. – doi: 10.1051/mfreview/2024002.
  30. Gaikwad V., Jatti V.S. Optimization of material removal rate during electrical discharge machining of cryo-treated NiTi alloys using Taguchi’;s method // Journal of King Saud University – Engineering Sciences. – 2018. – Vol. 30 (3). – P. 266–272. – doi: 10.1016/j.jksues.2016.04.003.
  31. Surface roughness and surface crack length prediction using supervised machine learning-based approach of electrical discharge machining of deep cryogenically treated NiTi, NiCu, and BeCu alloys / D.A. Sawant, V.S. Jatti, A. Mishra, E.M. Sefene, A.V. Jatti // The International Journal of Advanced Manufacturing Technology. – 2023. – Vol. 128 (11–12). – P. 5595–5612. – doi: 10.1007/s00170-023-12269-1.
  32. Jatti V.S., Singh T.P. Optimization of tool wear rate during electrical discharge machining of advanced materials using Taguchi analysis // WSEAS Transactions on Applied and Theoretical Mechanics. – 2016. – Vol. 11. – P. 44–53.
  33. Исследование электроэрозионной обработки криогенно обработанных бериллиево-медных сплавов (BeCu) / Д. Савант, Р. Булах, В. Джатти, С. Чинчаникар, А. Мишра, Э.М. Сефене // Обработка металлов (технология, оборудование, инструменты). – 2024. – Т. 26, № 1. – С. 175–193. – doi: 10.17212/1994-6309-2024-26.1-175-193.
  34. Bagane S., Jatti V.S., Singh T.P. Machinability study of beryllium copper by powder mixed electric discharge machining // Applied Mechanics and Materials. – 2015. – Vol. 787. – P. 376–380. – doi: 10.4028/ href='www.scientific.net/AMM.787.376' target='_blank'>www.scientific.net/AMM.787.376.
  35. Sankar V., Arravind R., Manikandan D. Material synthesis, characterization, and machining performance of stir cast beryllium copper alloy composites // Transactions of the Canadian Society for Mechanical Engineering. – 2018. – Vol. 43 (2). – P. 143–152. – doi: 10.1139/tcsme-2018-0103.
  36. Investigating the effect of cryogenic treatment of workpieces and tools on electrical discharge machining performance / V.S. Jatti, N.K. Khedkar, V.S. Jatti, P. Dhall // AIMS Materials Science. – 2022. – Vol. 9 (6). – doi: 10.3934/matersci.2022051.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».