Optymalizacja wydajności wiercenia biokompozytów z włókien Syagrus romanzoffiana: minimalizacja delaminacji za pomocą RSM i modeli ANN

Czystsze otwory w bardziej ekologicznych materiałach

W miarę jak firmy konkurują, by zastąpić tworzywa kopalne materiałami roślinnymi, pojawia się praktyczne pytanie: czy te bardziej ekologiczne materiały da się rzeczywiście wiercić, ciąć i montować na prawdziwych liniach produkcyjnych, nie doprowadzając ich do rozwarstwienia? Artykuł odpowiada na to pytanie w odniesieniu do mało znanego kompozytu z włókien palmowych, pokazując, jak wykonać schludne, precyzyjne otwory przy minimalnych uszkodzeniach poprzez połączenie starannie zaplanowanych badań eksperymentalnych z nowoczesnym modelowaniem opartym na danych.

Od odpadu palmowego do paneli o wysokiej wartości

Badanie koncentruje się na włóknach pobranych z osi (rachis) palmy Syagrus romanzoffiana, będących produktem ubocznym rutynowego przycinania w Algierii. Te krótkie, sztywne włókna są mieszane z bio‑epoksydową żywicą, tworząc lekkie, wytrzymałe panele zawierające 30% włókna w masie. Zespół najpierw potwierdza, że żywica utwardza się prawidłowo oraz że włókna tworzą fizyczne połączenie z otaczającą matrycą, wykorzystując spektroskopię w podczerwieni do sprawdzenia kompletności reakcji chemicznych i dobrej interakcji na styku. Wynikiem jest w pełni biopochodna płyta kompozytowa o właściwościach mechanicznych porównywalnych z wieloma konwencjonalnymi materiałami ze szkła, lecz wykonana z lokalnych odpadów roślinnych i biodegradowalnego spoiwa.

Dlaczego wiercenie uszkadza kompozyty

Aby panele były użyteczne w samochodach, sprzęcie sportowym czy wykończeniach wnętrz samolotów, muszą akceptować śruby, nity i łączniki, co oznacza konieczność wiercenia. W materiałach warstwowych, takich jak kompozyty włókniste, wiercenie często rozrywa warstwy w pobliżu otworu — wada znana jako delaminacja. Badanie skupia się na uszkodzeniach przy wylocie otworu, gdzie siła wypychania wiertła ma tendencję do podważania i odrywania ostatnich warstw. Naukowcy zmieniają trzy praktyczne parametry, które każdy warsztat może kontrolować: posuw (prędkość postępu wiercenia), prędkość obrotową wrzeciona oraz średnicę wiertła. Porównują również standardowe wiertła ze stali szybkotnącej z wersjami pokrytymi twardą, niskotarciową warstwą azotku tytanu. Skanując każdy wywiercony otwór i analizując obrazy za pomocą oprogramowania, mierzą „czynnik delaminacji”, czyli w praktyce, na ile obszar uszkodzony wokół wylotu przekracza zamierzony rozmiar otworu.

Odnalezienie optymalnych parametrów wiercenia

Na podstawie 27 starannie zaplanowanych testów wiercenia wyłania się wyraźny obraz. Najważniejszym parametrem jest posuw: zwiększenie prędkości posuwu trzykrotnie podnosi czynnik delaminacji o około połowę, ponieważ narzędzie musi przykładać znacznie większe siły do usuwania materiału. Na drugim miejscu jest średnica wiertła: większe wiertła generują większy nacisk i moment obrotowy, co nieco powiększa strefę uszkodzeń. Prędkość obrotowa ma bardziej subtelny, zakrzywiony wpływ; umiarkowana prędkość około 1 200 obrotów na minutę nieco zmiękcza matrycę, ułatwiając cięcie, ale unika nadmiernego nagrzewania, które osłabiałoby wiązanie między włóknami a żywicą. Wiertła pokryte azotkiem tytanu konsekwentnie przewyższają gołe stalowe dzięki niższemu tarciu i lepszej kontroli ciepła, dając czyściejsze wyjścia otworów w tych samych warunkach.

Nauczanie modeli do przewidywania uszkodzeń

Aby przekształcić te ustalenia w praktyczne wytyczne, autorzy opracowują dwa typy narzędzi predykcyjnych. Pierwsze to klasyczne podejście statystyczne, dopasowujące zakrzywioną powierzchnię do danych, które wychwytuje, jak każdy parametr wiercenia i ich pary wpływają na uszkodzenia. Metoda ta działa dobrze i uwidacznia niebezpieczne połączenie wysokiego posuwu i wysokiej prędkości, które razem gwałtownie zwiększają delaminację. Drugie narzędzie to sztuczna sieć neuronowa, prosta forma uczenia maszynowego, która uczy się wzorców bez zakładania konkretnego kształtu równania. Sieci neuronowe uczą się odwzorowywać posuw, prędkość i średnicę na zmierzone uszkodzenia z bardzo wysoką dokładnością, przewyższając model statystyczny przez zmniejszenie błędu predykcji nawet o trzy czwarte. Oba podejścia zgadzają się co do optymalnych przedziałów parametrów, ale sieć neuronowa lepiej odwzorowuje subtelne, nieliniowe zachowania tego konkretnego biokompozytu.

Praktyczne ustawienia dla przemysłu

Wykorzystując standardową metodę optymalizacji, zespół identyfikuje solidne okno pracy minimalizujące delaminację, jednocześnie realistyczne dla produkcji. Najlepszy zakres to niskie prędkości posuwu (około 50–70 milimetrów na minutę), umiarkowane prędkości wrzeciona (około 1 000–1 200 obrotów na minutę) oraz mniejsze średnice wierteł, zwłaszcza przy użyciu narzędzi pokrytych. W tych warunkach czynnik delaminacji pozostaje zaledwie kilka procent powyżej idealnego rozmiaru otworu — porównywalnie lub nawet lepiej niż wiele kompozytów węglowych i szklanych wierconych na sucho. Co istotne, optymum nie jest wąską igłą, lecz szerokim plateau, co oznacza, że drobne codzienne odchylenia w posuwie czy prędkości nie pogorszą nagle jakości otworów.

Co to oznacza dla bardziej ekologicznych produktów

Dla laików wniosek jest prosty: panele wykonane z włókien palmy Syagrus romanzoffiana i bio‑epoksydowego spoiwa można wiercić na tyle czysto, by spełniały wymagania wielu zastosowań rzeczywistych — od wnętrz samochodów po sprzęt sportowy — pod warunkiem stosowania rozsądnych warunków skrawania. Pokazując dokładnie, które ustawienia wiercenia ograniczają uszkodzenia — i dostarczając modele uczenia maszynowego, które można ponownie wykorzystać i rozszerzać — badanie pomaga zmniejszyć dystans między laboratoryjnymi „zielonymi” materiałami a codzienną, praktyczną rzeczywistością produkcji przemysłowej. W ten sposób wzmacnia argument, że kompozyty roślinne mogą być zarówno atrakcyjne środowiskowo, jak i praktycznie obrabialne.

Cytowanie: Ferfari, O., Belaadi, A., Krishnasamy, P. et al. Optimizing the drilling performance of Syagrus romanzoffiana fiber biocomposites: minimizing delamination with RSM and ANN modeling. Sci Rep 16, 7929 (2026). https://doi.org/10.1038/s41598-026-38618-0

Słowa kluczowe: kompozyty z włókien naturalnych, delaminacja przy wierceniu, materiały biopochodne, optymalizacja procesów, sztuczne sieci neuronowe