LASER BLIND POCKET MILLING

 

Submitted to : Dr. Janakarajan Ramkumar

Group Members : Mayank Patel Ram Kishor Singh
18205404 18205011
 CONTENTS

• INTRODUCTION
• OBJECTIVE
• LITERATURE REVIEW                                                                                
    
• EXPERIMENTATION AND MEASUREMENTS                                         
 
• RESULTS AND DISCUSSION
• CONCLUSION
• FUTURE SCOPE
• REFERENCES
 INTRODUCTION

• Laser  milling  is  a  process  for  direct  material  removal  in  a  layer-by-layer 
fashion to make a blind slot. 

• In  ‘blind  'milling    the  depth  is  not  a  set  parameter  but  a  critical  variable 
which depends upon material properties, cutting power and speed. 

• High absorptivity generally leads to high manufacturing throughput.

• The shorter the wavelength, the better the light absorptivity for metal.

• The higher the wavelength, the better the light absorptivity for polymer.
 OBJECTIVE

The  present  work  has  been  show  to  investigate  blind  pocket  micro-milling 
(Raster  mode)  performance  on  two  different  material  titanium  as  a  low 
conducting metal and acrylic as a polymer, with different parameters, namely 
laser  power,  cutting  speed  and  number  of  scan  and  compare  experimental 
values with theoretical one. 
 LITERATURE REVIEW

• The  investigation  shown  by  Saklakoglu  and  Kasman  [1]  was  focused  on 
micro-milling  performance  of  the  AISI  H13  using  30-W  fiber  laser.  Their 
work  involved  the  effect  of  laser  power,  scan  speed,  frequency  and  fill 
spacing  on  surface  roughness  and  milling  depth  during  multi-pass 
operation.  The  second-order  regression  model  was  proposed  to  predict 
milling depth and surface roughness. 
         
• Snakenborg  et  al.[2]  had  reported  a  use  of  commercial  CO2  laser  for 
fabrication of micro-fluidic systems in polymers.
 EXPERIMENTATION AND MEASUREMENTS

• Work piece materials:   In  metal  category  titanium  is  used  because  of  its  low 
•  
conductivity (21.9 W/ (m- K)) so laser can easily work without conductive loss of 
heat. In polymer, transparent acrylic is used which has conductivity (0.2 W/ (m-
K)). 

• Laser source:  18 W CO2 pulse laser for better machining in polymer because of 

light  absorption  has  directly  proportional  relation  with  the  wavelength  (10.6  of 
laser[3]. 30 W fiber laser used for metal because of light absorption has inversely 
proportional to the wavelength (1.07 of incident laser. 
 
• Parameter variation:   Study  of  change  of  percentage  value  of  power 
capacity(90%,70%,50%,30%) of laser and number of pass(1,3) at a certain specific 
speed(10%,30%,50%) on the depth and surface roughness variation for titanium.
• Design of blind pocket
• Equipments used for measurement:
                            
Design of blind 
1. Vernier caliper-For depth measurement
pocket(10*10mm2 
2. Optical microscope-For micro level images and 5*5mm2)
3. Mechanical Profilometer-For roughness of milled surface

•  

70%,3,inner   70%,3,outer  90%,3,inner    90%,3,outer 

acrylic acrylic metal metal
 RESULTS AND DISCUSSION

Roughness
Table For metal: Titanium
Power Factor Velocity Factor Number
of scan

90% 10% 3     5.33      31.41            6.75

90% 10% 1     1.85      11.00            2.32
70% 10% 3     8.54      45.75            10.50
70% 10% 1     7.87      44.25            9.73

Acrylic along
Normal surface cross length
direction on metal

     0.16       1.60     0.24

0.02 0.13 0.02
 Effect of parameters on Pocket depth
  Power variation at 10% velocity
% of Exp. 1 pass (mm) Exp. 3 pass (mm)
Pmax
(18W)
1 pass E (%) 3pass E (%)

90 0.37 0.39 0.40 0.5276 36.43 1.583 59.43 0.99 1.01 0.98

0.3867          0.993
70 0.34 0.35 0.36 0.4104 17.25 1.2313 26.06 0.98 0.97 0.98

0.35          0.9767
50 0.17 0.19 0.2 0.293 56.93 0.879 59.81 0.55 0.56 0.54

            0.1867           0.55
30 0.09 0.11 0.12 0.1758 64.76 0.5276 93.04 0.27 0.27 0.28

             0.1067           0.2733

Velocity variation at 90% power
% of Vmax 1 pass (mm) Error(E)=
(90%Pmax)

10 0.37 0.39 0.40 0.5276 36.43  

                  0.3867  
30 0.20 0.22 0.23 0.1758 18.58  
                  0.216  
50 0.056 0.056 0.055 0.10562 33.926  
                  0.1597  
Plots of depth for Acrylic

Variation of power vs depth at 
10%vel Variation of velocity vs 
depth at 90%power
 Roughness plots for metals

Normal surface cross direction 

power 90% and 3 pass

power 90% and 1 pass
 power 70% and 3 pass

power 70% and 1 pass
 CONCLUSION

1.  Light  absorptivity  of  Acrylic  is  proportional  to  the  wavelength  of    laser 
source, whereas metal has inverse nature.
2.  Results  show  that  the  increase  in  depth  does  inversely  vary  with  cutting 
speed, whereas depth  does vary linearly with cutting power.
3.  After  processing  of  milling  it  erodes  the  surface  quality  and  quality  of 
surface  directly  vary  with  increasing  the  power  and  quality  inversely  with 
number of pass.
4. In experiment with variation of parameter error vary from 17.25 to 93.04 
depending on assumption made in theoretical analysis like no conduction and 
radiation loss, homogeneous material etc.
5. Error should be min while critical point of power and velocity supplied.
 FUTURE SCOPE

Facing  the  significant  variation  between  predicted  values  and  experimental 

one  is  more  common,  so  one  can  try  to  produce  some  mathematical 
modeling  and  come  up  with  a  algorithm  which  provide  more  accurate 
prediction of data.
 REFERENCES

1. Investigation of micro-milling process parameters for surface roughness and milling 
depth. Saklakoglu IE, Kasman S (2011)  Int J Adv Manuf Technol 54:567–578
 
2. Microstructure fabrication with a CO2 laser system. Snakenborg D, Klank H, Kutter
JP (2004) J Micromech Microeng 14:182–189
 
3. Prediction of depth of cut for single-pass laser micro-milling.  Chinmay K. Desai &
Abdulhafiz Shaikh. s.l. : springer, 2012, Int J Adv Manuf Technol, Vol. 60, pp. 865–882.

4.  Prediction  of  poly-methyl-methacrylate  laser  milling  process  characteristics. 

Doriana M. D’Addonaa, Silvio Gennab, Claudio Leonea, Davide Matarazzoa.  s.l. : 
Elsevier, 2016, CIRP, Vols. 41 ,981 – 986.