Recently, different problems in manufacturing operations namely lower product time, secondary operations, waste reduction, miniaturization, high-level precision ability, better surface, complex-shaped profiles and high strength material machining are solved with the usage of superior machining methods. The abrasive water jet machining (AWJM) process is further established based on various advanced machining techniques by the researchers. In the manufacturing industries, the AWJM process is used to determine extensive use for a wide range of machining materials. This survey is categorized into different kinds of AWJM processes based on certain parameters to be precise which are factor influences, work materials and modeling process of AWJM. AWJM influences parameters are categorized into subparameters which include mixing parameters, hydraulic parameters, cutting parameters and abrasive parameters. Additionally, we investigated a few modeling processes in AWJM such as dimensional analysis, statistical model, differential equation, neural network model, numerical model and analytical model. The review papers were collected from the year 2009 to 2019, and approximately 78 papers are used for this examination. Additionally, the comparative analysis is carried out between the different numbers of papers chosen for each experiment and their performances were established in this work. Several open issues challenges namely low material removal rate, low depth of penetration, etc. with its future scopes are addressed.

近来，通过使用优良的加工方法解决了制造操作中的不同问题，这些问题包括缩短产品时间，减少二次加工，减少浪费，小型化，高水平的精密能力，更好的表面，复杂形状的轮廓和高强度材料加工。研究人员基于各种先进的加工技术进一步建立了磨料水射流加工（AWJM）工艺。在制造业中，AWJM工艺用于确定广泛用于各种加工材料。该调查根据某些参数精确地分类为不同种类的AWJM过程，这些参数是AWJM的因素影响，工作材料和建模过程。AWJM影响参数分为子参数，其中包括混合参数，液压参数，切削参数和磨料参数。此外，我们研究了AWJM中的一些建模过程，例如尺寸分析，统计模型，微分方程，神经网络模型，数值模型和分析模型。审查论文收集自2009年至2019年，该考试使用了约78篇论文。此外，在为每个实验选择的不同数量的论文之间进行了比较分析，并在这项工作中确定了它们的性能。解决了一些未解决的挑战，即材料去除率低，渗透深度低等问题及其未来范围。微分方程，神经网络模型，数值模型和解析模型。审查论文收集自2009年至2019年，该考试使用了约78篇论文。此外，在为每个实验选择的不同数量的论文之间进行了比较分析，并在这项工作中确定了它们的性能。解决了一些未解决的挑战，即材料去除率低，渗透深度低等问题及其未来范围。微分方程，神经网络模型，数值模型和解析模型。审查论文收集自2009年至2019年，该考试使用了约78篇论文。此外，在为每个实验选择的不同数量的论文之间进行了比较分析，并在这项工作中确定了它们的性能。解决了一些未解决的挑战，即材料去除率低，渗透深度低等问题及其未来范围。对比分析是在每个实验选择的不同数量的论文之间进行的，并在这项工作中确定了它们的性能。解决了一些未解决的挑战，即材料去除率低，渗透深度低等问题及其未来范围。对比分析是在每个实验选择的不同数量的论文之间进行的，并在这项工作中确定了它们的性能。解决了一些未解决的挑战，即材料去除率低，渗透深度低等问题及其未来范围。