Regresar

Aplicación de redes neuronales en operaciones industriales de manufactura para productos prismáticos circulares en materiales metálicos no ferrosos

Abstract:

Actualmente en el Ecuador, el mercado ha dado acogida al mecanizado de varios materiales metálicos, en especial los no ferrosos como las aleaciones de aluminio con tratamiento térmico de la familia 6xxx y 7xxx, para hacer productos primaticos circulares. La presente investigación tiene como objetivo el estudio de la integridad superficial y la tabulación del caudal de material removido aplicando aprendizaje no supervisado (reglas de asociación y agrupación) y supervisado (red neuronal artificial) en el proceso de manufactura en un torno CNC para mecanizar los ejes de aluminio. Se utilizo dos parámetros de corte constantes, como lo son la velocidad de corte de 420 m/min y volumen de material removido de 22.2 cm3. Previo al proceso de mecanizado se hicieron simulaciones utilizando software de manufactura y diseño asistido por computador para hacer un análisis comparativo con el tiempo real en el procesamiento de cada ensayo, determinando la correlación de los datos censados. En el desarrollo del aprendizaje no supervisado se estudió la correlación de los parámetros de corte y se diseñó el algoritmo de agrupamiento en función del valor máximo del análisis de Elbow, concluyendo que para estudiar los resultados de la aleación de aluminio AA 7075 T6, se necesita un arreglo ortogonal de veinte y siete niveles. Para el análisis neuronal se clasifico los resultados de la rugosidad superficial utilizando la escala Likert de cinco niveles (baja, regular, buena, muy buena y excelente) y en la estructura de la neurona se formuló en función de la profundidad, avance y velocidad de corte; presentando eficiencia del 75% en la arquitectura del avance de corte y la profundidad en la tabla de materiales AA 6061 T6 y AA 7075 T6 y eficiencia del 100% en la arquitectura del avance de corte y la profundidad en la tabla del material AA 6061 T6.