QUALITATIVE ESTIMATION OF ROUGHNESS USING AUTOMATIC LEARNING ALGORITHMS IN A DRILLING OPERATION

Autor: Aitor Duo, Mikel Cuesta Zabaljauregui, Javier Aperribay Zubia, Pedro Jose Arrazola Arriola, Ainhara Garay Araico, Erika Dominguez Romero, Rosa Basagoiti Astigarraga, Larraitz Azpitarte Aranzabal
Rok vydání: 2020
Předmět:
Zdroj: DYNA. 95:487-491
ISSN: 1989-1490
Popis: En el marco de la industria 4.0, se pretenden desarrollar entornos colaborativos entre persona-maquina para conseguir una mayor adaptacion a la variabilidad de los procesos de corte haciendo un uso eficiente de los recursos disponibles. Para ello, el uso de la informacion existente en los datos obtenidos de los procesos de corte es fundamental. El control y visualizacion de parametros cientificos (emisiones acusticas, potencias de corte, vibraciones, fuerzas de corte…) relacionados a parametros industriales (desgaste de herramienta, rugosidad, micro-estructura…) en procesos de taladrado es de gran importancia. Los procesos de taladrado se realizan en fases finales de la produccion de una pieza, por lo que resulta en muchas ocasiones una operacion critica. Utilizando un setup experimental, donde se adquieren tanto senales internas como la senal de emisiones acusticas y mediante el uso de algoritmos de aprendizaje automatico se realiza una estimacion cualitativa de la calidad del agujero realizado. Dadas las demandas de sectores en los que es necesaria la comprobacion de la rugosidad de la superficie mecanizada y teniendo en cuenta los requisitos a cumplir por las empresas manufactureras, obtener un indicador del estado de la superficie mecanizada supone una ventaja en cuanto a la toma de decisiones. Palabras clave: Rugosidad, emisiones acusticas, aprendizaje-automatico, taladrado
Databáze: OpenAIRE