Estrategia de reemplazo automático de las herramientas gastadas en un proceso de torneado duro, basada en el análisis por series temporales de las señales de emisión acústica

Resumen

Estrategia de reemplazo automático de las herramientas gastadas en un proceso de torneado duro, basada en el análisis por series temporales de las señales de emisión acústica RESUMEN: En esta memoria se desarrolla una estrategia de vigilancia automática del estado de desgaste de la herramienta, en tiempo real, para un proceso (sin vigilancia de operario) de Torneado Duro de series de piezas, empleando herramientas de PCBN. Para ello se emplean las señales de Emisión Acústica (rms) captadas por un sensor colocado en la herramienta, con esta estrategia se trata de detectar el momento en el cual la herramienta alcanza un nivel de desgaste inaceptable y ordenar su sustitución por otra nueva. El desgaste de la herramienta juega un papel importante en el desencadenamiento de irregularidades en los procesos de corte por arranque de viruta en general, pero en el caso de Torneado Duro el desgaste tiene aún más importancia si cabe, debido a la alta dureza y a las exigentes tolerancias de las piezas. Para Conseguir el objetivo propuesto, en primer lugar la información aportada por la señal se condensa en los coeficientes del modelo de series Temporales al que ajustan las señales. Se observa que el modelo elegido es válido para representar también señales procedentes de procesos con condiciones diferentes (velocidades de corte, geometrías, tipos y niveles de desgaste de herramientas) a los empleados para la obtención de las señales utilizadas en la identificación del modelo. Para la clasificación automática del desgaste de herramientas (en nueva/desgastada), se emplea una Función Discriminante lineal. Esta función no es capaz de clasificar adecuadamente con la sola información de los coeficientes del modelo, pero puede llegar a serlo si se la complementa con un nuevo rasgo característico (el tiempo de corte normalizado). La función discriminante obtenida es adecuada para la clasificación, pero siempre que se aplique a procesos donde la velocidad de corte, el tipo y la geometría de herramienta son fijos. Si alguna de esas condiciones se altera, es necesario determinar una nueva Función Discriminante. Otra limitación de la función discriminante es que los coeficientes del modelo han de ser depurados antes de ser usados en la clasificación con objeto de obtener un sistema de clasificación mejor se diseña y entrena una Red Neuronal. El nuevo sistema es capaz de clasificar adecuadamente y presenta las siguientes ventajas sobre el sistema anterior: no necesita complementar la información dada por los coeficientes del modelo de Series Temporales, no necesita depurar los coeficientes y puede ser aplicado a señales procedentes de tipos de herramientas diferentes al empleado en el entrenamiento de la red.