Tratamiento de filos de corte por arrastre planetario “Dragging” y predicción de redondeo de filo en herramientas de carburo

Pérez Salinas, Cristian, López de Lacalle, Luis Norberto, Fernández Lucio, Pablo y Pereira Neto, Octavio(2022) .Tratamiento de filos de corte por arrastre planetario “Dragging” y predicción de redondeo de filo en herramientas de carburo. XV Congreso Iberoamericano de Ingeniería Mecánica.En: Universidad Politécnica de Madrid. (2022-11-22)

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
Abs_61_181751.pdf Tratamiento de filos de corte application/pdf 1.15MB

Título de la Conferencia XV Congreso Iberoamericano de Ingeniería Mecánica
Fecha de inicio de la Conferencia 2022-11-22
Fecha fín de la Conferencia 2022-11-24
Lugar de la Conferencia Universidad Politécnica de Madrid
Fecha de presentación de la Ponencia 2022
Titulo Tratamiento de filos de corte por arrastre planetario “Dragging” y predicción de redondeo de filo en herramientas de carburo
Autor(es) Pérez Salinas, Cristian
López de Lacalle, Luis Norberto
Fernández Lucio, Pablo
Pereira Neto, Octavio
Materia(s) Ingeniería Mecánica
Resumen El presente trabajo describe el uso del proceso de preparación de filo de corte “Dragging” (DF) con 2 tamaños de grano y tres porcentajes de mezcla. Se manipularon tanto la profundidad de inmersión de la herramienta en el medio abrasivo y el tiempo de duración del arrastre; además, se efectuó un análisis Repetibilidad y Reproducibilidad (R&R) y predicción de radio de filo (ER) mediante Machine Learning por Artificial Neural Network (ANN). Los resultados alcanzados fueron: que los factores influyentes sobre el ER en orden de importancia fueron Profundidad de arrastre, tiempo de arrastre, porcentaje de mezcla y tamaño de grano respectivamente, la precisión de reproducción del ER es confiable en comparación con proceso tradicionales como el cepillado y el blasting, y la precisión de predicción del ER de preparación con ANN fue del 94 % evidenciando la eficacia del algoritmo. Finalmente se demuestra que el DF tiene viabilidad confiable en la aplicación de preparación de filos en herramientas de carburo para procesos de arranque de viruta.
Abstract The present work describes the use of the cutting-edge preparation process "Dragging" (DF) with 2 grain sizes and three mixing percentages. Both the immersion depth of the tool in the abrasive medium and the dragging duration time were manipulated; in addition, a Repeatability and Reproducibility (R&R) analysis and prediction of cutting-edge radius (ER) were carried out by Machine Learning by Artificial Neural network (ANN). The results achieved were that the influencing factors on the ER in order of importance were drag depth, drag time, mixing percentage and grain size respectively, the reproduction accuracy of the ER is reliable in comparison with traditional processes such as brushing and blasting, and the prediction accuracy of the ER of preparation with ANN was 94%, evidencing the effectiveness of the algorithm. In the end, it is demonstrated that the DF has reliable feasibility in the application of cutting-edge preparation on carbide tools for chip removal processes.
Palabra clave afilado
tratamiento de filo por arrastre
herramientas carburo
análisis Repetibilidad y Reproducibilidad
predicción ANN
Editor(es) Universidad Nacional de Educación a Distancia (España)
Universidad Politécnica de Madrid. Departamento de Ingeniería Mecánica
Fecha 2022
Formato application/pdf
Identificador bibliuned:congresoCIBIM-2022UPMEspana-Cperez
https://doi.org/10.5944/bicim2022.044
Idioma spa
Versión de la publicación publishedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso conferenceObject
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 170 Visitas, 71 Descargas  -  Estadísticas en detalle
Creado: Wed, 07 Dec 2022, 19:45:39 CET