Optimización de los parámetros tecnológicos en el proceso de fresado para obtener la mínima rugosidad en el Acero ASI/SAE 1045
Fecha
Fecha
2019-01-18
Autores
Director
Colaboradores
Título de la revista
ISSN de la revista
Título del volumen
Editor
Altmetric
Descripción
En este documento se presenta un estudio realizado para obtener la mínima rugosidad en un acero AISI/SAE 1045 después de la operación de fresado en un CNC, teniendo en cuenta los siguientes parámetros tecnológicos: velocidad de corte, velocidad de avance y profundidad de pasada. Se diseñó el experimento con la técnica de Taguchi, empleando un arreglo ortogonal (L27). Mientras que los datos se analizaron con la herramienta estadística ANOVA, además se diseñó una red neuronal artificial (arquitectura 3-4-5-1) para predecir el valor de la rugosidad y este método se comparó con un modelo de regresión lineal múltiple. Con los resultados obtenidos se concluyó que la velocidad del husillo es el parámetro que más afecta el valor final de la rugosidad, seguido de la velocidad de avance, mientras que la profundidad de pasada no tiene incidencia en el valor final de la rugosidad.
Resumen
This document presents a study carried out to obtain the minimum roughness in an AISI / SAE 1045 steel after the milling operation in a CNC, taking into account the following technological parameters: cutting speed, feed speed and depth of pass. The experiment was designed with the Taguchi technique, using an orthogonal arrangement (L27). While the data was analyzed with the statistical tool ANOVA, an artificial neural network (architecture 3-4-5-1) was also designed to predict the value of the roughness and this method was compared with a multiple linear regression model. With the results obtained it was concluded that the spindle speed is the parameter that most affects the final value of the roughness, followed by the speed of advance, while the depth of pass has no effect on the final value of the roughness.
Palabras clave
Rugosidad, ANOVA, Velocidad de corte, Velocidad de avance, Profundidad de corte, Diseño de Taguchi, Red neuronal artificial, Regresión lineal múltiple