Implementación de herramientas de aprendizaje automático (IA) para la predicción de rugosidad de superficie en torneado

Fecha

Autor corporativo

Título de la revista

ISSN de la revista

Título del volumen

Editor

Universidad Francisco José de Caldas

Compartir

Altmetric

Resumen

The implementation of new technologies in engineering is at the forefront, thanks to the continuous advancements in computer science, given the ability to transmit and analyze information automatically. This is the case with the incorporation of machine learning methods in machining processes through algorithms, codes, and artificial intelligence, which optimize part production. This undergraduate monograph proposes the implementation of machine learning tools, primarily artificial intelligence, for predicting surface roughness in turning, based on the calculation of cutting parameters relevant to the manufacturing process. To this end, we propose the validation of machine learning from emerging artificial intelligences (ChatGPT, Meta, and Gemini) through collaborative interaction and information provision. This includes the development of a code for calculating cutting parameters in Python and experimental data from turning processes (extracted from databases) to train these tools. The respective validation of the feasibility of incorporating these machine learning models for surface roughness prediction will be carried out through statistical evaluation and comparison. It is expected that, through proper training of artificial intelligence, results will be obtained that generate precision in surface roughness prediction, while limiting errors due to misinterpretation and ambiguity by AIs, given that they are Large Language Models (LLM) that tend to generate errors in matters related to computation and correlation of numerical information.

Descripción

La implementación de nuevas tecnologías en la ingeniería se encuentra a la vanguardia, debido al continuo avance en campos de la informática, dada la capacidad de transmitir y analizar la información de forma automatizada. Tal es el caso de la incorporación de métodos de aprendizaje automático en procesos de mecanizado mediante algoritmos, códigos e inteligencias artificiales, los cuales optimizan la producción de piezas. En esta monografía de grado se plantea la implementación de herramientas de aprendizaje automático, principalmente de inteligencias artificiales, para la predicción de rugosidad de superficie en torneado, a partir del cálculo de los parámetros de corte pertinentes al proceso de manufactura. Para ello, se propone la validación del aprendizaje automático de inteligencias artificiales en auge (ChatGPT, Meta y Gemini), a través de la interacción colaborativa y suministro de información, como lo es el desarrollo de un código para el cálculo de los parámetros de corte en Python y data experimental de procesos de torneado (extraída de bases de datos) a fin de entrenar estas herramientas. La respectiva validación de la viabilidad de incorporar dichos modelos de aprendizaje automático, para la predicción de rugosidad superficial, se realizará mediante evaluación y comparación estadística. Se espera que a partir del entrenamiento adecuado de las inteligencias artificiales se obtengan resultados que generen precisión en la predicción de la rugosidad superficial, donde se limite el error por mala interpretación y ambigüedad de las IA, dado que son Modelos de Grandes Lenguas (LLM) que tienden a generar desaciertos en temas relacionados de cómputo y correlación de información numérica.

Palabras clave

Inteligencia Artificial, Aprendizaje automático, Predicción, Torneado

Materias

Ingeniería Mecánica -- Tesis y disertaciones académicas , Torneado -- Control de calidad , Aprendizaje automático (Inteligencia artificial) , Procesos de manufactura

Citación