Monitoreo en proceso del proceso de tallado utilizando un sensor de emisión acústica y aprendizaje automático supervisado
Autores: Schiller, Vivian; Klaus, Sandra; Bilen, Ali; Lanza, Gisela
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Monitoreo en proceso del proceso de tallado utilizando un sensor de emisión acústica y aprendizaje automático supervisado
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Productos
Microengranajes
Fabricación
Desviaciones geométricas
Métodos de medición
Sensor de emisión acústica
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 34
Citaciones: Sin citaciones
La complejidad de los productos aumenta considerablemente, y a menudo las funciones clave solo se pueden realizar utilizando componentes de alta precisión. Los microengranajes tienen una geometría particularmente compleja y, por lo tanto, los requisitos de fabricación a menudo alcanzan límites tecnológicos. Sus desviaciones geométricas son relativamente grandes en comparación con el tamaño reducido del componente y, por lo tanto, tienen un gran impacto en la funcionalidad en términos de generar ruido no deseado y vibraciones en el producto final. Todavía no existen métodos de medición integrados en la producción que permitan el control de calidad de todos los microengranajes producidos. Como resultado, muchos fabricantes no pueden medir ningún parámetro geométrico de los engranajes de acuerdo con normas como DIN ISO 21771. Si acaso, solo se miden muestras, ya que esto solo es posible mediante tecnologías de medición táctiles u ópticas especializadas, sensibles y costosas. En un enfoque novedoso, este documento examina la integración de un sensor de emisión acústica en el proceso de tallado de microengranajes para predecir parámetros de proceso y características geométricas y funcionales de los engranajes producidos. En cuanto a los parámetros de proceso, se investigan la alimentación radial y el giro de la herramienta, mientras que la desviación total del perfil se utiliza como una variable geométrica representativa y el error total de transmisión como una variable funcional. El enfoque se valida experimentalmente mediante el diseño de experimentos. Además, se comparan diferentes enfoques para la extracción de características de datos de sensores continuos en el tiempo y diferentes enfoques de aprendizaje automático para predecir parámetros de proceso y geometría entre sí y se prueban para determinar su idoneidad. Se demuestra que el sonido transmitido por estructura, en combinación con el aprendizaje automático supervisado y el análisis de datos, es adecuado para el monitoreo en proceso de los procesos de tallado de microengranajes.
Descripción
La complejidad de los productos aumenta considerablemente, y a menudo las funciones clave solo se pueden realizar utilizando componentes de alta precisión. Los microengranajes tienen una geometría particularmente compleja y, por lo tanto, los requisitos de fabricación a menudo alcanzan límites tecnológicos. Sus desviaciones geométricas son relativamente grandes en comparación con el tamaño reducido del componente y, por lo tanto, tienen un gran impacto en la funcionalidad en términos de generar ruido no deseado y vibraciones en el producto final. Todavía no existen métodos de medición integrados en la producción que permitan el control de calidad de todos los microengranajes producidos. Como resultado, muchos fabricantes no pueden medir ningún parámetro geométrico de los engranajes de acuerdo con normas como DIN ISO 21771. Si acaso, solo se miden muestras, ya que esto solo es posible mediante tecnologías de medición táctiles u ópticas especializadas, sensibles y costosas. En un enfoque novedoso, este documento examina la integración de un sensor de emisión acústica en el proceso de tallado de microengranajes para predecir parámetros de proceso y características geométricas y funcionales de los engranajes producidos. En cuanto a los parámetros de proceso, se investigan la alimentación radial y el giro de la herramienta, mientras que la desviación total del perfil se utiliza como una variable geométrica representativa y el error total de transmisión como una variable funcional. El enfoque se valida experimentalmente mediante el diseño de experimentos. Además, se comparan diferentes enfoques para la extracción de características de datos de sensores continuos en el tiempo y diferentes enfoques de aprendizaje automático para predecir parámetros de proceso y geometría entre sí y se prueban para determinar su idoneidad. Se demuestra que el sonido transmitido por estructura, en combinación con el aprendizaje automático supervisado y el análisis de datos, es adecuado para el monitoreo en proceso de los procesos de tallado de microengranajes.