logo móvil
Contáctanos

Análisis probabilístico de la integridad de la superficie en el torneado CNC: influencia de la conductividad térmica y la dureza en las distribuciones de rugosidad y ondulación

Autores: Alsoufi, Mohammad S.; Bawazeer, Saleh A.

Idioma: Inglés

Editor: MDPI

Año: 2025

Descargar PDF

Acceso abierto

Artículo científico
2025

Análisis probabilístico de la integridad de la superficie en el torneado CNC: influencia de la conductividad térmica y la dureza en las distribuciones de rugosidad y ondulación


Categoría

Tecnología de Equipos y Accesorios

Subcategoría

Diseño de equipos y herramientas

Palabras clave

Conductividad térmica
Dureza
Integridad de la superficie
Torneado CNC
Materiales de ingeniería
Rugosidad de la superficie

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 22

Citaciones: Sin citaciones


Descripción
Este estudio presenta un análisis probabilístico de cómo la conductividad térmica y la dureza afectan la integridad de la superficie en el torneado CNC, centrándose en cinco materiales de ingeniería: Aleación de Aluminio 6061, Latón C26000, Bronce C51000, Acero al Carbono 1020 Recocido y Acero Inoxidable 304 Recocido. Se midieron los parámetros de rugosidad y ondulación de la superficie en cinco zonas por material bajo condiciones controladas. Los resultados revelaron una fuerte correlación inversa entre la conductividad térmica y las irregularidades de la superficie. La Aleación de Aluminio 6061 (167 W/m·K, 95 HBW) exhibió el mejor acabado superficial (_avg ~ 1.7664 um; _avg ~ 0.8242 um), mientras que el Acero al Carbono 1020 Recocido (51 W/m·K, 170 HBW) demostró el peor acabado (_avg ~ 4.0780 um; _avg ~ 3.8384 um). Los materiales intermedios siguieron tendencias consistentes: Latón C26000 (_avg ~ 2.5398 um; _avg ~ 1.5364 um), Bronce C51000 (_avg ~ 1.8862 um; _avg ~ 0.9299 um) y Acero Inoxidable 304 Recocido (_avg ~ 0.9031 um; _avg ~ 0.5914 um). Los materiales de alta conductividad térmica exhibieron distribuciones de parámetros más estrechas (_ = 0.60 um). Los modelos probabilísticos, validados con alta confianza (> 0.95), ofrecen perspectivas predictivas para optimizar estrategias de mecanizado. Estos hallazgos apoyan ajustes de proceso específicos para cada material para mejorar la calidad de la superficie, la vida útil de la herramienta y la fiabilidad funcional en aplicaciones aeroespaciales, automotrices y biomédicas.

Otros recursos que podrían interesarte

Temas Virtualpro