Modelado predictivo y optimización de los parámetros de perforación por chorro de agua abrasivo (AWJD) en aleación AZ31B-Mg utilizando redes neuronales y análisis relacional gris
Autores: Rajendran, Satheesh; Ranganathan, Baskaran; Karuppasamy, Kannapiran
Idioma: Inglés
Editor: Juan José de Damborenea
Año: 2024
Acceso abierto
Artículo OA
Categoría
Procesos industriales
Licencia
CC BY – Atribución
Consultas: 12
Citaciones: Revista de Metalurgia Vol. 60 Núm. 2
Las aleaciones de magnesio son materiales estructurales livianos reconocidos por su excepcional relación resistencia-peso, su resistencia a la corrosión y su sobresaliente biocompatibilidad, lo que las hace adecuadas para componentes aeronáuticos, cajas de engranajes, computadores, dispositivos móviles, aplicaciones automotrices, biomédicas y electrónicas. Este estudio investiga la modelación y predicción de los parámetros del proceso de perforación por chorro de agua abrasivo (AWJD) en la aleación de magnesio AZ31B-Mg mediante Redes Neuronales Artificiales (ANN) y Análisis Relacional Gris (GRA).
Se empleó un arreglo ortogonal L9 de Taguchi para examinar los efectos de la presión del chorro de agua abrasivo (Awjp), la distancia de separación (Sd) y la tasa de flujo de abrasivo (Afr) sobre dos respuestas críticas: la rugosidad superficial (Sr) y el ángulo de estrechamiento del corte (Kta). La configuración óptima de parámetros (Awjp = 220 MPa, Sd = 2 mm, Afr = 230 g·min⁻¹) minimizó tanto Sr como Kta. La validación experimental demostró que el modelo ANN obtuvo una mayor precisión de predicción, con un error promedio de 1,2154 %, en comparación con el 12,18114 % del modelo GRA. El análisis de regresión produjo R² = 95,05 % y R²(adj) = 80,19 %.
El estudio demuestra la efectividad de las ANN en la optimización de procesos AWJD y en la mejora del rendimiento de maquinado de la aleación AZ31B-Mg, lo que respalda una mayor adopción de estas aleaciones en aplicaciones de ingeniería de alto desempeño.
Descripción
Las aleaciones de magnesio son materiales estructurales livianos reconocidos por su excepcional relación resistencia-peso, su resistencia a la corrosión y su sobresaliente biocompatibilidad, lo que las hace adecuadas para componentes aeronáuticos, cajas de engranajes, computadores, dispositivos móviles, aplicaciones automotrices, biomédicas y electrónicas. Este estudio investiga la modelación y predicción de los parámetros del proceso de perforación por chorro de agua abrasivo (AWJD) en la aleación de magnesio AZ31B-Mg mediante Redes Neuronales Artificiales (ANN) y Análisis Relacional Gris (GRA).
Se empleó un arreglo ortogonal L9 de Taguchi para examinar los efectos de la presión del chorro de agua abrasivo (Awjp), la distancia de separación (Sd) y la tasa de flujo de abrasivo (Afr) sobre dos respuestas críticas: la rugosidad superficial (Sr) y el ángulo de estrechamiento del corte (Kta). La configuración óptima de parámetros (Awjp = 220 MPa, Sd = 2 mm, Afr = 230 g·min⁻¹) minimizó tanto Sr como Kta. La validación experimental demostró que el modelo ANN obtuvo una mayor precisión de predicción, con un error promedio de 1,2154 %, en comparación con el 12,18114 % del modelo GRA. El análisis de regresión produjo R² = 95,05 % y R²(adj) = 80,19 %.
El estudio demuestra la efectividad de las ANN en la optimización de procesos AWJD y en la mejora del rendimiento de maquinado de la aleación AZ31B-Mg, lo que respalda una mayor adopción de estas aleaciones en aplicaciones de ingeniería de alto desempeño.