Resumen

El objetivo del presente estudio fue analizar varios modelos para predecir la rugosidad de la superficie en el torneado en seco de acero inoxidable AISI 316L. Los métodos de regresión múltiple y redes neuronales artificiales fueron aplicados para estudiar el efecto de la velocidad de corte, avance, y el tiempo de mecanizado. Con el fin de aumentar la fiabilidad y solidez de los valores de rugosidad superficial registrados fue implementado un diseño factorial completo. Se realizó una comparación estadística de los modelos resultantes. Los resultados producidos por ambos métodos muestran que la pueden ser utilizados para predecir la rugosidad superficial. Los resultados de los modelos de redes neuronales artificiales muestran una mayor precisión que los derivados de los modelos de regresión múltiple.

1. INTRODUCCIÓN

El acero inoxidable es uno de los materiales metálicos más utilizados en el sector industrial, esto se debe a la favorable combinación de las propiedades mecánicas, resistencia a la corrosión y costo. Este material ha sido ampliamente usado en el campo aeroespacial y militar, donde existe una demanda creciente en los requisitos de calidad superficial [1].

Las características de la superficie mecanizada afectan directamente la resistencia a la fatiga, la resistencia a la corrosión y las propiedades tribológicas de los componentes mecanizados. Obtener un valor elevado de calidad superficial aumenta la vida a la fatiga del producto. En consecuencia, el control de la superficie mecanizada es esencial para asegurar un correcto proceso de corte. El aspecto más importante en los procesos de manufactura es la medición y la caracterización de las propiedades superficiales. En el proceso de torneado, la rugosidad superficial es un parámetro que tiene gran influencia en el comportamiento y la funcionalidad de los componentes mecánicos y en los costos de producción [2].

La rugosidad superficial es afectada por varios factores, tales como: el avance, las propiedades del material de trabajo, la velocidad de corte, la profundidad, el radio de la punta, las condiciones de la máquina, los fluidos de corte, los materiales de las herramientas de corte y los ángulos de la herramienta de corte, entre otros. Dentro de ellos, son fáciles de ajustar los parámetros de corte con el objetivo de lograr el rendimiento esperado [3].

Los aceros inoxidables austeníticos son considerados materiales difíciles de mecanizar, característica relacionada con su baja conductividad térmica, alto coeficiente de expansión térmica, alta ductilidad y alto endurecimiento por deformación.

• Materias:Propiedades mecánicas Acero inoxidable Redes neuronales (Computadores)
• Subjects:Mechanical properties Stainless steel Neural networks (Computer science)
• Palabras claves:Acero inoxidable AISI 316L; Análisis de regresión; Redes neuronales artificiales; Rugosidad superficial; Torneado en seco
• Keywords:AISI 316L stainless steel; Analysis of regression; Artificial neural network; Surface roughness; Dry turning