Resumen

Este artículo presenta la optimización de los parámetros de mecanizado (proceso de torneado) basada en el uso de la inteligencia artificial. Para obtener una mayor eficiencia y productividad de la máquina herramienta, es necesario obtener parámetros de corte óptimos. Para encontrar los parámetros de corte óptimos se ha utilizado el algoritmo genético (AG) como buscador de soluciones óptimas. La optimización tiene que producir el mínimo tiempo de mecanizado y el mínimo coste de producción, teniendo en cuenta al mismo tiempo las restricciones tecnológicas y de material.

INTRODUCCIÓN

Hoy en día, la planificación de los procesos de mecanizado tiene que dar unos resultados que proporcionen la máxima productividad y garanticen la economía de la fabricación. Hoy en día el mercado tiene una demanda siempre cambiante de nuevos productos, que requieren un ciclo de desarrollo más corto. Una parte importante del ciclo de desarrollo del producto es la planificación del proceso de fabricación. Un tiempo de planificación del proceso más corto puede conducir al uso de parámetros de mecanizado que no son óptimos y esto puede conducir a un mayor coste de producción. Un planificador de procesos humano selecciona los parámetros de mecanizado adecuados utilizando no sólo su propia experiencia y conocimientos, sino también manuales de requisitos tecnológicos, máquina herramienta, herramienta de corte y material de la pieza seleccionada. Esta selección manual puede ser lenta y no tiene por qué dar resultados óptimos. Para superar este problema, la planificación del proceso de mecanizado se ha automatizado mediante el uso del sistema de planificación de procesos asistida por ordenador (CAPP). Además de la secuencia de operaciones y los parámetros de mecanizado, el sistema CAPP también debe ser capaz de elegir automáticamente la máquina y la herramienta de corte teniendo en cuenta el material de la pieza. En este artículo, nos centramos en la optimización de los parámetros de corte. Los parámetros de corte, como la profundidad de corte, el número de pasadas, el avance y la velocidad de mecanizado influyen en el éxito general de la operación de mecanizado [1,2]. Para llevar a cabo la optimización, es necesario definir un modelo matemático. No siempre es fácil definir un modelo que pueda expresarse mediante funciones analíticas puras. Además, la optimización de los parámetros de corte presenta un problema de optimización multiobjetivo, por lo que los métodos matemáticos clásicos, como la programación lineal, no funcionarían con tales datos de entrada. También existe el problema de encontrar óptimos locales. Para superar estos problemas, este artículo muestra el uso del Algoritmo Genético (AG) en la optimización del proceso de mecanizado. GA es una parte de los algoritmos evolutivos que copian la inteligencia de la naturaleza con el fin de encontrar extremos globales en el problema de función dada. Estos algoritmos se basan en operaciones estocásticas.

• Materias:Inteligencia artificial Algoritmos de optimización Optimización de procesos
• Subjects:Artificial intelligence Optimization algorithms Process optimization
• Palabras claves:Optimización multiobjetivo; Parámetros de mecanizado; Algoritmo genético
• Keywords:Multi-objective optimization; Machining parameters; Genetic algorithm