Sensor and cnc internal signal evaluation to detect tool and workpiece malfunctions in the drilling process

Laburpena

Para impulsar la competitividad y satisfacer las cambiantes demandas de los clientes, el sector de la fabricación está aprovechando las tecnologías de la información y la comunicación (TIC). El mecanizado no es una excepción, y los procesos de mecanizado están avanzando hacia una red más inteligente y conectada para formar parte de un ecosistema digital industrial. A pesar de los avances logrados hasta la fecha, todavía existen considerables oportunidades de mejora debido a la complejidad de los procesos de mecanizado. En este contexto, la extracción y el análisis de los datos de las operaciones de mecanizado pueden proporcionar información valiosa para predecir los aspectos no deseados y tomar medidas para reducirlos o prevenirlos. El proceso de mecanizado en el que se centra el presente trabajo es el taladrado. El taladrado es una de las operaciones de mecanizado más utilizadas y críticas en muchos componentes mecanizados. Se lleva a cabo en las últimas etapas de la fabricación del producto, donde un error puede dar lugar a una pieza defectuosa. En esta tesis se realiza una comparación y selección de los sensores con mejor capacidad de predicción del estado de la herramienta y de la rugosidad superficial para el desarrollo de modelos basados en datos que predigan los parámetros mencionados del proceso de taladrado. Se instalaron diversos sensores en una máquina de taladrado, así como señales internas de la máquina, para tomar medidas indirectas físicas del estado de la herramienta y del componente mecanizado. Los datos resultantes determinan relaciones para la creación de modelos predictivos que permitan identificar los errores que puedan haberse producido en la operación de taladrado. Mediante el análisis estadístico (prueba t) de los resultados obtenidos de los modelos basados en datos, se obtuvo una visión de la capacidad de predicción de cada sensor. A continuación, se seleccionaron los más viables para los sistemas de monitorización del estado de las herramientas. Se establecieron las características de las señales que mejor se adaptan al acabado superficial específico. A partir de una serie de mediciones aleatorias de la rugosidad de la superficie mecanizada, se desarrolló una metodología para mapear las características de las señales que mejor se adaptan a la distribución de la rugosidad de los agujeros mecanizados. Mediante el uso de la agrupación jerárquica y el análisis de componentes principales de las características de las señales mapeadas, se crean clusters para identificar los agujeros con superficies dañadas.