Optimización de parámetros de CNC de acuerdo a criterios de productividad usando un modelo de máquina basado en redes neuronales
Optimization of CNC parameters according to productivity criteria using a machine model based on neural networks
dc.contributor.author | Basagoiti, Rosa | |
dc.contributor.other | Arenas López, Javier | |
dc.contributor.other | Beamurgia Bengoa, Maite | |
dc.contributor.other | Martínez de Alegría Sáenz de Castillo, Jorge | |
dc.date.accessioned | 2024-04-25T12:55:54Z | |
dc.date.available | 2024-04-25T12:55:54Z | |
dc.date.issued | 2020 | |
dc.identifier.issn | 0012-7361 | en |
dc.identifier.other | https://katalogoa.mondragon.edu/janium-bin/janium_login_opac.pl?find&ficha_no=154378 | en |
dc.identifier.uri | https://hdl.handle.net/20.500.11984/6378 | |
dc.description.abstract | Every machine-tool user wants to maximize the productivity of their machines looking for balance between speed, precision and lifetime of mechanical components. Nevertheless, because CNCs have wide-ranging use, their correct parametrization for each case is key to achieving the desired objectives; on the other hand, minimizing the numbers of experimental tests to be performed on the machine is essential to reduce time and costs of the set-up process. In order to solve both difficulties, this paper presents a tool to give final user necessary information to properly adjust CNC parameters according to productivity criteria. The method makes use of experimental data to obtain a model of the machine based on neural networks. With this model machining time, geometric error and smoothness of any piece to be manufactured can be predicted, and therefore minimizing test on the real machine and recommending the appropriate values for the CNC. | en |
dc.description.abstract | Todo usuario de máquina-herramienta desea maximizar la productividad de sus máquinas buscando el compromiso entre rapidez, precisión y durabilidad de los elementos mecánicos. Sin embargo, debido a que los CNCs son generalistas, su correcta parametrización para cada caso resulta clave para lograr los objetivos deseados; por otro lado, minimizar el número de pruebas a realizar sobre la máquina es fundamental para reducir el tiempo y los costes del proceso de puesta en marcha. Para conjugar ambas problemáticas en esta investigación se propone dotar al usuario de una herramienta que proporcione la información necesaria para ajustar correctamente los parámetros del CNC de acuerdo a criterios de productividad. El método utiliza datos extraídos en ensayos empíricos para la obtención de un modelo de la máquina basado en redes neuronales. Este modelo permite predecir el tiempo de mecanizado, el error geométrico y la suavidad del movimiento para cualquier pieza a fabricar, minimizando de esta forma las pruebas sobre la máquina real y recomendando los valores adecuados para el CNC. | es |
dc.language.iso | eng | en |
dc.language.iso | spa | en |
dc.publisher | Dyna Publishing | en |
dc.rights | © 2020 Los autores | en |
dc.subject | optimization | en |
dc.subject | CNC | en |
dc.subject | neural network | en |
dc.subject | model | en |
dc.subject | machine tool | en |
dc.subject | productivity criteria | en |
dc.subject | optimización | es |
dc.subject | red neuronal | es |
dc.subject | modelo | es |
dc.subject | máquina herramienta | es |
dc.subject | criterios de productividad | es |
dc.title | Optimización de parámetros de CNC de acuerdo a criterios de productividad usando un modelo de máquina basado en redes neuronales | es |
dc.title | Optimization of CNC parameters according to productivity criteria using a machine model based on neural networks | en |
dcterms.accessRights | http://purl.org/coar/access_right/c_abf2 | en |
dcterms.source | DYNA | en |
local.contributor.group | Análisis de datos y ciberseguridad | es |
local.description.peerreviewed | true | en |
local.identifier.doi | http://doi.org/10.6036/9399 | en |
local.rights.publicationfee | APC | en |
local.rights.publicationfeeamount | 500 EUR | en |
local.contributor.otherinstitution | Fagor AOTEK, S. Coop. | en |
local.source.details | Vol. 95. N. 5. Pp. 514-519. Septiembre-Octubre, 2020 | |
oaire.format.mimetype | application/pdf | en |
oaire.file | $DSPACE\assetstore | en |
oaire.resourceType | http://purl.org/coar/resource_type/c_6501 | en |
oaire.version | http://purl.org/coar/version/c_ab4af688f83e57aa | en |
oaire.funderName | Gobierno Vasco | en |
oaire.funderIdentifier | https://ror.org/00pz2fp31 / http://data.crossref.org/fundingdata/funder/10.13039/501100003086 | en |
oaire.fundingStream | Convocatoria ELKARTEK 2015 | en |
oaire.awardNumber | Referencia KK-2015/00022 | en |
oaire.awardTitle | Fabricación Avanzada y Técnicas de Inteligencia Artificial en las Máquinas (FATIMA) | en |
oaire.awardURI | Sin información | en |
Ficheros en el ítem
Este ítem aparece en la(s) siguiente(s) colección(es)
-
Artículos - Ingeniería [684]