IA, VISIÓN ARTIFICIAL, REALIDAD AUMENTADA 82 En cuanto al Objetivo 4, y a partir de la información recolectada y los sensores virtuales desplegados, se han desarrollado diversas aplicaciones con un alto impacto en la industria: • Detección temprana de desgaste de herramientas de brochado: se emplean señales eléctricas de la máquina para monitorizar el movimiento y la fuerza ejercida durante el brochado. Se realizan mediciones del desgaste de la herramienta mediante un dispositivo diseñado en el CFAA, sin necesidad de desmontarla. El análisis de imágenes con técnicas de visión por computador y las señales eléctricas permiten desarrollar un modelo para la detección temprana del desgaste de las herramientas. • Detección automática de ‘outliers’ en centros de mecanizado usando sistemas de visión artificial: se implementa un sistema de visión artificial para estimar automáticamente el desgaste de la herramienta de brochado. Esta tecnología permite evaluar el desgaste bajo diferentes condiciones de mecanizado, facilitando la toma de decisiones sobre el reemplazo de la herramienta. La detección precisa del desgaste previene roturas catastróficas de la herramienta y garantiza la calidad de las piezas mecanizadas. Y finalmente, con respecto al Objetivo 5, se propuso un método de monitorización para un brochado eficiente combinando la monitorización en tiempo real y la inspección del desgaste de herramientas fuera de línea. En primer lugar, se definieron las características de la herramienta de corte y las afectadas por la degradación de esta. Posteriormente se llevaron a cabo algunos ensayos de ciclos de brochado midiendo aceleraciones del proceso, fuerza de corte a través del uso de células de carga, y el consumo de los accionamientos del motor. Estableciendo la sensibilidad entre el desgaste de la herramienta y las frecuencias naturales del proceso de brochado. Por otro lado, se realizó una investigación sobre el proceso de preparación de filos de corte mediante arrastre (DF) en herramientas de carburo, evaluando dos tamaños de grano y tres proporciones de mezcla, variando la profundidad de inmersión de la herramienta en el abrasivo y el tiempo de arrastre. Con el estudio se demostró la viabilidad y confiabilidad del método DF para la preparación de filos de corte en herramientas de carburo. Su precisión y capacidad de predicción lo convierten en una alternativa atractiva a los métodos tradicionales. Gracias a todos estos desarrollos, el proyecto nos ha permitido realizar algunas publicaciones tanto en Revistas del alto impacto como en Congresos científicos: • Tapia, E., Sastoque-Pinilla, L., LopezNovoa, U., Bediaga, I., & López de Lacalle, N. (2023). Assessing industrial communication protocols to bridge the gap between machine tools and software monitoring. Sensors, 23(12), 5694. • Villarrazo, N., Martínez de Pissón, G., Fernandez, P., Pereira, O., & López de Lacalle, L. N. (2023). Titanium blade milling with minimum piece deformation based on tool orientation. MM Science Journal. • Pérez-Salinas, C., López de Lacalle, L. N., Fernández-Lucio, P., GómezEscudero, G., & Del Olmo, A. (2023). The effect of broaching tool cutting edges polishing on process forces and temperature. MM Science Journal. • Pérez-Salinas, C. F., Del Olmo, A., & López de Lacalle, L. N. (2022). Estimation of drag finishing abrasive effect for cutting edge preparation in broaching tool. Materials, 15(15), 5135. • Tapia, E., Lopez-Novoa, U., SastoquePinilla, L., & López-de-Lacalle, L. N. (2024). Implementation of a scalable platform for real-time monitoring
RkJQdWJsaXNoZXIy Njg1MjYx