Sistemas de monitorización del desgaste de la herramienta en los procesos de torneado

Es bien sabido que el desgaste de la herramienta es un factor que afecta tanto a la calidad superficial como a las dimensiones finales de las piezas mecanizadas, de ahí que su consideración sea condición sine qua non en la optimización de los procesos de corte. Este hecho, unido al notable incremento de la demanda de sistemas de monitorización del desgaste de la herramienta (SMDH) en los últimos años, ha llevado recientemente a la organización internacional de investigación CIRP a analizar la situación actual de las investigaciones realizadas en este campo [1]. A este respecto cabe decir, que aunque se están haciendo investigaciones desde 1960, éstas no se han intensificado hasta la última década.

El desgaste de la herramienta es uno de los factores más complejos de modelar cuando se trata de optimizar la producción. Aunque existen diversas teorías para estimar la vida media de una herramienta, en la práctica no son totalmente aplicables por multitud de factores. En concreto, no puede asegurarse que la vida media de una herramienta siempre se aproxime a un valor particular, ya que existen variables en el proceso que no son controlables y por tanto no tenidas en cuenta por dichas teorías. Algunas de estas variables son: las heterogeneidades del material mecanizado, los posibles defectos en la fabricación de la herramienta, etc. Además debe tenerse en cuenta que podría producirse el colapso de la herramienta antes de que finalizase su vida útil estimada. También podrían superarse los límites de desgaste permitidos y no alcanzar por tanto la calidad final del mecanizado deseada. En definitiva, la única solución para poder establecer el mecanizado desatendido es conocer el estado de la herramienta durante el proceso, y de este modo poder realizar un cambio de herramienta en el momento oportuno.

De lo anterior se deduce, que poder monitorizar el desgaste de la herramienta durante el proceso de corte es uno de los objetivos prioritarios para la industria. No obstante, existen diversos factores, como se explica más adelante, que hacen compleja la estimación del desgaste online. Todos estos factores hacen que todavía no se disponga de SMDHs cuya utilidad los haga factibles para su aplicación práctica en la industria.

En este artículo, se hace en primer lugar un breve resumen de los diferentes tipos de desgaste que se producen en una herramienta. A continuación se explica la forma en que se clasifican los SMDHs en función de la naturaleza de la información adquirida del proceso para monitorizar el desgaste, y se describen las fases que deben llevarse a cabo en el desarrollo de un SMDH. Posteriormente, se hace referencia a los sistemas actuales, a las señales que se emplean para estimar el desgaste y finalmente, se exponen las líneas de investigación que se están siguiendo y los resultados que cabe esperar.

• Desgaste por adhesión, asociado a los esfuerzos de cizalladura.
• Desgaste por abrasión, asociado a la acción de las partículas duras.
• Desgaste por difusión, debido a las elevadas temperaturas alcanzadas.
• Desgaste por fractura, debido a esfuerzos de fatiga.

Los diversos modos de desgaste de la herramienta tienen lugar simultáneamente durante el proceso de mecanizado, sin embargo, existe un modo de desgaste predominante, que depende en general de las condiciones de corte, del material de la pieza mecanizada, del material de la herramienta y de su geometría. Para una combinación cualquiera de material y herramienta, la evolución del desgaste depende exclusivamente de las condiciones de corte, principalmente de la velocidad de corte, del espesor de viruta no deformado y de una combinación de los anteriores mecanismos de desgaste. A bajas velocidades de corte, el filo de la herramienta se desgasta redondeando su perfil y perdiendo de este modo el filo. Sin embargo, cuando la velocidad de corte se incrementa, el modo de desgaste cambia y comienza a ser significativa la fluencia plástica.

En síntesis, puede decirse que las velocidades de corte bajas afectan más al desgaste de la nariz de la herramienta, que velocidades medias afectan al desgaste del flanco y a las muescas que se producen en el filo principalmente, y que elevadas velocidades dan lugar a la formación de cráteres. Si las velocidades son muy elevadas entonces se produce un desgaste por deformación plástica y arranque de material o roturas parciales. En la figura 2 se muestra cómo pueden ser medidos los distintos tipos de desgaste según ISO.

Las muescas pueden deberse a la abrasión, permitiendo la aceleración de determinadas reacciones químicas como la oxidación. Estos defectos pueden llegar a producir el colapso de la herramienta. Por último, la formación de cráteres resulta de la combinación de elevadas temperaturas y altas tensiones de cizalladura creando un cráter en la cara de incidencia a cierta distancia del filo. Este desgaste debe cuantificarse por la profundidad y por la sección. Los cráteres son el resultado de una combinación de mecanismos de desgaste: adhesión, abrasión, difusión o ablandamiento debido a la temperatura, y deformación plástica. Si la profundidad del cráter es considerable puede producir el colapso de la herramienta por disminución de la sección resistente de la misma.

Estos sistemas se pueden clasificar en dos grupos, los que emplean métodos directos y los que emplean métodos indirectos. Los directos están basados en la medición directa del desgaste de la herramienta. En su desarrollo se emplean métodos ópticos [2-4], métodos radiactivos y de resistencia eléctrica, métodos de visión artificial [5-6], etc. Estos métodos presentan la ventaja de una alta precisión, pero sin embargo, su eficacia es limitada en aplicaciones reales. Estas limitaciones pueden ser debidas por ejemplo, a que no pueden proporcionar una medida sin interrumpir la lubricación, o simplemente por la salida de viruta que puede impedir la medición [7]. Por todo esto, los SMD H basados en métodos indirectos pueden no ser considerados como sistemas de monitorización del desgaste como tal, ya que dicha medición del desgaste no puede producirse de forma continua en el tiempo.

Los SDMH indirectos se basan en la relación existente entre las condiciones de corte, los rasgos extraídos de algunas señales adquiridas durante el proceso y el desgaste de la herramienta. En estos sistemas las señales que se han venido empleando son muy diversas. Entre éstas pueden citarse las fuerzas de corte [8-10], vibraciones [11-12], emisión acústica [13-14], temperatura [15], etc. Sin embargo, sólo unos pocos SMDHs indirectos han sido aplicados en entornos industriales. Esto es probablemente debido a que el desgaste de la herramienta es un fenómeno complejo que tiene lugar de diferentes y variadas formas en los procesos de corte de metales. Además, la naturaleza de las señales monitorizadas puede ser considerada estocástica y no estacionaria. Esta naturaleza –que puede ser debida a las heterogeneidades de la pieza [14], la sensibilidad de los rasgos medidos en el proceso a cambios en las condiciones de corte, y a la relación no lineal de estos rasgos con el desgaste de la herramienta [16]- hacen que el desarrollo de un SMDH indirecto no sea trivial.

El desarrollo de un SMDH comprende tres etapas:

1. selección de las señales y los sensores que se emplearán en la monitorización,
2. extracción de rasgos significativos de las señales y
3. clasificación y procesado de la información adquirida y desarrollo de una estrategia de decisión para el control del proceso.

Una vez elegidas las señales de monitorización, el problema fundamental para lograr un SMDH efectivo implica la extracción de información bien correlacionada con el desgaste. Este propósito no es sencillo, debido a la naturaleza estocástica y no estacionaria de las señales adquiridas en el proceso, como se comentó anteriormente. Según algunas de las últimas investigaciones, ésta es muy probablemente la etapa más importante en el desarrollo de un SMDH. De hecho, gran parte de los esfuerzos dedicados actualmente a este campo de investigación, están ligados al empleo de nuevas técnicas y métodos para extraer información de las señales adquiridas en el proceso bien correlacionada con el desgaste. Algunas de estas técnicas son: análisis de series temporales [17] o wavelets [18]. En la última fase del desarrollo de un SMDH, se está empleando de forma masiva la inteligencia artificial. En concreto, las redes neuronales artificiales, ya que su robustez ante perturbaciones en la información de entrada, las hace ideales para el desarrollo de SMDHs.

La medición del desgaste realizada con un método directo es más fiable que la realizada con un método indirecto. No obstante una estimación del desgaste online, sólo puede realizarse mediante un método indirecto. En definitiva, parece oportuno diseñar estos sistemas haciendo uso de la sinergia producida al emplear ambos métodos. De todas formas, debe tenerse en cuenta un criterio de tipo económico, ya que alguno de los sistemas que se han desarrollado en el ámbito universitario, aunque con elevadas prestaciones, suponen una inversión que los hace inviables en la práctica.

Para optimizar el coste de un SDMH, es evidente que debe emplearse el menor número de señales, sin que por ello se reduzca la fiabilidad del sistema. Ésta es una cuestión que se está teniendo en cuenta en las investigaciones actuales. De hecho, de las tres fases del desarrollo de un SMDH parece que actualmente la investigación se ha centrado en la extracción de información de las señales monitorizadas como base para optimizar estos sistemas. De este modo, al ser capaces de obtener más información sobre el estado de la herramienta con un número menor de señales se reducen los costes del sistema.

Como conclusiones de las investigaciones realizadas, y con las técnicas de análisis de las señales de las que se dispone hasta el momento, pueden extraerse una serie de pautas a tener en cuenta para el diseño de un SMDH en cuanto a las señales elegidas se refiere. Entre estas conclusiones puede decirse que la emisión acústica es una señal que debe emplearse junto a otras para aumentar la fiabilidad del sistema, pero que no debería emplearse como única señal en el desarrollo de un SMDH. Esta limitación es todavía mayor cuando la emisión acústica monitorizada se corresponde con el rango de frecuencias audibles, ya que en este caso, el ruido ambiente o el procedente de otras máquinas que operen en las proximidades puede perturbar las mediciones. La temperatura de la herramienta es una de las magnitudes más complicadas de medir online, y aunque existen diversos trabajos de investigación que van en esta línea, la conclusión que se extrae de los resultados obtenidos, es que es una señal poco apropiada para el desarrollo de un SMDH. Las fuerzas de corte, por el contrario, parecen estar más correlacionadas con el desgaste de la herramienta. Las vibraciones también parecen estar bien correlacionadas con el desgaste. Algunos investigadores concluyen que tanto las vibraciones como las fuerzas deben ser las señales empleadas en la monitorización. Otras medidas como las de la corriente consumida están cobrando importancia, ya que son medidas no invasivas, en el sentido de que no alteran las condiciones de corte al no introducir sensores en las proximidades de la herramienta.

1. G. Byrne, D. Dornfeld, I. Inasaki, G. Ketteler, W. Konig, R. Teti, Tool condition monitoring-status of research and industrial application, Ann. CIRP 44(2), p. 541-657, (1995).
2. J.U. Jeon, S. Kim, Optical flank wear monitoring of cutting tools by image processing, Wear 107, (1988).
3. Giusti, M. Santochi, Development of a fiber optic sensor for in-process measurement of tool flank wear, in: Proceedings of the 20th International Machine Tool Design and Research Conference, (1979).
4. L. Jianfeng, Z. Yongqing, C. Fangrong, T. Zhiren, Wear and breakage monitoring of cutting tools by optic method (1st part: theory), Proceedings of SPIE 2899, 481, (1996)
5. K.B. Pedersen, Wear measurement of cutting tools by computer vision, International Journal of Machine Tools and Manufacture 30 (4), (1990).
6. D.C.D. Oguamanam, H. Raafat, S.M. Taboun, Machine vision system for wear monitoring and breakage detection of single point cutting tools, Comput. Ind. Engineeriing 26 (3) (1998).
7. P. Lister, G. Barrow, Tool condition monitoring systems, in: Proceedings of the 26th International Machine Tool Design and Research Conference, (1986).
8. J.H. Lee, D.E. Kim, S.J. Lee, Statistical analysis of cutting force ratios for flank-wear monitoring, Journal Materials Processing Technology, 74, (1998).
9. J.M. Zhou, M. Andersson, J.E. Stahl, A system for monitoring tool spontaneous failure based on stress estimation, Journal of Materials Processing Technology, 48 (1995).
10. Z. Deyuan, H. Yutai, C. Dingchang, On-line detection of tool breakages using telemetering of cutting forces in milling, International Journal of Machine Tools and Manufacture 35 (1995).
11. G.H. Lim, Tool-wear monitoring in machine turning, Journal of Materials Processing Technology, 51 (1995).
12. T.I. El-Wardany, D. Gao, M.A. Elbestawi, Tool condition monitoring in drilling using vibration signature analysis, International Journal of Machine Tools and Manufacture, 36 (1996).
13. D.P. Saini, Y.J. Park, A quantitative model of acoustic emissions in orthogonal cutting operations, Journal of Materials Processing Technology, 58 (1996).
14. Ravindra, H.V., Srinivasa, Y.G., and Krishnamurthy, R., Modelling of tool wear based on cutting forces in turning, Wear 169, (1993).
15. H. Young, Cutting temperature response to flank wear, Wear 201 (1996).
16. Dimla, E., and Dimla, Snr., Sensor signals for tool-wear monitoring in metal cutting operations-a review of methods, International Journal of Machine Tools and Manufacture, 40, (2000).
17. H. Ravindra, Y. Srinivasa, R. Krishnamurthy, Acoustic emission for tool condition monitoring in metal cutting, Wear 212(1) (1997).
18. N.H. Abu-Zahra, G. Yu, Gradual wear monitoring of turning inserts using wavelet analysis of ultrasound waves, International Journal of Machine Tools and Manufacture, 43 (2003).