Predicción de la rugosidad superficial en texturizados por electroerosión usando redes bayesianas
DOI:
https://doi.org/10.18046/syt.v11i27.1696Palavras-chave:
Estimación, rugosidad superficial, redes bayesianas, electroerosión, EDT.Resumo
Se presenta un modelo para la estimación de los parámetros que definen la rugosidad superficial [Ra] cuando se produce con un proceso de texturizado por descarga eléctrica [EDT, Electro Discharge Texturing). La no linealidad, la inestabilidad y los costos de la experimentación en EDT son las principales causas para el uso de técnicas de predicción usando algoritmos robustos y fiables, con el fin de estudiar factores que presentan dificultades en la caracterización. Se realizaron varios experimentos para producir texturas de superficies planas usando una máquina de electroerosión [EDM, Electric Discharge Machining) modificada ALIC-1. Los datos obtenidos en la fase experimental se usaron para entrenar modelos Bayesianos con los clasificadores Naïve Bayes y Naïve Bayes Aumentado a Árbol. Los resultados conseguidos mostraron un comportamiento aceptable dentro del rango operativo, consistente con los fenómenos físicos que rigen el proceso EDT. Se demuestra que es posible encontrar una rugosidad superficial con especificaciones particulares.
Referências
Chow, C.K. &Liu, C.N. (1968). Approximating discrete probability distributions with dependence trees. IEEE Transactions on Information Theory, 14(3), 462-467
Correa, M., Alique, J.R., & Bielza, C. (2008). Comparativa de modelos con aprendizaje supervisado: aplicación a un proceso industrial. En IV Simposio de control inteligente, 11-13 June, Santander, España, [CD]. Santander, España: Universidad de Cantabria
Correa, M., Bielza, C., &Pamies-Teixeira, J.J. (2009). Comparison of Bayesian networks and artificial neural networks for quality detection in a machining process. Expert Systems with Applications, 36, 7270-7279
Correa, M., Bielza, C., Ramirez, M.deJ., & Alique, J.R. (2008). A Bayesian network model for surface prediction in the machining process. International Journal of Systems Science, 39(12), 1181-1192
Correa, M., Ramirez, M.deJ., Alique, J.R., & Rodriguez, C.A. (2004). Factores que afectan el acabado superficial en los procesos de mecanizado: técnicas de análisis y modelos. En XXV Jornadas de automática, 8-10 Septiembre, Ciudad Real, España [en línea]. Recuperado de http://www.ceautomatica.es/old/actividades/jornadas/XXV/documentos/75-arlencicor.pdf
Díez, J. (2005, noviembre 10). Elvira [en línea]. Recuperado de www.ia.uned.es/~fjdiez/bayes/elvira/
Friedman, N., Geiger, D., & Goldszmit, M. (1997). Bayesian network classifiers. Machine Learning, 29, 131-161
Gao, Q., Zhang, Q., Su, S., & Zhang, J. (2008). Parameter
optimization model in electrical discharge machining process. Journal of Zhejiang University Science A. 9(1), 104-108
Ghoreishi, M. & Atkinson, J. (2002). A comparative experimental study of machining characteristics in vibratory, rotary and vibro-rotary electro-discharge machining. Journal of Materials Processing Technology, 120, 374-384
International Organization for Standardization [ISO]. (2013). ISO 4288:1996: Geometrical product specifications (GPS) -- Surface texture: Profile method -- Rules and procedures for the assessment of surface texture. Ginebra, Suiza: ISO
Ivancos, J., Luis, C.J., Ortiz, J.A., & González, H.A. (2005). Analysis of factors affecting the high speed side milling of hardened die steels. Journal of Materials Processing Technology, 162-163, 696-701
Langley, P., Iba, W., & Thompson, K. An analysis of Bayesian classifiers. En Proceedings of AAAI-92, (pp. 223-228). Palo Alto, CA: AAAI
Markopoulos, A., Vaxevanidis, N.M., Petropoulos, G., & Manolakos, D.E. (2006). Artificial neural networks modeling of surface finish in electro-discharge machining of tool steels, Proceedings of ESDA2006 8th Biennial ASME Conference on Engineering Systems Design and Analysis July 4-7, 2006, Torino, Italy. (V.4, pp.847-854). New York, NY: ASME. Disponible en http://proceedings.asmedigitalcollection.asme.org/proceeding.aspx?articleid=1594550
Pamies-Teixeira, J.J. (2002). Fundamentos físicos do corte de metais. Lisboa, Portugal: Edinova
Pearl, J. (1988). Probabilistic reasoning in Intelligent Systems: networks of plausible inference, San Francisco, CA: Morgan Kaufmann
Pellicer, N., Ciurana, J., Ozel, T. (2009). Influence of process parameters and electrode geometry on feature micro-accuracy in electro discharge machining of tool steel. Materials and Manufacturing Processes, 24(12), 1282-1289
Pfestorf, M., Engel, U., & Geiger, M. (1998). 3D-Surface parameters and their application on deterministic textured metal sheets. International Journal of Machine Tools & Manufacture, 38(5-6), 607-614
Pradhan, M.K., Das, R., & Biswas, C.K. (2009). Comparisons of neural network models on surface roughness in electrical discharge machining. Journal of Engineering Manufacture, 223, 801-808 [Proceedings of the Institution of Mechanical Engineers, Part B:]
Simão, J., Aspinwall, D.K., Wise, M.L.H., & El-Menshawy, F. (1996). Electrical discharge texturing of cold mill work rolls using different tool electrode materials. Iron and Steel Engineer, 73(3),42-47
Terpák, J., Dorak, L'. Revaj, J. (2010). Quality control of the electro-discharge texturing, Metabk, 49(1), 19-22
Downloads
Publicado
Edição
Seção
Licença
Esta publicação está licenciada sob os termos da licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/deed.pt_BR).
