Modelización de la rugosidad superficial en fresado frontal de acabado en aceros pretatados para moldes de inyección de plástico

Zusammenfassung

El método de superficie de respuesta y el empleo de redes neuronales artificiales han sido empleados para estudiar el efecto de los parámetros de mecanizado tales como la velocidad de rotación, el avance y la profundidad de pasada, en el fresado frontal de acabado de tres tipos de acero bonificado empleados en la construcción de moldes de plástico. Se ha generado un modelo matemático para predecir la rugosidad superficial empleando un diseño central compuesto como método experimental, y empleando técnicas de análisis de la varianza para verificar su idoneidad. Se ha modelizado también una red neuronal que predice la rugosidad. Ambos modelos muestran que la rugosidad esperada disminuye con el aumento de la velocidad de rotación. En cambio, la rugosidad aumenta cuando aumenta la velocidad de avance. La rugosidad superficial no muestra variación con el cambio de profundidad de pasada. La validez de ambos modelos fue verificada con nuevos ensayos de contraste.The response surface method and the artificial neural networks, have been employed for studying the effect of machining parameters such as spindle speed, feed rate and the depth of cut in the end surface milling of three different type of prehardened steel commonly used in plastic moulds manufactoring. A mathematical model was generated to predict the surface roughness using a central composite design as experimental method, and employing mathematical technics as the analysis of variance to verify the adequacy. An artifical neural network was developed too in order to predict the roughness. Both models show that the expected roughness decreases with increase in spindle speed. However, roughness increases as feed rate increases. Surface roughness does not show variation because of the deep of cut changes. The validity of both models was verified by new confirmation tests