REVISTA DE INGENIERIA DYNA

Palabras clave:

Torneado CNC, predicción de la rugosidad superficial, predicción de la desviación del diámetro, parámetros de corte variables, fabricación distribuida, aprendizaje profundo, CNC turning, surface roughness prediction, diameter deviation prediction, variable cutting parameters, distributed manufacturing, deep learning.

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Esta investigación surge de la necesidad identificada durante la pandemia de COVID-19, en la que las interrupciones en la cadena de suministro pusieron de relieve la importancia de desarrollar sistemas de fabricación más adaptables, capaces de redirigir la producción entre diferentes emplazamientos sin comprometer los estándares de calidad. Para ello, la aplicación de la inteligenci artificial se ha convertido en una necesidad imperiosa. Este trabajo presenta el desarrollo de un modelo de aprendizaje profundo transferible para la predicción simultánea de la rugosidad superficial (Ra) y la desviación del diámetro (Ddev) a través de señales medidas durante el proceso (vibraciones, fuerzas, emisión acústica, entre otras) en procesos de mecanizado CNC, aplicado en cuatro centros de fabricación diferentes (MS1-MS4) para implementar una estrategia de fabricación distribuida resiliente.