Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/1843
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.rights.licensehttp://creativecommons.org/licenses/by-nc-nd/4.0es_ES
dc.contributorGilberto Herrera Ruizes_ES
dc.creatorGeorgina Del Carmen Mota Valtierraes_ES
dc.date2019-12-04-
dc.date.accessioned2020-01-14T15:11:12Z-
dc.date.available2020-01-14T15:11:12Z-
dc.date.issued2019-12-04-
dc.identifier.urihttp://ri-ng.uaq.mx/handle/123456789/1843-
dc.descriptionUno de los objetivos principales de cualquier empresa es satisfacer las necesidades del cliente mediante la producción de productos de alta calidad, la optimización de costos al mejorar los procesos de fabricación. Para lograr las especificaciones de calidad es importante eliminar las variaciones durante los procesos de producción. Para las empresas manufactureras, el uso de sistemas de monitoreo de condición de herramientas en línea es esencial para detectar roturas o artículos de herramientas para evitar piezas de producción de baja calidad debido al estado de las herramientas de corte e incluso evitar daños a las máquinas. Las redes neuronales artificiales es uno de los métodos más comunes e informados utilizados en los sistemas de monitoreo que clasifica el estado de la herramienta, es ampliamente utilizado debido a su aprendizaje adaptativo, auto organización, tolerancia a fallas y operación en tiempo real, proporcionando buenas soluciones para la clasificación o problemas para tomar decisiones. Existe una correlación entre las fuerzas de corte (estáticas y dinámicas) y el desgaste de la herramienta , y esos parámetros pueden estudiarse en varias formas, como la basada en los cambios de la fuerza de fricción entre las herramientas de corte y las piezas de trabajo. En varios trabajos se ha decidido analizar las fuerzas de corte para determinar el nivel de desgaste de la herramienta. Para evaluar las fuerzas de corte se desarrollaron modelos de simulación que determinan las fuerzas de corte con más precisión que los modelos analíticos debido a la aplicación del Perceptrón de múltiples capas. El uso de sensores es común, sin embargo, su aplicación es limitada debido al estrecho rango operativo definido por el fabricante, y generalmente los diseños de los sistemas se realizan considerando condiciones de trabajo específicas, que no permiten ajustes de las operaciones de fabricación. En muchas ocasiones es necesario realizar modificaciones en la máquina para colocar sensores. Todos esos aspectos negativos no se presentan en el sistema propuesto debido a su funcionamiento sin sensores. Se presenta la propuesta de un sistema inteligente, de bajo costo y fácil incorporación al proceso original para clasificar la condición física de la herramienta de corte en una máquina fresadora, ayudando a prevenir defectos en las piezas de trabajo y evitando daños severos en la máquina herramienta.es_ES
dc.formatAdobe PDFes_ES
dc.language.isoEspañoles_ES
dc.relation.requiresSies_ES
dc.rightsAcceso Abiertoes_ES
dc.subjectMáquina CNCes_ES
dc.subjectTransformación Waveletes_ES
dc.subjectSistema de monitoreoes_ES
dc.subjectPerceptrón multicapaes_ES
dc.subjectMapas auto organizadoses_ES
dc.subject.classificationINGENIERÍA Y TECNOLOGÍAes_ES
dc.titleDESARROLLO DE UN SISTEMA INTELIGENTE PARA MONITOREO DE FALLA EN PROCESOS DE FRESADO EN MÁQUINA CNCes_ES
dc.typeTesis de doctoradoes_ES
dc.creator.tidcurpes_ES
dc.contributor.tidcurpes_ES
dc.creator.identificadorMOVG790205MGTTLR09es_ES
dc.contributor.identificadorHERG650626HDFRZL05es_ES
dc.contributor.roleDirectores_ES
dc.degree.nameDoctorado en Ingenieríaes_ES
dc.degree.departmentFacultad de Ingenieríaes_ES
dc.degree.levelDoctoradoes_ES
Aparece en: Doctorado en Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI004907.pdf3 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.