Publicado 2019-02-07
Palabras clave
- CAD/CAM,
- DOE,
- ISV,
- lead,
- modelos experimentales
- rugosidad,
- Tilt ...Más
Cómo citar
Resumen
Por medio de modelos experimentales y geométricos, y en un entorno simulado, se determinan valores de rugosidad propia de desviaciones de tercer orden. El entorno de simulación se desarrollada a partir de la integración y verificación simulada (ISV) en software CAD/CAM NX 11. Las aproximaciones geométricas son validadas por medio del análisis de las nubes de puntos.
Se realizan dos diseños de experimentos para determinar la influencia de los factores geométricos dinámicos, definidos como avance transversal (Ae), ángulo lead y ángulo tilt, con una herramienta de fresado de punta plana. Un experimento se desarrolla con propósitos de ubicar una zona de influencia de los parámetros mencionados y validar la precisión del entorno simulado. Para el segundo experimento se presenta un modelo factorial , a fin de precisar el factor de mayor influencia sobre la rugosidad.
Como resultado de la experimentación se obtiene un valor óptimo (mínimo) de rugosidad, ubicado en zonas en donde el avance transversal es determinante y de alto impacto, el ángulo lead tiene una influencia moderada y el ángulo tilt es el factor de menor influencia. Los valores mínimos de rugosidad se presentan cuando el avance transversal es bajo, el ángulo lead es bajo y el ángulo tilt es alto. El método presentado pretende ahondar en el maquinado para terminado de superficies libres con herramienta de punta plana.
Descargas
Referencias
P. G. Benardos and G. C. Vosniakos, “Predicting surface roughness in machining: A review,” Int. J. Mach. Tools Manuf., vol. 43, no. 8, pp. 833–844, 2003.
X. Chen, J. Zhao, Y. Dong, S. Han, A. Li, and D. Wang, “Effects of inclination angles on geometrical features of machined surface in five-axis milling,” Int. J. Adv. Manuf. Technol., vol. 65, no. 9–12, pp. 1721–1733, 2013. doi: 10.1007/s00170-012-4293-y
S. M. Wu, “Statistical evaluation and its relationship to of surface finish parameters studies illustrating the influence of common cutting parameters on the workpiece sur- face roughness for single point turning have been performed by a number of investigators I-1-,” vol. 1, 1977.
P. Benardos and G. . Vosniakos, “Prediction of surface roughness in CNC face milling using neural networks and Taguchi’s design of experiments,” Robot. Comput. Integr. Manuf., vol. 18, no. 5, pp. 343–354, 2002. doi: 10.1016/S0736-5845(02)00005-4
J. A. García Barbosa, J. M. Arroyo Osorio, and E. Córdoba Nieto, “Simulation and verification of parametric numerical control programs using a virtual machine tool,” Prod. Eng., vol. 8, no. 3, pp. 407–413, 2014.
Y. Sahin and A. R. Motorcu, “Surface roughness model for machining mild steel with coated carbide tool,” Materials and Design, vol. 26, no. 4. pp. 321–326, 2005.
S. K. Gupta, T. R. Kramer, D. S. Nau, W. C. Regli, and G. Zhang, “Building MRSEV models for CAM applications,” Adv. Eng. Softw., vol. 20, no. 2–3, pp. 121–139, 1994. doi: 10.1016/0965-9978(94)90054-X
B. S. Reddy, J. S. Kumar, and K. V. K. Reddy, “Optimization of surface roughness in CNC end milling using response surface methodology and genetic algorithm,” Int. J. Eng. Sci. Technol., vol. 3, no. 8, pp. 102–109, 2011.
J. Qu and A. J. Shih, “Analytical surface roughness parameters of a theoretical profile consisting of elliptical arcs,” Mach. Sci. Technol., vol. 7, no. 2, pp. 281–294, 2003.