Herramientas de corte inteligentes sensorizadas mediante recubrimientos funcionales

En la industria, y con ello, en los procesos de mecanizado, existe una necesidad creciente de conocer el estado de desgaste de la herramienta en tiempo-real ya que es crítico y esto puede ayudar a reducir costes y reducir la producción de chatarra, lo que mejoraría la competitividad y reduciría el impacto medioambiental. Para poder predecir el estado de la herramienta de corte es necesario medir algunos parámetros del proceso de mecanizado, como son las temperaturas en la zona de corte y las fuerzas implicadas. Actualmente, los elementos o sensores son colocados alejados de la zona que más interesa estudiar, bien por la limitada accesibilidad o bien por la hostilidad de la zona a estudio y, en consecuencia, la media obtenida es mucho menos sensible y se ve alterada por el medio.

El objetivo del proyecto es el desarrollo de un sensor con recubrimientos funcionales, que permita obtener una información más precisa y robusta de la situación real del proceso de mecanizado: fuerzas, temperaturas, grado de desgaste de la herramienta, etc. La información de dicho sensor, integrada con la de otros disponibles, y debidamente tratada, permitirá desarrollar a través de técnicas de Machine Learning, una predicción precisa del desgaste de herramienta. Dichos modelos, ayudarán a trabajar en entornos de cero defectos e industria 4.0, donde la incertidumbre en los resultados del mecanizado de componentes sea reducida de manera continuada a medida que la producción de componentes progresa.

Vicomtech es el encargado de desarrollar las herramientas basadas en inteligencia artificial para poder transformar las complejas señales procedentes de los novedosos sensores desarrollados en el proyecto en información procesada y útil para contribuir a la mejorar la inteligencia de negocio de la empresa. Para ello realizará tareas de procesamiento avanzado de señal, desarrollo de modelos de desgaste de herramienta y caracterización de corte basados en Machine Learning y desarrollo de herramientas de visual analytics, para presentar los resultados de todo este complejo proceso de forma intuitiva y sencilla, con el objetivo simplificar la posterior toma de decisiones.

En el proyecto participa además la Universidad de Mondragón como coordinador y completan el listado de socios BCMaterials, Ikergune y Sidenor I+D.