Por este motivo resultaría interesante poder medir o Ascamm [4] para la evaluación indirecta de la rugosidad evaluar de forma indirecta la rugosidad superficial durante superficial in process basado en la monitorización de vibra- la misma operación de acabado. Es decir, en el mismo ciones en direcciones X e Y de mecanizado con acelerómetros momento que se está produciendo y, de este modo, poder piezoeléctricos, y el uso de Redes Neuronales Artificiales actuar sobre el proceso de mecanizado para garantizar que (RNA) para el cálculo del parámetro de rugosidad Ra. El una vez terminado, el control y verificación de rugosidad se sistema se aplicó al proceso de fresado con herramientas habrá realizado correctamente y la pieza cumplirá con los punta de bola, ya que la influencia de la geometría de herra- / FRESADO en en requisitos de plano. mienta sobre el acabado superficial es más relevante que Sin embargo, no es tarea fácil. Existen muchos parámetros el caso de fresas planas, tal y como se puede observar que influyen sobre la generación de superficie y, por exten- la figura. sión, sobre la rugosidad superficial. Algunos investigadores Esta aplicación fue implementada a través de una plata- han clasificado estos parámetros en 4 grupos principales forma que combina Labview y Matlab. El operario introduce considerando [3]: información del proceso: máquina-herramienta, paráme- - Parámetros de mecanizado: avance lineal, profundidad tros de corte, características de herramienta, material a axial y radial de pasada, velocidad de rotación de cabezal, mecanizar y uso de líquidos de lubricación, y el programa, dinámica y cinemática de la máquina, uso de líquidos una vez iniciada la mecanización, captura las vibraciones en lubricantes y de refrigeración, etc. los ejes X e Y, las filtra para seleccionar únicamente vibra- - Características de la herramienta de corte: material, run- ciones producidas durante el arranque efectivo de viruta y out, geometría, radio, etc. generación de superficie; es decir, eliminando desplaza- - Características de pieza: propiedades del material, geome- mientos rápidos de herramienta sin mecanizado, y la Red tría, paredes delgadas, dureza, etc. Neuronal Artificial, calcula, con estos inputs, de forma - Fenómenos del proceso: variación de las fuerzas de corte, indirecta, la rugosidad superficial que se está produciendo fricción en la zona de corte, formación de viruta, vibracio- y la ofrece en nomenclatura de niveles ISO. nes, etc. Todos ellos son parámetros que interactúan a través de relaciones causa-efecto complejas, difíciles de identificar y La Red Neuronal Artificial cuantificar, y que por consiguiente hacen que resulte difícil poder ajustar los parámetros de corte que permitan asegu- La Red Neuronal Artificial es un sistema de inteligencia arti- rar la rugosidad superficial de una pieza antes de empezar ficial sencillo basado en aprendizaje y cálculo automático a el proceso. La selección de parámetros de corte depende través de un sistema de interconexión de neuronas o unida- hoy en día mayoritariamente, en muchos talleres, de la des simples de computación. Es necesario entrenar la red experiencia del operario. En los últimos años, los avances en sistemas de computa- ción y sensorística han permitido avanzar considera- blemente en la comprensión científica y monitorización del proceso de corte y generación de superficie. En este artículo presentamos un sistema desarrollado por Medición de perfil de rugosidad con rugosímetro Mitutoyo SV-2000N2. /9