Dissertação
Monitoramento do torneamento do aço abnt d6 com ferramentas de pcbn
Monitoring of the turning of ABNT D6 steel with PCBN Tools
Registro en:
Autor
Rubin, Victor Hugo Serafim
Institución
Resumen
The monitoring of production processes is of great industrial interest worldwide. In machining
its importance lies in the possibility of optimizing the life of the cutting tool and preventing its
breakadge, in addition to controlling the surface roughness of the workpiece, so that the search
for improvements in quality and productivity, with reduced costs are constantly increasing. A
critical point for the unattended machining process is to identify the exact moment of change
the cutting tool, considering its maximum use and respecting the quality limits of the workpiece.
With the constant increase in manufacturing systems and therefore competitiveness, the need
for improvements in the process arises, in which the detection of premature failures that may
occur during manufacturing contribute in this sense. With this focus, this work has monitored
the turning process of hardened (60 HRC) VC131 (ABNT D6) steel via acoustic emission, main
motor electrical current and machining force in order to detect failures, breakage and wear of
PCBN cutting tools during tool life tests. This application is justified because of the high cost
and low machinability of the work material (ABNT D6 steel) and the high acquisition cost of the
cutting tool (PCBN). The effects of the machining parameters (cutting speed and feed rate) on
the monitored signals were studied. In addition to monitoring the signals of acoustic emission,
electrical current and force during machining, periodically the test was interrupted to measure
the flank wear (average - VBB and maximum - VBBmax) and the test was considered complete
when the flank wear reached the stipulated end-of-life criteria (0.6 mm for VBBmax). The results
of the tests were used to training an artificial neural network in Matlab. An important factor is
that this system allows online monitoring, i.e. during normal operation of the machine, without
having to interrupt the process during the machining and instant follow up of the cut, allowing
prevention of breakage and breakdowns. The force and power signals increased over time,
unlike the acoustic emission signal. The neural network presented an excellent feature for
detection of wear. Dissertação (Mestrado) O monitoramento dos processos de produção é de grande interesse industrial em todo o
mundo. Em usinagem a sua importância reside na possibilidade de otimizar a vida da
ferramenta de corte e prevenir sua quebra, além de controlar a rugosidade superficial da peça
de trabalho, de modo que a crescente busca por melhoria na qualidade e produtividade, com
redução de custos se torna maior a cada dia. Um ponto crítico para o processo de usinagem
não assistido é identificar o momento exato de troca da ferramenta de corte, considerando
sua máxima utilização e respeitando os limites de qualidade da peça. Com o crescente
aumento dos sistemas de manufatura e, portanto, da competitividade surge a necessidade de
melhorias no processo, em que a detecção e correção prematura de falhas que podem ocorrer
durante a fabricação contribuem neste sentido. Com esse foco, este trabalho monitorou o
processo de torneamento do aço VC131 (ABNT D6) endurecido (60 HRC) via emissão
acústica, corrente do motor principal e força de usinagem de modo a detectar falhas, quebra
e desgaste da ferramenta de corte de PCBN, durante testes de vida da ferramenta. Esta
aplicação se justifica também por se tratar de um material caro e de baixa usinabilidade (aço
ABNT D6) e de uma ferramenta de alto custo aquisitivo (PCBN). Foram estudados os efeitos
das variáveis do processo de usinagem (velocidade de corte e avanço) nos sinais
monitorados. Além de monitorar o sinal de emissão acústica, o sinal de corrente do motor e
da força durante a usinagem, periodicamente o teste era interrompido para medição do
desgaste de flanco (máximo - VBBmax) e o teste foi considerado concluído quando o desgaste
de flanco atingia um critério de fim de vida, baseado neste desgaste, pré-estipulado (0,6 mm
para VBBmax). Os resultados dos testes foram utilizados para treinamento de uma rede neural
artificial em Matlab. Um fator importante é que esse sistema permite o monitoramento on-line,
ou seja, durante o funcionamento normal da máquina, sem que a mesma precise ser
interrompida durante a usinagem e um acompanhamento instantâneo do corte, permitindo a
prevenção da quebra e avarias. Os sinais de força e potência aumentaram com o tempo, ao
contrário do que ocorreu com o sinal de emissão acústica. A rede neural se apresentou um
excelente recurso para detecção de desgaste.