Arquitectura de Deep Learning transferible para la Predicción Simultánea de Calidad Superficial y Precisión Dimensional para diferentes centros de mecanizado CNC

Resumen

Esta investigación surge a partir de una necesidad identificada durante la pandemia de la COVID-19, cuando las disrupciones en las cadenas de suministro pusieron de manifiesto la importancia de desarrollar sistemas de manufactura más adaptables, capaces de redirigir la producción entre diferentes emplazamientos sin comprometer los estándares de calidad. Para ello, la aplicación de la inteligencia artificial se ha convertido en una necesidad imperativa.

Este trabajo presenta el desarrollo de un modelo de Deep Learning transferible para la predicción simultánea de la rugosidad superficial (Ra) y la desviación del diámetro (Ddev), a partir de señales medidas durante el proceso (vibraciones, fuerzas, emisión acústica, entre otras), en procesos de mecanizado CNC. El modelo se aplica en cuatro centros de manufactura diferentes (MS1–MS4), como parte de una estrategia de manufactura distribuida y resiliente.