Un método de establecer condiciones óptimas del mecanizado de aleaciones de baja maquinabilidad atendiendo a consideraciones de integridad y productividad

Abstract

El trabajo presentado se centra en la definición de un método para establecer condiciones óptimas del mecanizado de aleaciones de baja maquinabilidad atendiendo a consideraciones de integridad y productividad.Se podría pensar que en 2022 queda poco por inventar o avanzar en el campo del mecanizado, pero en realidad sigue siendo una tecnología que permite obtener buen acabado, precisión e integridad superficial en los componentes fabricados a un coste asumible por el mercado. El desarrollo de nuevos materiales, recubrimientos y geometrías de corte es continua y como consecuencia de ello los fabricantes de herramientas lanzan al mercado nuevas herramientas periódicamente. Evaluar de manera sistemática a vida todas las herramientas es inabordable, por lo que disponer de un método que permita identificar la herramienta y las condiciones óptimas de aplicación resulta de gran interés desde el punto de vista productivo. Este trabajo se estable un método inductivo de filtrado en cascada para la optimización de procesos de mecanizado que ha sido aplicado a dos materiales de baja maquinabilidad como son el Inconel 718 y la fundición ADI 1000. En ambos materiales se optimizan procesos de torneado y fresado de aplicación industrial. Otros de los objetivos del método es la generación de conocimiento a partir de los resultados experimentales, para ello es clave un adecuado diseño de experimentos. El conocimiento generado redunda en la identificación de los factores que aumentan el rendimiento de la herramienta y en la aplicación de nuevos métodos de evaluación de los resultados experimentales. En resumen: el mecanizado es un gran mercado, una tecnología clásica pero a su vez en evolución, el noble arte de trabajar metales sigue siendo en 2022 una mezcla de ciencia aplicada, buen saber hacer y experiencia. Entre tanta oferta los métodos clásicos de mejora de maquinabilidad ofrecen un sustrato de conocimiento, pero para los retos de la industria de nuestro entorno han quedado superados. Evolución continua implica saltos de gran magnitud cada década. Cuando hay tantas soluciones en el mercado solo caben dos caminos: o se sabe todo, o se tiene un método de trabajo. Esta tesis apuesta por lo segundo. Por muchos datos que se tengan, por mucha integración digital, el que arranca material sigue siendo una herramienta de corte dura, y el material sigue siendo en general una aleación metálica. Y no hay modelo de red neural ni otra herramienta digital que elimine este hecho.