Procesamiento de imágenes para medir el

desgaste de la herramienta para tornear

acero AISI 4340 usando el método Taguchi

Prashant D. Kamble Dr. Atul C. Waghmare

Departamento de Ingeniería
Departamento de Ingeniería Mecánica, Mecánica,
Colegio de Ingeniería Yeshwantrao
Chavan Umrer Facultad de Ingeniería
Wanadongri, Nagpur, MS, India Umrer, Dist. Nagpur, MS, India

Dr. Ramesh D. Askhedkar

Departamento de Ingeniería Mecánica, KDK Facultad de Ingeniería de Nagpur, MS, India

Resumen: en este documento, se intenta medir la herramienta desgaste de la herramienta de corte de un solo punto
por el procesamiento de imágenes durante el torneado del acero AISI 4340. La filosofía taguchi se utiliza para
diseñar los experimentos. Lamatriz ortogonal L 27 se utiliza para llevar a cabo la experimentación. Los parámetros
de entrada para el proceso de torneado son el entorno de corte, la velocidad de avance, el radio de la punta, la
profundidad de corte y el tipo de herramienta. La variable de respuesta es el desgaste de la herramienta. La
consideración del factor de ruido (factor de control incontrolable ) hace que el diseño sea robusto. Por lo tanto, la
condición de la máquina herramienta en términos de vibración del husillo está involucrada La velocidad de corte se
mantiene constante (210 m / min). El software MATLAB 13 se utiliza para medir el desgaste de la herramienta. Un
programa especial está diseñado para ello. Los resultados de ANOVA para el desgaste de la herramienta indican
que la profundidad de corte es el parámetro de mecanizado más importante para afectar el desgaste de la
herramienta seguido de la velocidad de avance, el radio de la punta, el entorno de corte y el tipo de herramienta. Con
base en la discusión anterior y el gráfico deefectos principales de la relación S / N, los parámetros de mecanizado
óptimos son el entorno de corte en el nivel 3 (A 3

= MQL), radio de la punta en el nivel 3 (B 3 = 1.2 mm), velocidad de avance en el nivel 3 (C 3 = 0.35 mm / rev),
profundidad de corte en el nivel 1 (D 1 = 0.5 mm) y tipo de herramienta en el nivel 3 (E 3 = recubierto (CVD)) o r
A 3 B 3 C 3 D 1 E 3 en resumen.El desgaste de la herramienta está optimizado hasta 0.042 mm . La prueba de
conformidad reveló que los valores pronosticados y experimentales de la rugosidad de la superficie están dentro del
rango dado por el intervalo de confianza.

Palabras clave: procesamiento de imágenes, proceso de torneado, Taguchi, ANOVA, factor de ruido

I. I NTRODUCCION
 Hoy en día, la demanda de los clientes con respecto a la calidad del producto y su tasa de producción está
aumentando. Para estar en el mercado con fuertes raíces, los fabricantes deben cumplir con esta demanda dentro
del tiempo. Esto se puede lograr mediante la optimización del proceso. El proceso de fabricación a menudo
implica la optimización de los parámetros de mecanizado para mejorar la calidad del producto, así como para
mejorar la productividad. En el proceso de corte de metal, especialmente el torneado, el proceso de fresado,
además de los parámetros básicos del proceso de corte, a saber. Velocidad de corte, velocidad de avance,
profundidad de corte, geometría de la herramienta, entorno de corte

Shilpa B. Sahare

Departamento de Ingeniería Mecánica, Yeshwantrao Chavan Facultad de Ingeniería Wanadongri,

Nagpur, MS, India

y el tipo de herramienta juega un papel importante para decidir el rendimiento de las características de calidad.

Hari Singh et al [1] (2005), en este documento, se adopta un diseño basado en experimentos para obtener el
ajuste óptimo del parámetro del proceso de torneado que puede ofrecer un desgaste óptimo de la
herramienta. Los valores óptimos predichos de la profundidad de desgaste del cráter del ancho de desgaste del
flanco de la herramienta de carburo revestida mientras se mecaniza el acero EN 24 son 0.172 mm y 0.244
micrones respectivamente.

Shiv Sharma et al [2] (2014), este artículo expuso un modo de lógica fuzzy ling y una optimización de
rendimiento múltiple para convertir los compuestos GFRP mediante el análisis de la función de
deseabilidad. Las variables de entrada son la velocidad de corte, la velocidad de avance y la profundidad de
corte. Las respuestas son la rugosidad de la superficie, la tasa de eliminación de metal y el desgaste de la
herramienta. El error porcentual promedio en la predicción de lógica difusa se obtuvo como 2.74%, 12.67% y
3.06% para R a, MMR y VB respectivamente.

Debaprasanna Puhan et al [3] (2013), este documento expuso un enfoque híbrido para la optimización de
respuesta múltiple de maquinado no convencional en Al SiCp MMC. Se estudia la influencia de la corriente de
descarga, la duración del pulso, el ciclo de trabajo y la presión de lavado en la tasa de eliminación del material,
la tasa de desgaste de la herramienta y la rugosidad de la superficie. Se ha encontrado que la duración del pulso,
el ciclo de trabajo, la corriente de descarga y la presión de lavado contribuyen significativamente a las múltiples
características de rendimiento.

Hari Singh et al [4] (2003), Araştırma Makalesi et al [5] (2006), Nilrudra Mandal et al [18] (2011), informaron
sobre el efecto de la velocidad de corte, la velocidad de avance, la profundidad de corte en el flanco desgaste, desgaste
del cráter, desgaste de la herramienta durante el torneado del acero EN24, acero inoxidable AISI 304 Austenite, acero
AISI 4340 respectivamente.

Sr. Ballal Yuvaraj et al [6] (2012) , este documento utilizó el método de Taguchi para encontrar un rango
específico y combinaciones de parámetros de giro como la velocidad de corte, la velocidad de avance y la
profundidad de corte para lograr valores óptimos de variables de respuesta como el acabado de la superficie.
desgaste de la herramienta, índice de remoción de material en la instalación del tambor de freno del material de
fundición gris FG 260. Es un mecanismo científicamente disciplinado para evaluar e implementar
 9

IRACST - Ciencia y tecnología de la ingeniería: una revista internacional

(ES TIJ), ISSN: 2250-3498 Vol.7, No.2, marzo-abril de 2017

Mejoras en productos, procesos, materiales, equipamientos e instalaciones.

este estudio es el entorno de corte, el radio de la nariz, la velocidad de avance, la profundidad de corte y el tipo
de herramienta, y la vibración del husillo se tomó como factor de ruido. La velocidad de corte se mantuvo
constante.

II. FILOSOFÍA DE T AGUCHI

Entre los métodos disponibles, el diseño de Taguchi es uno de los métodos DOE más poderosos para el análisis
de experimentos. Es ampliamente reconocido en muchos campos, particularmente en el desarrollo de nuevos
productos y procesos en el control de calidad. Las características más destacadas del método son las siguientes:

a. Es un método simple, eficiente y sistemático para optimizar el producto / proceso para

mejorar el rendimiento o reducir el costo.

b. Ayuda a llegar a los mejores parámetros para las condiciones óptimas con el menor número
de investigaciones analíticas.
c. Es un mecanismo científicamente disciplinado para evaluar e implementar mejoras en
productos, procesos, materiales, equipos e instalaciones.

d. Incluye el factor de ruido y hace que el diseño sea robusto.

Por lo tanto, el método de Taguchi tiene un gran potencial en el área de experimentación de bajo costo. De
este modo, se convierte en una herramienta atractiva y ampliamente aceptada para los investigadores.

Una característica de calidad es el objeto de interés de un producto o un proceso. Se llama como una
característica funcional.

En general, la característica de calidad tiene un objetivo.

Hay tres tipos de objetivos:

1. Baja el mejor (LB) -

Es una característica de medición no negativa que tiene un estado ideal o objetivo de cero.

1 2

S = - 1 0 lo g ∑y (1)
norte norte
 2. Nominal el mejor (NB) -

Es una característica medible con un valor objetivo definido por el usuario específico.

^
S y
norte = - 1 0 lo g 2 y (2)
s

3. Cuanto más grande mejor (LB) -

Es una característica medible no negativa que tiene un estado ideal o objetivo de infinito.
1 1
S = - 1 0 lo g ∑ 2 (3)
norte norte y

III. E XPERIMENTACIÓN

F IGURE 1E XPERIMENTAL S ETUP

 F IGURE 2 CNC L ATHE SPINNER

T ABLA 1P PROCESO DE PARÁMETROS Y SUS NIVELES

 Parámetros de proceso Nivel 1 Nivel 2 Nivel 3

Ambiente de corte (A) Seco Mojado MQL

Radio de la nariz (mm) (B) 0.4 0.8 1.2

Velocidad de avance (m / rev)
(C) 0.15 0.25 0.35
Departamento de corte (mm)
(D) 0.5 1 1.5
Sin
Tipo de herramienta (E) recubrimiento PVD CVD

Vibración del husillo (m / s )

2

1.7 4.3 6.9

(NF)

A. Medición de la rugosidad de la superficie

El experimento se realizó en una máquina de torno CNC SPINNER15 como se muestra en la figura 1. Se
cortaron piezas de prueba de tamaño 50 mm x 80 mm de una barra de acero EN 24. Las cinco variables de
entrada utilizadas en

El desgaste de la herramienta de corte se mide mediante el método de procesamiento de imágenes en el

software MATLAB. Este no es un convencional.

1
0

IRACST - Ciencia y tecnología de la ingeniería: una revista internacional

(ESTIJ), ISSN: 2250-3498 Vol.7, No.2, marzo-abril de 2017
Método utilizado para la detección de bordes de herramienta. Se hace un algoritmo especial para
detectar el borde de la herramienta como se muestra a continuación

Leer imagen Procesamiento de

imagen

F GURA 3 F LISTA BAJA DE MEDICIÓN DEL DESGASTE DE LA HERRAMIENTA

A. Pasos de la medición del desgaste

(1.) Leer la imagen:

La imagen de desgaste de la herramienta es capturada por la cámara CCD de alta definición y se

alimenta al procesamiento de imágenes en el software MATLAB como una entrada.

(2.) Procesamiento de imagen:

Si la calidad de la imagen no es buena y clara, puede deberse a una mala iluminación, la imagen
necesita un procesamiento previo. Se trata de hacer que el fondo sea uniforme y ajustar el contraste,
es decir, la mejora de la imagen. Para mejorar la buena calidad de la imagen, se utilizó un algoritmo
de eliminación de sombras de desarrollo propio escrito en MATLAB y el algoritmo de detección
de bordes Canny en la caja de herramientas de procesamiento de imágenes digitales para MATLAB
para la segmentación del área de desgaste en la imagen capturada. El algoritmo de detección de
bordes de Canny se prefirió sobre otros métodos de detección de bordes debido a su doble
umbral que permite la detección de bordes fuertes y débiles. Los bordes débiles detectados se
incluyen en la salida solo si están conectados a bordes fuertes. La imagen capturada se guarda en
formato 'jpeg' para su posterior procesamiento. Detección de desgaste: la técnica de detección de
bordes se utiliza para medir el desgaste. Hay varios métodos utilizados para la detección de bordes
como Sobel, Prewitt, Robert; y Canny. Fuera de estos métodos, Canny se utiliza porque
proporciona el mejor rendimiento. También elimina el ruido presente en la imagen.

(3) Medición del desgaste:

La medición del desgaste se realiza en términos de desgaste de flanco utilizando condiciones de

desgaste de flanco. Se propone y desarrolla una nueva tecnología de medición de desgaste de
herramientas mediante el método de procesamiento de imágenes. El software en el entorno
MATLAB está desarrollado para verificar la imagen sugerida . Este método puede extraer el área
de desgaste basándose en un algoritmo de proceso de imagen 2D. Este método no puede estimar la
profundidad de la región de desgaste de la herramienta.

F GURA 4 UNA IMAGEN CUAL DE LA HERRAMIENTA

F IGURA 5G REY ESCALA IMAGEN DE HERRAMIENTA

F GURA 6 MEDIDAS DE DESGASTE POR TÉCNICO

MEDIANTE LA TÉCNICA DE DETECCIÓN DE BORDES
 1
1

IRACST - Ciencia y tecnología de la ingeniería: una revista internacional

(ESTIJ), ISSN: 2250-3498 Vol.7, No.2, mayo de 2017

T ABLA 2 datos experimentales de desgaste de la herramienta en tres niveles de vibración EJE

Herramienta Herramienta Herramienta Promedio

correr Desgaste de la
Wear_NF 1 Wear_NF 2 Wear_NF 3 herramienta
1 0.124 0.125 0.195 0.148
2 0.087 0.087 0.136 0.103
3 0.130 0.131 0.204 0.155
4 0.102 0.102 0.160 0.121
5 0.140 0.141 0.220 0.167
6 0.060 0.060 0.094 0.071
7 0.145 0.146 0.228 0.173
8 0.051 0.052 0.081 0.061
9 0.066 0.066 0.103 0.078
10 0.142 0.143 0.223 0.169
11 0.104 0.105 0.163 0.124
12 0.147 0.148 0.231 0.175
13 0.119 0.120 0.187 0.142
14 0.158 0.158 0.247 0.188
15 0.078 0.078 0.122 0.093
dieciséis 0.163 0.164 0.256 0.195
17 0.069 0.069 0.108 0.082
18 0.083 0.084 0.130 0.099
19 0.114 0.114 0.178 0.136
20 0.076 0.077 0.119 0.091
21 0.119 0.120 0.187 0.142
22 0.091 0.092 0.143 0.109
23 0.129 0.130 0.203 0.154
24 0.049 0.050 0.078 0.059
25 0.135 0.136 0.212 0.161
26 0.041 0.042 0.065 0.049
27 0.055 0.056 0.087 0.066

Los experimentos se llevan a cabo según el método de Taguchi y se recopilan datos experimentales para el
desgaste de la herramienta. El desgaste de la herramienta se mide para cada nivel de vibración del husillo y el
valor promedio se toma como el valor final que se muestra en la tabla.
 IV. D ATA A NALISIS

El análisis de datos se ha llevado a cabo por la jerarquía de procedimientos como se muestra a continuación.

1. Selección de la ecuación para la relación señal / ruido (relación S / N) de acuerdo con el objetivo de
optimización. Como el objetivo es minimizar el desgaste de la herramienta, por lo tanto, para la relación S /
N, se seleccionó la mejor ecuación (LB) (1).

2. Cálculo de la relación S / N para cada ejecución. El desgaste de la herramienta con relación S / N se

indica en la tabla 3.
3. Cálculos de la tabla de respuesta para la relación S / N media en cada nivel de desgaste de la
herramienta para identificar el rango de la tabla de niveles 4 y fig 7

4. Selección del ajuste óptimo de la relación media S / N.

5. Cálculos de ANOVA para encontrar el significado y la contribución de cada parámetro en el

desgaste de la herramienta.

6. Cálculo del valor predicho del desgaste de la herramienta por modelo aditivo predicho.

7. Verificación del modelo predictivo mediante prueba confirmatoria.

T ABLE 3T OOL DESGASTE Y SEÑAL A LA RELACIÓN DE RUIDO

Promedio Relación SN
correr Desgaste de la Desgaste de la
herramienta herramienta

1 0.148 16.5912
2 0.103 19.7259
3 0.155 16.2009
4 0.121 18.3176
5 0.167 15.5590
6 0.071 22.9192
7 0.173 15.2281
8 0.061 24.2507
9 0.078 22.1032
10 0.169 15.4207
11 0.124 18.1235
12 0.175 15.1231
13 0.142 16.9645
14 0.188 14.5329
15 0.093 20.6475
dieciséis 0.195 14.2181
17 0.082 21.7015
18 0.099 20.0913
19 0.136 17.3603
 20 0.091 20.8517
21 0.142 16.9347
22 0.109 19.2653
23 0.154 16.2385
24 0.059 24.5961
25 0.161 15.8569
26 0.049 26.1409
27 0.066 23.6159

A. Relación media S / N para desgaste de herramientas

La relación S / N media para cada parámetro de entrada en los niveles 1, 2 y 3 se calcula promediando las
relaciones S / N en el nivel respectivo. La Fig. 7 muestra el gráfico de respuesta S / N para el desgaste de la
herramienta. La relación S / N media se utiliza para encontrar el nivel óptimo para cada parámetro y rango del
parámetro.

1
2

IRACST - Ciencia y tecnología de ingeniería: una revista internacional

(ESTI J), ISSN: 2250-3498 Vol.7, No.2, marzo-abril de 2017

T ABLE TABLA 4R ESPUESTA PARA S IGNAL a ruido

Velocidad Profundidad
Corte Nariz de de Herramienta
Nivel alimentación corta
ambiente radio r tipo
1 -13.552 -14.612 -15.293 -11.651 -11.197
2 -11.860 -12.014 -12.620 -11.282 -11.926
3 -10.348 -9.134 -7.847 -12.827 -12.636
Delta 3.204 5.477 7.446 1.546 1.439
Rango 3 2 1 4 5

T ABLE 5 UN NÁLISIS DE VARIEDAD PARA S/N

%
Proceso DOF
llamada
de
socorro MSOS F PAG Contribución
parámetros
ution
Corte
ambiente 2 0.005111 0.002556 8.49 0.000 10.05
(UNA)
Radio de la nariz
2 0.004304 0.002152 7.15 0.000 8.46
 (SEGUNDO)
Velocidad de avance
(C) 2 0.010758 0.005379 17.87 0.000 21.16
Profundidad del
corte
2 0.027686 0.013843 45.99 0.000 54.45
(RE)
Tipo
deherramienta (E) 2 0.001754 0.000877 2.91 0.000 3,45
A*B 4 0.000011 0.000003 0.01 0.828 0.02
A*C 4 0.000009 0.000002 0.01 0.926 0.02
A*D 4 0.000012 0.000003 0.01 0.640 0.02
Residual
4 0.001204 0.000301 2.37
Error
Total 26 0.050849 100.00

Varianza de error Ve = 0.000301

Por lo tanto,
CI = + - 0.018
El intervalo de confianza del 95% de la población es: [µTW− CI] <µTW <[µTW + CI]

0,0223 <0,0401 <0,0579

T ABLE 6C ONFIRMATORY E xperimentos para T OOL W EAR (MM).

Desgaste de la herramienta (mm)

NF 1 NF 2 NF 3

Muestra 1.7 m / s 2
4.3 m / s 2
6.9 m / s 2

1 0.0338 0.0346 0.0588

2 0.0339 0.0368 0.0549
 3 0.0342 0.0357 0.0568
Promedio 0.0340 0.0357 0.0568
Promedio total 0.0422

V. R ESULTADOS

Los resultados de ANOVA para el desgaste de la herramienta indican que la profundidad de corte es el
parámetro de mecanizado más importante para afectar el desgaste de la herramienta, seguido de la velocidad
de avance, el radio de la punta, el entorno de corte y el tipo de herramienta. En base a la discusión anterior y
al gráfico de efectos principales de la relación S / N, los parámetros de mecanizado óptimos son el entorno de
corte en el nivel 3 (A 3 = MQL), el radio de la punta en el nivel 3 (B 3 = 1.2 mm), la velocidad de alimentación
en nivel 3 (C 3 = 0,35 mm / rev), profundidad de corte en el nivel 1 (D 1 = 0,5 mm) y tipo de herramienta en el
nivel 3 (E 3 = revestido (CVD)) o A 3 B 3 C 3 D 1 E 3 en resumen

F IGURA 7M AIN EFECTO PARCELA DE RELACIÓN SEÑAL NOSE

SEGUNDO. Valor predicho del desgaste de la herramienta (mm)

El valor óptimo del parámetro de salida se puede predecir mediante un modelo aditivo
- −−

µ pred = Y + ∑ ( Y yo - Y ) (4)

µTW = YTW + (A3 - YTW) + (B3- YTW) + (C3 - YTW)

+ (D1 - YTW) + (E3 - YTW)

µTW = 0.123 + (0.107-0.123) + (0.107- 0.123) + (0.104-0.123) + (0.097-0.123) + (0.115- 0.123) = 0.0401
mm

T ABLA 7V ALORES DE ARÁMETROS P ROCESO P en O PTIMUM L EVEL

Parámetros de
proceso Código nivel 1 nivel 2 nivel 3
Ambiente de corte UNA SECO MOJADO MQL

Nariz r adius (mm) segundo 0.4 0.8 1.2

 Alimentación r (mm /
rev) do 0.15 0.25 0.35
Departamento decorte
(mm) re 0.5 1 1.5
Sin
Tipo de herramienta mi recubrimiento PVD CVD

VI . C ONCLUSION

El método de Taguchi se aplica con éxito en este estudio para encontrar la configuración óptima para el
torneado de acero AISI 4340. Los resultados se discuten de la siguiente manera:

(1) El problema de un solo objetivo se resuelve con la aplicación del Análisis de Taguchi.

(2) La característica de calidad de desgaste de la herramienta está optimizada a 0.042 mm.

(3) El ajuste de parámetro óptimo para tornear acero AISI 4340 es (A 3 B 3 C 3 D 1 y E 3 ), es decir, entorno
de corte = MQL,

1
3

IRACST - Ciencia y tecnología de la ingeniería : una revista internacional

(ESTIJ), ISSN: 2250-3498 Vol.7, No.2, marzo-abril de 2017
radio de la nariz = 1.2 mm, velocidad de avance = 0.35 mm / rev, profundidad
de corte = 1,5 mm, y herramienta de corte recubierta con PVD.
(4) La prueba de conformidad
muestra que los valores
pronosticados y experimentales
del desgaste de la herramienta
están dentro del rango dado por el
intervalo de confianza.

R EFERENCIAS

[1]. Hari Singh, Pradeep kumar,

"Optimización de la pieza de corte para la
pieza torneada por el método de diseño de
parámetros de Taguchi", Indian Journal of
Engineering & Material Sciences, vol. 12,
2005, págs .97-103 .
[2]. Shiv Sharma, SantoshTamang,
D.Devarasiddappa, M.Chandrasekran,
“Modelado de lógica difusa y
 optimización de rendimiento múltiple para
convertir compuestos de GFRP usando
análisis de función de deseabilidad”, 3ª
Conferencia Internacional sobre
Procesamiento de Materiales
y Identificación de Caracteres , Elsevier
2014, pp. 293
- 298.

[3]. Meenu Gupta, Surinder Kumar,

"Investigación de la rugosidad de la
superficie y MRR para el torneado de UD-
GFRP utilizando PCA y el método de
Taguchi", Revista Internacional de Ciencia
y Tecnología de la Ingeniería, Elsevier,
vol. 18, Número 1, 2015, pp. 70–81

[4]. Hari Singh, Pradeep Kumar,

"Optimización del desgaste de la
herramienta en la operación de torneado
por el método de Taguchi", Indian Journal
of Engineering & Material Sciences, vol
11, 2003, pp 19-24
[5]. Sr. Ballal Yuvaraj P., Dr. Inamdar KH,
Sr. Patil PV, "Aplicación del Método
Taguchi para el Diseño de Experimentos
en Torneado de Hierro Fundido Gris",
Revista Internacional de Investigación y
Aplicaciones de Ingeniería, vol. 2,
Número 3, mayo-junio de 2012, págs.
1391-1397.

PERFIL DE LOS AUTORES

Prashant D. Kamble recibió su M.Tech

Grado en CAD / CAM Rama de Mecánica

Ingeniería de YCCE, Nagpur en 2006.
año y presentado Doctor en Filosofía tesis en
Mecánico Ingenieria desde RTMNU,
Universidad de Nagpur. Actualmente esta trabajando
Asst Prof./ Profesor en el Departamento de
Mecánico Ingenieria en YCCE, Nagpur. Su papel
publicación detalles son: Internacional Conferencia: -18,