Por favor, use este identificador para citar o enlazar este ítem:
http://ciateq.repositorioinstitucional.mx/jspui/handle/1020/516| Predicción de penetración de soldadura GMAW con algoritmos de inteligencia artificial | |
| BRUNO DIAZ SILVA | |
| MARICRUZ HERNANDEZ HERNANDEZ Carolina Reta | |
| Acceso Abierto | |
| Atribución-NoComercial-CompartirIgual | |
| Aprendizaje automático GMAW Dilución de soldadura Penetración de soldadura SMOreg Regresión lineal Computer engineering Machine learning Welding dilution Welding penetration Linear regression | |
| En el proceso de soldadura GMAW (Gas Metal Arc Welding), la dimensión de la penetración de soldadura está directamente relacionada con las variables de entrada, tales como: corriente base, corriente de salida, tiempo de impulso, voltaje, velocidad de alimentación de alambre, frecuencia y velocidad de soldadura. El problema que presenta la compañía es el desconocimiento de las variables que afectan el proceso de soldadura y la geometría del perfil transversal de la junta soldada. Esta falta de conocimiento afecta durante el desarrollo del producto: en la cantidad de chatarras de prueba generadas durante dicha fase y en la generación de tiempo muerto excesivo durante cada prueba. Esto resulta en el incremento de costos para las fases de desarrollo de producto e incluye los costos asociados por la generación de chatarra al realizar las pruebas destructivas cada vez que se realiza la medición del perfil transversal de soldadura. En este trabajo de investigación se evalúa el desarrollo de once algoritmos de aprendizaje automático e inteligencia artificial (Regresión lineal, Random Forest, Ibk M5 Rules, Multilayer Perceptron, Bagging, Random Subspace, Rep Tree, Gaussian Processes, SMOReg, LWL y Decision Table) con la finalidad de predecir la penetración de soldadura en los rines de acero. El resultado de la investigación muestra que los algoritmos SMOReg y Linear regression obtuvieron coeficientes de correlación de 0.86 y 0.84 para la dilución de soldadura, además de obtener valores de 0.80 para las características de Penetración en disco en eje X y Penetración en aro. De acuerdo con los modelos de regresión generados, las variables que tienen mayor efecto en la penetración de soldadura son: Voltaje de salida, Corriente de salida y Velocidad de alimentación de alambre. Los modelos desarrollados permitieron establecer los parámetros de soldadura para reducir el tiempo y la chatarra generada en la fase de desarrollo; también proporcionan una solución para evaluar la calidad de la junta soldada sin destruir la pieza. In the GMAW (Gas Metal Arc Welding) welding process, the weld penetration dimension is directly related to the input variables, such as base current, output current, impulse time, voltage, wire feed speed, frequency, and welding speed. The company's problem is the unawareness of the variables that affect the welding process and the geometry of the welded joint's cross-sectional profile. This lack of knowledge affects product development in the amount of test scraps generated during this phase and in the generation of excessive downtime during each test. This results in increased costs for the product development phases, including scrap generation costs when performing destructive tests each time the weld cross-section measurement is performed. This research work evaluates the development of eleven machine learning and artificial intelligence algorithms (Linear Regression, Random Forest, Ibk M5 Rules, Multilayer Perceptron, Bagging, Random Subspace, Rep Tree, Gaussian Processes, SMOReg, LWL, and Decision Table) in order to predict weld penetration on steel wheels. The result of the investigation shows that the SMOReg and Linear regression algorithms obtained correlation coefficients of 0.86 and 0.84 for the weld dilution, in addition to obtaining values of 0.80 for the characteristics of disc penetration on axis X and Rim Penetration. According to the generated regression models, the variables that have the most significant effect on weld penetration are: Output Voltage, Output Current, and Wire Feed Speed. The developed models make it possible to establish the welding parameters to reduce the time and scrap generated in the development phase; they also provide a solution to assess the quality of the welded joint without destroying the part. | |
| CIATEQ, A.C. | |
| 2021 | |
| Tesis de maestría | |
| Español | |
| Público en general | |
| SISTEMAS DE CONTROL DE PRODUCCIÓN | |
| Versión aceptada | |
| acceptedVersion - Versión aceptada | |
| Aparece en las colecciones: | Maestría en Manufactura Avanzada |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| DiazSilvaBruno MMANAV 2021 RN.pdf | Tesis de maestría en texto completo | 2.64 MB | Adobe PDF | Visualizar/Abrir |