Modelagem via redes neurais para a estimativa da temperatura de corte em ferramentas de metal duro no processo de fresamento frontal

Resumo

A temperatura gerada durante o corte, decorrente do cisalhamento do material de trabalho, é um dos motivos que demandam maior preocupação em um processo de usinagem, uma vez que sua elevação excessiva pode provocar distorções e mau acabamento da superfície usinada e, principalmente, ativar mecanismos de desgaste que conduzem à falha prematura da ferramenta de corte, diminuindo a produtividade e aumentando os custos de fabricação. Os problemas com a temperatura podem tornar-se ainda mais complexos em processos de usinagem com corte interrompido, como no caso do fresamento. Desta forma, a determinação de um procedimento que estimasse com confiabilidade a temperatura de corte nos processos de usinagem e em particular no fresamento, poderia ser de grande valia, uma vez que possibilitaria a otimização dos parâmetros de corte de modo a minimizar as conseqüências negativas que a temperatura pode causar no processo produtivo. Sendo assim, este trabalho tem por objetivo utilizar um procedimento via redes neurais para a estimativa da temperatura de corte em cada ciclo de trabalho de ferramentas de metal duro no processo de fresamento frontal, estabelecendo uma relação experimental entre esta variável e os principais parâmetros do processo de fresamento: velocidade de corte "vcâ€?, avanço por dente "fzâ€?, profundidade de corte "apâ€? e penetração de trabalho "aeâ€?. A escolha da metodologia de redes neurais foi motivada por ser uma técnica que tem se mostrado muito eficiente na estimativa de parâmetros e na modelagem de sistemas altamente não lineares. A metodologia utilizada mostrou-se confiável na estimativa da temperatura de corte no fresamento, permitindo a otimização dos parâmetros de usinagem e a conseqüente possibilidade do aumento da vida das ferramentas de metal duro utilizadas. Palavras-chave: Redes Neurais Artificiais, Temperatura de Corte, Fresamento. ABSTRACT The high temperatures generated during the cutting process can quickly become one of the main reasons of premature failure of the cutting tools. In milling process due to the characteristic of discontinuity of the cutting operation, it becomes much more problematic. The determination of a reliable procedure to estimate the cutting temperatures in machining processes could allow the optimization of the cutting parameters providing a tool life longer. By this way, the present work proposes a neural network based procedure aiming to establish an experimental relationship between the cutting temperature generated in coated tools cemented carbide and the main cutting parameters in the face milling process: cutting speed "vcâ€?, feed per tooth "fzâ€?, depth of cut "apâ€? and cutting width "aeâ€?. The trained networks were used to predict the cutting temperatures generated not just in the entrance but also in the exit of the cutting tool of the work piece. The choice of the Neural Network procedure was motivated by the satisfactory resuts presented by this technique when predicting and modeling nonlinear systems with non-correlated variables. The results showed that the neural networks methodology used is a promising technique to estimate the cutting temperatures, besides being an important tool to aid in the choice of the fit parameters, having as a consequence an increasing of the tool life. Keywords: Neural Networks, Cutting Temperature, Milling.