¿Cuál es la motivación del caso de estudio del diagnóstico de desgaste de herramientas de corte en máquinas CNC?

6.6.1Motivación del caso de estudio
La industria manufacturera representa un sector de gran relevancia en el desarrollo económico de muchos países (Haraguchi et al., 2017). La optimización de los procesos de fabricación es un aspecto importante a tener en cuenta para las empresas involucradas ya que puede representar grandes beneficios económicos, siendo este uno de los principales objetivos perseguidos junto con el aumento de la calidad del producto fabricado. Los costos de las herramientas de corte, los costos de electricidad, la eficiencia del mecanizado y la calidad de la superficie mecanizada se encuentran entre los principales factores que pueden influir fuertemente en los gastos de fabricación (Luan et al., 2018). Durante un proceso de mecanizado en una máquina de Control Numérico Computarizado (CNC, por su abreviatura en inglés Computer Numeric Control), la herramienta de corte está sometida a esfuerzos constantes, lo que provoca un desgaste inminente y paulatino. De acuerdo a Weckenmann et al. (2003), los costes de mecanizado y sustitución de la herramienta de corte pueden representar hasta un 12% de los costos totales de producción, e incluso, la reducción del tiempo de inactividad de la máquina herramienta de corte mejora significativamente la tasa de producción (Dutta et al., 2013). En este contexto, es evidente el uso indispensable de herramientas de corte en excelentes condiciones sin reemplazarlas innecesariamente. A estos efectos, es fundamental desarrollar sistemas de monitorización del estado de la herramienta (TCM, por su abreviatura en inglés Tool Condition Monitoring) capaces de diagnosticar de forma eficaz el estado de salud de las herramientas de corte a partir de la información obtenida del proceso de mecanizado y sus diferentes elementos. Básicamente, una máquina CNC puede equiparse con dos tipos de motores eléctricos para su correcto funcionamiento: un servomotor por eje móvil y un motor de inducción para proporcionar par al husillo. Actualmente, la mayoría de las metodologías de monitorización del estado de la herramienta han extraído información de diferentes magnitudes físicas, entre otras: corriente de alimentación del servomotor, fuerzas de corte, emisiones acústicas, imágenes infrarrojas y vibraciones de la estructura mecánica. Sin embargo, muy pocos trabajos se han centrado en el motor del husillo, a pesar de que este es un elemento en conexión directa con la herramienta de corte y, en consecuencia, se puede extraer información relevante (Lin et al., 2017). Hasta este punto, aunque las técnicas de monitorización del estado de la herramienta no es un tema nuevo, sigue siendo el foco de diversos estudios de investigación debido a su gran relevancia, ya que las metodologías actuales aún tienen algunas limitaciones y desafíos, que inherentemente limitan su viabilidad en aplicaciones industriales reales (Wong et al., 2020). Generalmente, el uso indispensable de sensores instalados cerca del área de trabajo, que indirectamente afectan los resultados finales, representa una de las principales limitaciones de las metodologías indirectas. Además, en términos prácticos, no siempre es posible instalar sensores cerca de esta zona debido a su alta invasividad en los procesos de mecanizado. Por tanto, resulta de gran relevancia explorar técnicas emergentes no invasivas mediante fuentes alternativas de información para superar los inconvenientes que persisten en las metodologías convencionales. En este contexto, el análisis del flujo magnético ha demostrado producir resultados comparables a los de métodos bien establecidos con alta confiabilidad (Ramirez-Nunez et al., 2018). Hasta el momento de la realización de esta parte de la metodología no se habían realizado investigaciones bajo la premisa de estudiar el impacto que tiene el desgaste de las herramientas de corte sobre el flujo magnético de dispersión capturado alrededor del motor del husillo en máquinas CNC, esto según lo reportado en la literatura técnica. Por lo tanto, resultó de gran relevancia explorar esta cantidad y extrapolar la metodología propuesta para el diagnóstico de desgaste en herramientas de corte. Así entonces, en este caso de estudio se demuestra que, mediante la metodología propuesta, con la gran ventaja y excelente característica de ser una técnica no invasiva (libre de sensores cerca del área de trabajo) es posible clasificar el estado de desgaste de la herramienta de corte en máquinas CNC a través de un análisis de las señales de flujo de dispersión capturadas en la periferia del motor del husillo. Esta propuesta se basa en el hecho (como lo reporta la literatura) que la fuerza, y por ende la energía requerida para realizar el corte (suministrada por el motor del husillo) se ve alterada cuando la herramienta de corte no está en óptimas condiciones, generando así un cambio en la corriente demandada por el motor del husillo, y por tanto modificando el flujo magnético de dispersión a su alrededor. Las diferentes componentes magnéticas del flujo de dispersión (axial, radial y combinación de axial y radial) se capturan a través del sensor de flujo de dispersión triaxial propuesto en este trabajo (construido a partir de tres sensores primarios de efecto Hall colocados en ejes relativamente perpendiculares) instalado en el marco del motor del husillo de la máquina. El análisis de estas señales se realiza mediante la transformada wavelet discreta (DWT). Además, dada la relevancia de clasificar de forma automática el desgaste de la herramienta de corte en el proceso de mecanizado, se define un indicador de nivel de fallo en base a los resultados obtenidos mediante el análisis tiempo-frecuencia de las señales del flujo magnético de dispersión y luego es utilizado por una red neuronal artificial para establecer un diagnóstico final automático. Los experimentos se realizan bajo un torno CNC modelo Fanuc Oi mate considerando tres diferentes estados de desgaste de la herramienta de corte: herramienta de corte nueva, herramienta de corte desgastada y herramienta de corte rota y diversas profundidades de corte. Los resultados obtenidos a través de un análisis de rendimiento de la propuesta de