Estimación del consumo específico de energía en el torneado de alta velocidad del acero AISI-1045 utilizando redes neuronales

espanolEn el presente articulo se estimo el consumo especifico de energia en el torneado de alta velocidad en seco del acero AISI 1045, utilizando redes neuronales. Se utilizaron varias arquitecturas de redes neuronales artificiales del tipo perceptron multicapa, para establecer las relaciones entre los parametros del regimen de corte y los indices tecnologicos de mecanizado. Se consideraron como magnitudes para la entrada de los modelos de redes neuronales, las siguientes: la velocidad de corte, la duracion de la prueba, el tiempo de maquinado, el numero de pasadas y la posicion de la herramienta de corte sobre la probeta. El modelo de red neuronal seleccionado fue el mejor, segun el error cuadratico medio y el coeficiente de regresion R2, reflejando una buena precision en la aproximacion. Los resultados evidenciaron un buen nivel de fiabilidad en la prediccion del consumo especifico de energia bajo diversas condiciones de mecanizado EnglishThis article estimates the specific energy consumption in high-speed dry turning of AISI 1045 steel, using neural networks. Various artificial neural network architectures of the multilayer perceptron type were used to establish the relationships between the parameters of the cutting regime and the technological indices of machining. The following were considered as input values for the neural network models: the cutting speed, the test duration, the machining time, the number of passes and the position of the cutting tool on the specimen. The selected neural network model was the best, based on the mean square error and the regression coefficient R2, reflecting good precision in the approximation. The results showed a good level of reliability in predicting specific energy consumption under various machining conditions.