Desarrollo y evaluación de un sistema predictivo de desgaste de herramienta en torneado mediante redes neuronales, termografía y análisis de vibraciones.

Director	ACERO CACHO, RAQUEL

Titulaciones
	Grado en Ingeniería Eléctrica Grado en Ingeniería Mecánica Grado en Ingeniería Tecnologías Industriales Grado en Ingeniería Tecnologías y Servicios de Telecomunicación Grado en Ingeniería Informática Grado en Ingeniería Electrónica y Automática

Duracion	6
Lugar	EINA
Fecha Alta	2025-12-19
Fecha Baja	2026-12-19
Resumen	El desgaste de la herramienta de corte es un factor crítico que afecta directamente a la calidad del producto y a los costes de producción. Este proyecto busca desarrollar un modelo de mantenimiento predictivo capaz de estimar el desgaste de la herramienta en tiempo real, integrando datos multisensoriales (imágenes térmicas y señales de vibración) mediante técnicas avanzadas de deep learning. El estudiante se integrará en un entorno de investigación técnica realizando las siguientes funciones: - Procesado de Señal: Análisis y filtrado de señales de vibraciones capturadas mediante acelerómetros durante el proceso de torneado. - Tratamiento de Datos: Preparación de un dataset que combina imágenes termográficas con datos numéricos de vibraciones y parámetros de corte. - Diseño de Redes Neuronales: Evaluación de diferentes arquitecturas y optimización de sus hiperparámetros. - Validación y Benchmarking: Entrenamiento y testeo de los modelos, comparando su precisión mediante métricas de error para determinar el sistema más robusto.
Detalles/Contacto	En caso de interés contactar con Raquel Acero (racero@unizar.es) / Sergio Aguado (saguadoj@unizar.es)

Volver