Predicción paramétrica del grado de porosidad en piezas fabricadas mediante el proceso de SLM empleando redes neuronales

  • J. M. Cisneros Villarreal Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Centro de Investigación e Innovación en Ingeniería Aeronáutica, Laboratorio Nacional de Manufactura Aditiva y Digital (MADiT), México
  • Luis Amezquita-Brooks Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Centro de Investigación e Innovación en Ingeniería Aeronáutica
  • L. A. Reyes-Osorio Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Centro de Investigación e Innovación en Ingeniería Aeronáutica, Laboratorio Nacional de Manufactura Aditiva y Digital (MADiT), México
  • C. Garza-Rodríguez Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Centro de Investigación e Innovación en Ingeniería Aeronáutica, Laboratorio Nacional de Manufactura Aditiva y Digital (MADiT), México
  • P. del C. Zambrano-Robledo Universidad Autónoma de Nuevo León, Facultad de Ingeniería Mecánica y Eléctrica, Centro de Investigación e Innovación en Ingeniería Aeronáutica, Laboratorio Nacional de Manufactura Aditiva y Digital (MADiT), México
  • O. López-Botello Laboratorio Nacional de Manufactura Aditiva y Digital (MADiT), México, Tecnológico de Monterrey, Escuela de Ingeniería y Ciencias

Resumen

Optimizar parámetros de fabricación en el proceso de fusión selectiva por láser (SLM) es fundamental para la obtención de geometrías con máxima densidad. El objetivo de esta investigación fue construir dos tipos de redes neuronales artificiales (RNA), Perceptrón Multicapa (MLP) y ADALINE, capaces de modelar el proceso de SLM. Se utilizó una base de datos del proceso y se identificaron parámetros esenciales con los cuales se entrenaron las RNA, por último se validó de la predicción obtenida. El error medio absoluto resultante fue menor al 1%. Al emplear las RNA se identificaron parámetros óptimos y se predijo la reducción en la porosidad de las piezas fabricadas en AISI 316L por el proceso de SLM. Se concluyó que utilizar RNA como una herramienta complementaria de optimización es eficiente en los modelos de predicción del proceso de SLM.

Publicado
2022-02-08
Sección
Artículos