Un fabricante de tablas de surf de alta gama presentaba desviaciones de hasta 0.3 mm en el tallado de los núcleos de espuma. Las herramientas de fresado se desgastaban de forma irregular tras 40 horas de uso, generando superficies rugosas que afectaban la hidrodinámica de las tablas. Necesitaban un método para detectar el desgaste en tiempo real y ajustar los parámetros de corte.
Implementamos sensores de frecuencia piezoeléctricos en los husillos de las fresadoras CNC. Analizamos la micro-textura de las herramientas mediante microscopía electrónica antes y después de cada ciclo de producción. Correlacionamos las frecuencias anómalas con patrones de desgaste específicos en los filos de corte.
Instalamos 12 sensores en 3 fresadoras de 5 ejes. Desarrollamos un algoritmo de machine learning que procesaba las señales de frecuencia en tiempo real, identificando 7 tipos de anomalías superficiales. El sistema se calibró durante 3 semanas con 150 herramientas de carburo de tungsteno.
Redujimos la tasa de rechazo de núcleos tallados en un 68%. La vida útil de las herramientas aumentó un 42%, alcanzando 57 horas de uso continuo. La precisión del tallado mejoró a ±0.05 mm, eliminando las rugosidades superficiales. El cliente reportó un incremento del 23% en la velocidad de producción.
Documentación técnica
Informe completo de frecuencias y patrones de desgaste disponible para consulta. Los datos de calibración y las curvas de rendimiento se archivaron en el repositorio del proyecto.