Un conjunto de datos de torneado basado en sensores para la estimación de rugosidad superficial mediante datos

Por qué importa la suavidad del metal

Desde motores a reacción hasta centrales eléctricas, muchas máquinas críticas dependen de piezas metálicas cuyas superficies deben ser lo bastante lisas para resistir el desgaste, la corrosión y la fisuración. Sin embargo, la verificación de esa suavidad suele realizarse solo una vez finalizado el mecanizado, lo que pone en riesgo el desperdicio de material, tiempo y dinero si el resultado no es aceptable. Este trabajo presenta un nuevo y completo conjunto de datos que ayuda a científicos e ingenieros a enseñar a las máquinas a estimar la suavidad de la superficie en tiempo real durante el corte, especialmente para una aleación resistente llamada Inconel-625, muy usada en componentes aeroespaciales.

Un metal difícil de cortar

El Inconel-625 es una aleación a base de níquel valorada por su resistencia y su capacidad para soportar altas temperaturas y la corrosión, lo que la convierte en una elección habitual para aplicaciones aeroespaciales e industriales exigentes. Esas mismas propiedades dificultan su mecanizado en torno. Mientras la herramienta de corte arranca material en un proceso llamado torneado, puede aparecer vibración, sobrecalentamiento y desgaste de la herramienta, dejando una superficie irregular en la pieza. Dado que las comprobaciones tradicionales de rugosidad se realizan solo después del mecanizado, cualquier pieza que no cumpla las especificaciones debe desecharse o rehacerse. Para materiales caros como el Inconel, eso supone un coste elevado.

Escuchar el corte con sensores

Los autores montaron un torno convencional, no informatizado, y añadieron dos sensores clave cerca de la zona de corte. Un acelerómetro triaxial registró cómo vibraba la herramienta y su entorno mientras giraba el metal. Un dinamómetro colocado bajo el portaherramientas midió las fuerzas y los momentos de torsión en tres direcciones. Tras cada pasada, un medidor portátil rastreó suavemente la superficie y registró tres medidas estándar de rugosidad, capturando variaciones de altura promedio y diferencias pico a valle en el cilindro acabado. En conjunto, estas mediciones conectan lo que la máquina “siente” durante el corte con cuán lisa resulta la superficie.

Construir un conjunto de datos grande y flexible

Para que el conjunto de datos fuera de amplia utilidad, el equipo varió sistemáticamente tres ajustes básicos de corte: la velocidad de giro de la pieza, la velocidad de avance de la herramienta a lo largo del cilindro y la profundidad de corte. Eligieron tres niveles para cada ajuste, produciendo 27 combinaciones en total. Para cada combinación, registraron señales de vibración y fuerza a una alta tasa de diez mil muestras por segundo, generando más de 382 millones de puntos de datos. Como los dos sistemas de sensores empezaron y pararon en momentos ligeramente distintos, los autores después alinearon las grabaciones usando un método de detección de cambios que localiza el inicio y el final reales del corte, recortando las porciones en reposo de las señales.

Lo que las señales revelan sobre la calidad de la superficie

Una vez que las señales fueron limpiadas y sincronizadas, los investigadores resumieron cada una usando estadísticas sencillas como la media, la dispersión, la asimetría y los extremos. Luego comprobaron cómo se relacionaban estas características resumen con la rugosidad medida de las superficies terminadas. Muchas de estas relaciones fueron claramente distintas de cero, con algunas características aumentando a medida que las superficies se volvían más rugosas y otras disminuyendo. Este patrón coincide con hallazgos previos en la literatura de mecanizado y confirma que las señales de los sensores transmiten información real sobre la calidad superficial, en lugar de ser ruido aleatorio.

Por qué este recurso es útil para fábricas inteligentes

Puesto que los experimentos usaron un torno heredado ordinario y sensores comerciales, talleres que no pueden permitirse máquinas modernas con control por ordenador aún pueden reproducir o ampliar este montaje. El conjunto de datos abierto, junto con código de ejemplo para alinear y analizar las señales, ofrece a los investigadores una base sólida para entrenar modelos de aprendizaje automático que estimen la rugosidad superficial durante el corte. En términos sencillos, el trabajo muestra cómo convertir las vibraciones y fuerzas crudas de una herramienta de corte en pistas sobre cuán lisa será la superficie metálica terminada, contribuyendo a que la fabricación avance hacia procesos más inteligentes y menos derrochadores.

Cita: Sakthivel, N.R., Harigovind, H. & Nair, B.B. A Sensor based turning dataset for data-driven surface roughness estimation. Sci Data 13, 742 (2026). https://doi.org/10.1038/s41597-026-07061-1

Palabras clave: rugosidad superficial, torneado de Inconel-625, sensores de mecanizado, aprendizaje automático, fabricación inteligente