Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Similares en SciELO
Compartir
Journal of applied research and technology
versión On-line ISSN 2448-6736versión impresa ISSN 1665-6423
Resumen
ALVARADO-INIESTA, A.; VALLES-ROSALES, D.J.; GARCIA-ALCARAZ, J.L. y MALDONADO-MACIAS, A.. A Recurrent Neural Network for Warpage Prediction in Injection Molding. J. appl. res. technol [online]. 2012, vol.10, n.6, pp.912-919. ISSN 2448-6736.
La inyección de plásticos se considera como uno de los procesos de manufactura más flexibles y económicos con un gran volumen de producción de piezas de plástico. Las causas de variación durante la inyección de plásticos se relacionan con el amplio número de factores que intervienen durante un ciclo de producción regular, tales variaciones impactan la calidad del producto final. Un problema común de calidad en productos terminados es la presencia de deformaciones. Así, este estudio tuvo como objetivo diseñar un sistema basado en redes neuronales recurrentes para predecir defectos de deformación en productos fabricados por medio de inyección de plásticos. Se emplean cinco parámetros del proceso por ser considerados críticos y que tienen un gran impacto en la deformación de componentes plásticos. El presente estudio hizo uso del software de análisis finito llamado Moldflow para simular el proceso de inyección de plásticos para recolectar datos con el fin de entrenar y probar la red neuronal recurrente. Redes neuronales recurrentes fueron utilizadas para entender la dinámica del proceso y debido a su capacidad de memorización, los valores de deformación pudieron ser predichos con exactitud. Los resultados muestran que la red diseñada funciona bien en términos de predicción, superando aquellas predicciones generadas por redes de propagación hacia adelante.
Palabras llave : Artificial neural network; recurrent neural network; plastic injection molding; warpage prediction.