Metodología de desarrollo de herramientas de ayuda al diseño de matrices de extrusión de aluminio, basadas en el análisis de los parámetros que determinan su rendimiento

Abstract

La producción de aluminio extruido en el mundo no deja de crecer año tras año debido a la continua introducción de nuevas aplicaciones comerciales de este metal. Los principales factores comerciales de la extrusión de aluminio: productividad, coste efectivo y grado de calidad del perfil extruido; están directamente relacionados con el rendimiento de la matriz en la prensa de extrusión. Por ello, es muy importante alcanzar una optimización máxima en el proceso de diseño y fabricación de matrices. En el proceso de diseño existen diferentes tareas críticas a realizar. El enfoque tradicional para lograr un diseño óptimo se basa en el uso de fórmulas empíricas y en la experiencia del propio diseñador. En ciertos casos, también se hace uso de la simulación por el método de los elementos finitos (MEF) para realizar pruebas virtuales de extrusión. El presente trabajo de investigación aborda en primer lugar la determinación de los parámetros principales a tener en cuenta para llevar a cabo un diseño de matriz, y las relaciones que existen entre ellos. Y a partir de ahí, el desarrollo de una herramienta de ayuda al diseño simple, fiable y utilizable en las fases iniciales del diseño. La metodología utilizada en el trabajo sigue varias etapas secuenciales: definición de la metodología general para la determinación de los parámetros y sus relaciones, proposición de modelos de herramienta de ayuda al diseño de matrices, validación de los modelos mediante su aplicación a casos prácticos de diseño, comparación de los modelos en base a los resultados de la simulación MEF y, por último, conclusiones y definición del modelo o modelos óptimos. Se han utilizado los datos de geométricos de 596 cámaras de alimentación de 88 matrices de probada eficacia, proporcionados por una empresa de reconocido prestigio. A partir de ellos, se han extraído las variables fundamentales y se han definido dos modelos de ayuda al diseño. Se trata de herramientas de ayuda para dimensionar las cámaras de alimentación de los puentes de matrices tubulares de 4 salidas y 4 cámaras por salida: uno de ellos basado en estadística inferencial y otro basado en Machine Learning (ML). Utilizando estos modelos, se ha desarrollado la optimización de los diseños de dos matrices reales. Y para cada una de ellas, se han analizado y comparado mediante la simulación MEF los resultados obtenidos con ambos modelos, utilizando la desviación de la velocidad a la salida de la prensa de extrusión como parámetro de valoración. La conclusión obtenida es que ambos modelos alcanzan su cometido, pues logran limitar aceptablemente las desviaciones de la velocidad durante el proceso y permiten su utilización en las fases iniciales del proceso de diseño, reduciendo los tiempos y recursos empleados sin su ayuda. Entre ellos, el modelo basado en ML alcanza unas reducciones mayores de la desviación de la velocidad en el proceso y, gracias a su explicabilidad, permite su uso por diseñadores con limitada experiencia en el proceso productivo. Como limitaciones, los modelos sólo se muestran útiles para la tipología concreta de matriz para la que han sido desarrollados, y requieren de un proceso iterativo de modificación del diseño para alcanzar el ajuste óptimo al modelo. Como futuras líneas de investigación, cabe destacar la creación de nuevos modelos para otros tipos de matrices, u otros procesos productivos, basándose en la misma metodología general definida, así como la exploración de la posibilidad de automatizar el proceso de cálculo y modificación iterativa en base a una herramienta de CAD paramétrica.

The production of extruded aluminium in the world continues to grow each year due to the continuous introduction of new commercial applications of this metal. The main commercial factors of aluminium extrusion - productivity, cost effectiveness and quality grade of the extruded profile - are directly related to the performance of the die in the extrusion press. Therefore, it is very important to achieve maximum optimisation of the die design and manufacturing process. In the design process there are several critical tasks to be performed. The traditional approach to achieve an optimal design is based on the use of empirical formulas and the designer's experience. In some cases, Finite Element Method (FEM) simulation is also used to perform virtual extrusion trials. This research firstly deals with the determination of the main parameters to be considered when carrying out a die design, and the relationships that exist between them. And from there, it develops a simple, reliable and usable design aid tool for the initial phases of the die design. The methodology used in the research follows several sequential stages: definition of the general methodology for the determination of the parameters and their relationships, proposal of models for the die design aid tool, validation of the models by their application to practical design cases, comparison of the models based on the results of the FEM simulation and, finally, conclusions and definition of the optimal model or models. Geometric data from 596 ports of 88 proven dies, provided by a prestigious company, have been used. From these data, the fundamental variables have been extracted and two design aid models have been defined. They are tools to help in the sizing of the ports of porthole die mandrels with 4 cavities and 4 ports per cavity: one of them based on inferential statistics and the other one based on Machine Learning (ML). By using these models, the optimisation of the designs of two real dies has been developed. And for each of them, the results obtained with both models have been analysed and compared by means of FEM simulation, using the deviation of the velocity at the extrusion press outlet as the evaluation parameter. The conclusion obtained is both models achieve their purpose, as they are capable of acceptably limiting the velocity deviations during the process and allow their use in the initial phases of the design process, reducing the time and resources consumed without their help. Among them, the ML-based model achieves higher reductions of the velocity deviation in the process and, thanks to its explainability, allows its use by designers with limited experience in the production process. The limitations of the models are that they are only useful for the specific type of die for which they have been developed, and they require an iterative process of design modification to achieve the optimum fit to the model. Future research lines include the creation of new models for other types of dies, or other production processes, based on the same general methodology defined, as well as the exploration of the possibility of automating the process of calculation and iterative modification based on a parametric CAD tool.