CLASIFICACIÓN DEL TRATAMIENTO TÉRMICO DE ACEROS CON ENSAYOS NO DESTRUCTIVOS POR CORRIENTES INDUCIDAS MEDIANTE REDES NEURONALES

Resumen

Las técnicas no destructivas basadas en corrientes inducidas están cada vez más presentes en la industria debido a la creciente demanda de controles de calidad. En el presente artículo se comparan Redes Neuronales Artificiales (RNAs) que implementan clasificadores de piezas de acero. Para ello, inicialmente se adquirieron medidas de impedancia utilizando un sensor inductivo conectado a un equipo de corrientes, al que se aproximaron dos juegos de piezas con tratamientos térmicos diferentes. A continuación se implementaron dos RNAs monofrecuencia y una multifrecuencia para realizar la clasificación. Como resultados se obtuvo (i) una tasa de acierto de clasificación de las RNAs monofrecuencia cercana al 90% y de la RNA multifrecuencia de un 99.9%, (ii) una carga computacional teórica del clasificador implementado con la RNA multifrecuencia entre un 33% y un 50% inferior a la de las RNAs monofrecuencia y (iii) un tiempo de ejecución de la RNA multifrecuencia un 22% inferior al de las RNAs monofrecuencia. Los experimentos realizados sugieren (i) que los clasificadores basados en RNAs multifrecuencia consiguen mejores tasas de acierto que los basados en RNAs monofrecuencia, (ii) que el número mayor de variables de entrada de las RNAs multifrecuencia respecto de las RNAs monofrecuencia no implican mayor carga computacional y (iii) que el número mayor de variables de entrada de las RNAs multifrecuencia no implican un tiempo de ejecución para realizar la clasificación superior al de las RNAs monofrecuencia.