Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

Design and Implementation of a Monitoring and Control System for Setting and Balancing a Tile Grinding Line L. Prades(1), J. Serrano(2), R. Sanchis(3) (1)

Dpto. de Ingeniería de Sistemas Industriales y Diseño, Universitat Jaume I, Castellón, Spain. E-mail: [email protected] (2, 3) Dpto. de Ingeniería de Sistemas Industriales y Diseño, Universitat Jaume I, Castellón, Spain.

RESUMEN Una línea de rectificado para baldosas cerámicas está formada por una sucesión de pares de muelas abrasivas enfrentadas y accionadas mediante motores eléctricos que eliminan progresivamente material del borde de las baldosas. El correcto reglaje de la línea es esencial para optimizar la vida de las herramientas y los consumos eléctricos y de abrasivos, pero mantenerla bajo control es complejo pues la condición de trabajo de cada muela está afectada por las de su alrededor. Además, las características cambiantes de las baldosas y el desigual desgaste de las muelas modifican su punto de funcionamiento. En este trabajo se expone el diseño y la implementación de un sistema para monitorizar y controlar el punto de funcionamiento de las muelas. La monitorización adquiere datos de consumo de cada muela, transfiriéndolos al controlador difuso para decidir su estado, generando una señal de corrección. Los experimentos realizados demuestran que el sistema diseñado facilita el ajuste. Palabras clave: Rectificado cerámico; Reglaje línea; Lógica difusa; Sistemas de monitorización; Sistema de control.

ABSTRACT A tile grinding line is composed of several consecutive pairs of opposed abrasive tools driven by electric motors that progressively remove material from the tile edges. A correctly balanced line is essential to optimize the lifetime of the tools and electricity and abrasive consumption, but keeping the line under control is difficult due to the fact that working conditions of every wheel are affected by their adjacent wheels. Moreover, changing characteristics of worked tiles and uneven wheels wear modify the operating point of wheels. This work explains the design and implementation of a system for monitoring and controlling the operation state of abrasive tools in a tile grinding line. The monitoring system acquires the current data of each electric motor and transfers it to the control system. A fuzzy logic controller decides the state of each motor, generating a correction signal to adjust the wheels. The experiments carried out demonstrate that the designed system simplifies balancing tasks. Keywords: Ceramic grinding; Setting line; Fuzzy logic; Monitoring system; Control system.

1. Introducción El rectificado de baldosas cerámicas es un proceso que se aplica al producto final y es realizado mediante la utilización de herramientas abrasivas. Dichas herramientas, denominadas muelas, son accionadas por motores eléctricos y se encuentran colocadas por parejas en los módulos de rectificado, donde las piezas circulan sobre las correas pasando de forma secuencial por cada una de las parejas de muelas, que se encuentran enfrentadas de forma que cada par ataca a las piezas por ambos lados de la baldosa, tal y como se muestra en la Figura 1-a. La distancia entre las parejas de muelas en cada par se fija a un valor determinado, y va decreciendo respecto a la pareja anterior para así conseguir que todas las muelas eliminen la tasa de arranque de material (TAM) que se les asigna. El correcto reglaje de los módulos de rectificado a los valores establecidos es esencial para optimizar la vida de las muelas y para reducir los consumos energéticos y de abrasivos. Debido a que las condiciones de trabajo de cada una

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

de las muelas afectan a las de su alrededor, resulta muy complejo y dificultoso obtener los parámetros de ajuste del módulo adecuados para cada formato a rectificar y mantener a todas las muelas bajo control durante todo el proceso de rectificado. Asimismo, el desgaste desigual de las muelas también modifica su punto de funcionamiento, hecho que junto a las duras condiciones de trabajos (ambiente húmedo y pulverulento) dificulta la medida precisa de la posición de la superficie de contacto de cada muela respecto a la pieza mediante sensorización de la posición. A todo ello se ha de añadir que los motores no trabajan de forma continua dado que entre las piezas existe un pequeño y variable espacio. Ante un proceso con un número tan elevado de variables de entrada, con un comportamiento complejo y poco previsible, es necesario implementar un bucle de control sobre el sistema, donde se monitorice y controle el punto de funcionamiento del sistema para reglar la máquina, reduciendo así los consumos energéticos y de abrasivos.

a) Disposición muelas en módulo rectificado

b) Sistema de transporte de las piezas

c) Disposición muelas abrasivas

d) Muela abrasiva

Figura 1. Características del módulo de rectificado y de las muelas. En la bibliografía se han encontrado diferentes trabajos en los que se han utilizado diversas técnicas para la monitorización del proceso de rectificado, tales como: la fuerza ejercida por la muela sobre la pieza, la potencia consumida por el motor que mueve la muela de rectificado, las emisiones acústicas al contactar la muela con la pieza de trabajo, y la temperatura en la superficie de la muela [1]. Aunque la técnica más utilizada es la monitorización de las emisiones acústicas, la monitorización de la intensidad y/o potencia consumida [2] es la más fiable para utilizar en condiciones de producción, obteniéndose resultados satisfactorios de la aplicación de dichas técnicas en diferentes investigaciones [3-5]. Con el fin de cerrar el bucle de control del proceso, todo sistema de monitorización debe ir seguido de un sistema de diagnóstico y de otro de actuación (Figura 2b). Diferentes controles han sido desarrollados para el proceso de rectificado, teniendo mayor acogida los sistemas de control adaptativos y los basados en inteligencia artificial [6]. Aunque las diferentes aplicaciones realizadas mediante controles adaptativos para el proceso de rectificado han demostrado su potencial [7, 8], han tenido mayor aceptación los controles basados en inteligencia artificial al por poderse desarrollar con menor conocimiento previo del sistema (no requieren el modelo matemático que describa la dinámica del proceso). De entre los sistemas de control inteligente, las técnicas más utilizadas para el control del proceso de rectificado son la lógica difusa y las redes neuronales, habiéndose desarrollado numerosas aplicaciones sobre máquinas de un único cabezal con la finalidad de predecir desperfectos y la vida de la herramienta [9, 10], predecir los requerimientos de potencia del sistema [11] y para diagnosticar el estado del proceso [12].

Bucle de control del proceso Proceso de rectificado

Monitorización ProceSensor sado

- Baldosas - Muelas - Entorno Actuación Actua- Modifidor cación

a)

Salida

Diagnóstico Análisis

b)

Causa

c)

Figura 2. Bucle de control del proceso, con detalles de las aplicaciones de monitorización y control. En el presente trabajo se aborda la monitorización y el control de una línea de rectificado de baldosas cerámicas, estando configurada por ocho pares de muelas (16 motores) con la configuración indicada

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

anteriormente y que se esquematiza en la Figura 1-a, hecho que supone un reto para el control del sistema. Se diseña e implementa un sistema para la monitorización y el control del punto de funcionamiento de las muelas del módulo, utilizando un controlador basado en lógica difusa.

2. Sistema de monitorización del proceso El sistema diseñado monitoriza la corriente de los motores que accionan las muelas, por ser una variable que está directamente relacionada con la fuerza que ejerce la muela sobre la pieza y con la TAM, hecho que facilita el estudio del sistema, además de que técnica y económicamente es una solución viable [1]. La solución hardware elegida es una tarjeta de adquisición de datos con 16 entradas analógicas (PCI1711L de Advantech), un PC y 16 sensores. Cada sensor se compone de un transformador de corriente y un convertidor de corriente a voltaje con protección de sobre-tensión mediante diodos zéner. De un estudio preliminar sobre el sistema se concluyó que el consumo de corriente instantáneo de cada motor es muy errático, cambiando rápidamente y de forma irregular entre los valores máximo y mínimo, lo que hace imposible obtener una lectura instantánea adecuada. También se observa que el patrón de comportamiento es diferente para cada motor (consumo en vacío), lo cual dificulta la posibilidad de establecer un valor umbral para determinar si la posición de la muela está presionando la pieza o no. Por ello, se monitoriza y computa el estado promedio de funcionamiento del motor. El software de adquisición se ha desarrollado en lenguaje LabView®, cumpliendo las siguientes características: análisis secuencial de cada motor durante varios segundos, obteniéndose 250 valores eficaces (RMS) de corriente; filtrado de los valores discriminando entre los de carga y los de vacío; cálculo de la media aritmética (para carga y vacío); almacenamiento de los datos; representación numérica y gráfica de los valores de consumo eficaz promedio para cada uno de los motores (interfase Figura 2c); comunicación con el sistema de control para facilitar los datos adquiridos.

3. Caracterización del proceso El proceso se caracteriza a partir del estudio del comportamiento que deberían tener las muelas en función de sus características y de su posición en el módulo. Posteriormente se contrasta dicho estudio con los datos reales adquiridos en condiciones de producción.

3.1 Estudio teórico del comportamiento de las muelas en el módulo de rectificado Las muelas tienen características diferentes (tipo y tamaño del grano) dependiendo de su posición en el módulo (aunque las de cada pareja son idénticas), y su función depende a su vez de la posición. Siguiendo la disposición mostrada en la Figura 1: las muelas 1 y 2 son calibradoras y funcionan a la par; de la 3 a la 12 eliminan la misma cantidad de material de forma basta; y de la 13 a la 16 eliminan todas la misma cantidad de material pero rectifican unas décimas menos de material que el resto para afinar el acabado. El comportamiento descrito debe cumplirse siempre y cuando la pieza entre al módulo de rectificado en condiciones normales (piezas con geometría aceptablemente semejante a la entrada).

Situación normal de trabajo

Muela apretada

Muela desgastada

Muela mal reglada

Figura 3. Posibles patrones de comportamiento de las muelas en el módulo. Con dichas pautas se pueden perfilar algunos de los patrones de comportamiento de las muelas (Figura 3): Si una muela está más apretada de lo deseado (mayor consumo), su pareja consumirá también algo más y la contigua a ella tendrá un consumo bajo, puesto que la anterior ya ha rectificado su parte; si una muela está desgastada (menor consumo), su pareja también consumirá algo menos y la contigua a ella tendrá que rectificar el doble de material, elevándose su consumo unos puntos por encima de lo

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

deseado y afectando a su vez a su pareja con un incremento; y si una muela está mal posicionada y no aprieta la pieza lo suficiente (menor consumo), su pareja también consumirá algo menos y la contigua a ella tendrá que rectificar mayor cantidad de material, elevándose su consumo unos puntos por encima de lo deseado y afectando a su vez a su pareja con un incremento. Estos dos últimos casos son parecidos y es muy importante diferenciar entre el caso de muela desgatada y el caso de no estar bien ajustada. 3.2 Estudio de los datos registrados en condiciones de producción En el análisis de los datos adquiridos se pueden observar los comportamientos teóricos descritos anteriormente en diferentes muelas. En la Figura 4a se muestran el comportamiento de una muela apretada (M12), afectando a su pareja (M11) y a sus contiguas (M14 y apenas a M13). En la primera zona de gráfica la muela tiene un consumo muy elevado y, tras su ajuste, en la segunda zona se reduce su consumo, reduciéndose asimismo el de su pareja M11 y aumentando el de la contigua M14. Por otro lado, también se puede apreciar el caso contrario correspondiente al comportamiento de una muela mal reglada (M16), afectando a su pareja (M15) que también consume menos, y no afectando a ninguna más pues ellas son el último par. En la primera zona de gráfica la muela tiene un consumo muy bajo y, tras su ajuste, en la segunda zona se aumenta su consumo, a la vez que también aumenta el de su pareja M15. En la Figura 4b se muestra el comportamiento de una muela en proceso de desgaste (M06), de forma que afecta a su pareja (M05) y a sus contiguas (M08 y algo a la pareja de ésta M07). En la primera zona del gráfico la muela está en proceso de desgaste y tras ser apretada vuelve al poco tiempo a estar desajustada; en la segunda zona la muela está totalmente desgastada, reaccionando al ajuste de forma negativa en un muy breve instante de tiempo. Itrab (A) 10,5

Itrab (A) 11,0

Zona 1

Ajuste M12

Zona 2

9,5

10,0

Zona 1

Zona 2

M08 8,5

9,0

7,5 8,0

M11

M15

M14

7,0

M07

6,5

Ajuste M16

Ajuste M06

5,5

Temp (seg)

6,0 42000

44000 M10 M14

46000

48000

M11

M12

M15

M16

a)

M13

M05

Ajuste M06 4,5 43500

44500

Temp (seg)

45500

M03

M04

M07

M08

46500

47500

48500

M05

M06

M09

M10

b)

Figura 4. Datos adquiridos durante el estudio comportamiento del módulo. Casos (a) de muela apretada y de muela falta de apriete, y caso (b) de muela desgastada. Además, en el estudio se observan otros comportamientos que no se han tenido en cuenta en el estudio teórico, como que la regulación del sistema (reglaje y ajuste de los motores para un determinado lote de producción) es muy variable y no parece seguir una pauta lógica, y que una modificación del punto de trabajo de uno de los motores afecta al punto de funcionamiento de los motores que se encuentran a su alrededor (Figura 5).

Figura 5. Muestra de cómo la modificación del ajuste de una muela afecta al resto del módulo. Por tanto, el control de la línea requiere del diseño de un sistema de control donde puedan detectarse y reflejarse las pautas de comportamiento reconocidas en este estudio.

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

4. Sistema de control del proceso El sistema de control diseñado se comunica con el sistema de monitorización para conocer los valores de consumos de las diferentes muelas y, a partir de ellos, decidir e indicar si las muelas requieren de un ajuste. El nivel de ajuste se determina en función de la información que proporciona el controlador, en donde se han implementado las pautas de comportamiento detectadas en el módulo de rectificado. La aplicación software diseñada en Matlab® consta de una interfase gráfica de usuario (Figura 2a) donde se muestran las muelas que requieren de un ajuste y la evolución del estudio, y de una serie de módulos de cálculo programados con la finalidad de poder conocer, estudiar y controlar el punto de funcionamiento de las muelas de rectificado. En la Tabla 1 se realiza una explicación de los mismos. Tabla 1. Módulos de cálculo programadas para el sistema de control de las muelas de rectificado. Módulo Definición de la Intensidad Objetivo

Función y cálculos realizados Cálculo de la TAM (en función del espesor, las creces eliminadas y la velocidad de avance de las piezas rectificadas) y de la intensidad objetivo que deben consumir las muelas del módulo.

Carga de los datos adquiridos de cada motor (trabajo en carga: Intercambio de datos intensidad y tiempo; trabajo en vacío: intensidad y tiempo; hora y fecha) por orden de almacenamiento. Estimación inicial de la situación de trabajo de cada motor y del Adquisición inicial de módulo en general, evaluando la probabilidad de estado (PE) de cada datos de consumo una de las muelas. Situación de trabajo: Estudio de la situación de trabajo de la muela para conocer si está Discriminación entre trabajando en carga, en carga pero con consumo bajo o en vacío, trabajo en carga y hecho que marca las pautas para proceder con el control del sistema. vacío de la muela Calculo del error de consumo (Ec) de la muela estudiada, y filtrado Cálculo previo y filtrado de datos de del valor mediante un filtro paso bajo discreto. error de consumo Cálculo mediante lógica difusa de la PE de la muela estudiada y filtrado

Calculo de la PE de la muela estudiada; las variables de entrada a la función difusa son el Ec de la muela estudiada y la PE de la muela anterior, y la variable de salida la PE. Filtrado de PE mediante un filtro paso bajo discreto. El controlador difuso implementado se explica en detalle en el subapartado 4.1.

Propuesta y realización de la acción de control

Propuesta de la acción correctora si PE de la muela estudiada es mayor que |0.1|. Dos tipos de acciones correctoras: aflojar o apretarla muela estudiada. Una PE positiva indica que debe realizarse una acción para aflojar la muela, mientras que una PE negativa indica una acción para apretar la muela.

Por tanto, la operativa del sistema implementado para el control del punto de funcionamiento de las muelas es la siguiente: el sistema de monitorización transfiere los valores RMS promedio del consumo en carga y vacío de cada motor por orden de adquisición; a partir de dichos valores el sistema de control estudia el estado de cada motor por separado; según el punto de funcionamiento de cada motor y el de los adyacentes, mediante un controlador difuso, decide si es necesario realizar un ajuste de la muela; si es necesario el ajuste se envían y visualizan indicaciones sobre qué muelas y cómo deben ajustarse.

4.1 Controlador difuso El controlador implementado se basa en lógica difusa puesto que permite traducir las reglas heurísticas del conocimiento de reglaje del proceso en un algoritmo numérico que indica el estado del funcionamiento de las muelas y, por otro lado, no requiere de un modelo matemático para la implementación del controlador. Esta ausencia de la necesidad de un modelo casa perfectamente con la dificultad de obtener un buen modelo del proceso de rectificado que se señala en la literatura [1].

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

Por tanto, se han implementado diferentes funciones difusas para controlar las muelas, pues la posición de las muelas en el módulo y sus características afectan al estado de funcionamiento. De forma general como entrada a la función difusa se requiere el Ec de la muela estudiada y, dependiendo de la posición/característica de la muela, la PE de la muela anterior o de la pareja y el calibre de las piezas rectificadas. La variable de salida de la función difusa es el estado en el que se encuentra la muela estudiada. En este apartado se expone el control diseñado para las muelas intermedias del módulo. La característica principal de un controlador de lógica difusa son las reglas lingüísticas establecidas a partir de la experiencia humana. Estas reglas difusas son transformadas en un tipo de control del pensamiento humano de acuerdo con la lógica difusa, utilizando operaciones de conjuntos difusos. Zadeh [13] introdujo la teoría de conjuntos difusos, definiendo que la estructura para el diseño de un controlador difuso comprende la definición de las variables difusas de entrada/salida, la toma de decisiones relacionadas con las reglas difusas, la lógica de inferencia difusa, y la desborrosificación. Controlador difuso Conocimiento difuso (reglas y operadores)

r(k)

Ec(k)

+

-

Borrosificación

Pant(k)

Mecanismo de inferencia

Desborrosificación

u(k)

Módulo rectificado

y(k)

Figura 6.Estructura del controlador difuso del módulo de rectificado. La Figura 6 presenta la estructura de control difuso para el módulo de rectificado. La variable del sistema de control se define como el error a la salida (e), que es la diferencia entre la intensidad objetivo (o deseada) para las muelas (r) y la intensidad consumida realmente (y), teniendo en cuenta que los motores tienen un determinado consumo en vacío. A su vez, las variables de entrada a la función difusa son el Ec y la PE de la muela anterior. Para las variables de entrada y para la de salida (PE muela estudiada) se han definido funciones de pertenencia triangulares, representadas en la Figura 7b, que son empleadas para transformar las variables de entrada y salida en variables de control lingüísticas. Las reglas difusas utilizadas para la evaluación de la situación se describen como: Ri: Si1 Z1 es Ai1 y Z2 es Ai2 ... Zn es Ain entonces Y es Ci, donde Z1, Z2, …,Zn e Y son las variables difusas. Ai1, Ai2, ..., Ain y Ci son valores lingüísticos de los valores difusos que expresan a los conjuntos difusos. La Tabla 2 presenta las reglas de control difuso empleadas para controlar el módulo de rectificado, donde para Ec se pueden tener 5 estados: muy bajo (); y para la PE también 5 estados: muy floja (). Tabla 2. Combinaciones de la probabilidad de estado de la muela según el error de consumo y la probabilidad de estado de la muela anterior a la estudiada PE anter Error cons.

PE_ant


Ec
> (MA)

Ec >>

PE = 0 (C)

PE > (A)

PE >> (MA)

PE >> (MA)

PE >> (MA)

En la Figura 7a puede observarse el rango de valores que puede tomar la variable de salida PE en función de las variables de entrada a la función difusa. El modelo que utiliza el mecanismo de inferencia empleado es el Mamdami. Así, el operador lógico AND es el máximo y el operador lógico OR es el mínimo, el método de implicación es el mínimo y el método de agregación es el máximo. Finalmente, para la desborrosificación el método empleado es el del centroide. Todo el sistema de control difuso se ha implementado utilizando el Toolbox de lógica difusa de Matlab®.

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

a)

E
>

0.3 0.5 Panterior

Pest Pest >

-0.5 -0.3

0

0.3 0.5 Pestado

Figura 7.Rango de valores de la variable de salida PE según valores de entrada a la función difusa.

5. Resultados experimentales Tras programar el sistema de control de acuerdo a lo anteriormente expuesto, se procedió a su implantación en una línea industrial para experimentar con él, ajustando los diferentes parámetros de programación. Tras varias pruebas y ajustes, se logró que su comportamiento fuese el esperado. Como muestra de ello, en la Figura 8 se observa la evolución del proceso de ajuste de un experimento realizado sobre las muelas intermedias del módulo, las cuales requieren el mismo punto de trabajo, utilizando el sistema de monitorización y control diseñado, partiendo de un estado desequilibrado y finalizando de forma quasi-ajustada. El programa realiza las acciones necesarias para ajustar el consumo de todas las muelas alrededor de la intensidad objetivo de 8.5 A estimada para el rectificado. En el gráfico superior de la Figura 8 se diferencian 3 zonas claras de ajuste detectadas y propuestas por el control y realizadas manualmente por un operario: un primer ajuste rudimentario a partir del segundo 40850, un segundo ajuste intermedio para reconducir a los valores deseados poco antes del instante 42850, y un ajuste refinado final poco después del segundo 43350. Los valores de las acciones de ajuste y la muela/motor sobre el que se actúa se representa en el gráfico inferior de la figura. Itrab (A)

Consumo eficaz promedio muelas intermedias

11

M07

M05

M10

M12

10 9

8 7

M08

M03

M09

6 40850

41350 M03

41850 M04

M04

M06

42350

42850

M05

Ajuste (Pto) 3

M11 43350

M06

43850

M07

44350

M08

44850

M09

M10

45350 M11

45850 Tem p (seg) M12

Ajustes realizados sobre las muelas intermedias

2 1

M11

M09

M04

0 -1

-2

M10

-3 40850

M07

41350

M05 41850 M03

M06

42350 M04

M05

M04 M12 M10

M07

42850 M06

M03

M08 M07

M07

43350 M08

43850 M10

M11

44350 M12

44850

45350

45850 Temp (seg)

M09

Figura 8.Proceso de ajuste del módulo: evolución de los consumos y acciones de ajuste realizadas. En la primera zona de ajuste, tras el estudio de los consumos de las muelas, el programa propone un ajuste generalista de las muelas 10 y 11 (la 10 se afloja 0.5 puntos y la 11 se aprieta 0.5 puntos) para dirigir su consumo hacia el deseado. Sobre el instante 41000 la muela 7 se afloja 1 punto. Se observa que el ajuste de las muelas 7 y 10 produce un ligero aumento en el consumo de las muelas 9 y 12.

Proceedings of the 5thManufacturing Engineering Society International Conference – Zaragoza – June 2013

Tras la estabilización de los consumos, el control recomienda el ajuste de las muelas 4, 5, 6, 7, 8 y 9, para localizar sus consumos dentro de un rango aceptable. Sobre el instante 43000 la muela 4 se aprieta 0.5 puntos, la 5 y la 6 se aflojan 1 punto cada una, la 7 y la 8 se aflojan 0.5 puntos cada una, y la muela 9 se aprieta 1 punto. El consumo del resto de muelas intermedias se ve afectado por los ajustes anteriores, de forma que el consumo de la muela 10 aumenta de forma notable, el de la 11 disminuye apreciablemente y el de la 12 baja ligeramente. Finalmente, en la zona de ajuste refinado, el de control determina el ajuste de las muelas 3, 4, 7, 10 y 12. A partir del instante 43500, las muelas 3 y 4 se aprietan 0.5 puntos, y las muelas 7, 10 y 12 se aflojan 2, 1.5 y 0.5 puntos respectivamente. Los ajustes de estas muelas casi no afectan las restantes.

6. Conclusiones Tal y como se ha mostrado, el sistema de monitorización y control del punto de funcionamiento de las muelas de rectificado ha funcionado correctamente, equilibrando la línea de forma eficaz al llevar al conjunto de muelas estudiadas hacia un punto de funcionamiento quasi-ajustado al requerido por el sistema. Con ello se ha conseguido reducir en general el consumo de energía eléctrica y de abrasivos, hecho que también contribuye a la reducción de los costes de operación. En futuros trabajos se plantea dotar de mayor flexibilidad al sistema diseñado, puesto que las reglas difusas no pueden modificarse una vez han sido implementadas. Para ello se plantea el diseño de un controlador difuso inteligente, con una base de datos y unas reglas difusas que serán continuamente modificadas de acuerdo a la estrategia de aprendizaje llevada a cabo por el sistema de control. Así, el controlador difuso aprenderá de cada situación controlada, y podrá adquirir conocimiento para ajustar las funciones difusas ante nuevas situaciones desconocidas.

7. Referencias [1] H.K. Tönshoff, T. Friemuth,J.C. Becker.Process Monitoring in Grinding. CIRP Annals-Manufacturing Technology,51.2 (2002), pp. 551–571. [2] J.F.G. Oliveira, E.J. Silva, C. Guo, F. Hashimoto.Industrial challenges in grinding. CIRP AnnalsManufacturing Technology, 58.2 (2009), pp. 663-680. [3] B. Karpuschewski, M. Wehmeier, I. Inasaki. Grinding monitoring system based on power and acoustic emission sensors. CIRP Annals-Manufacturing Technology,49.1 (2000), pp. 235-240. [4] E. S. Lee, J. D. Kim, N. H. Kim. Plunge grinding characteristics using the current signal of spindle motor.Journal of Materials Processing Technology, 132.1 (2003), pp. 58-66. [5] J. F. G. Oliveira,C. M. O. Valente. Fast grinding process control with AE modulated power signals. CIRP Annals-Manufacturing Technology,53.1 (2004), pp. 267-270. [6] T. M. A. Maksoud, M. R. Atia. Review of intelligent grinding and dressing operations. Machining Science and Technology, 8.2(2004), pp. 263-276. [7] W.König, Y. Altintas, F. Memis. Direct adaptive control of plunge grinding process using acoustic emission (AE) sensor. Intern. Journal of Machine Tools and Manufacture, 35.10 (1995), pp. 1445-1457. [8] W. Brian Rowe, Y. Chen, J. L. Moruzzi, B. Mills. A generic intelligent control system for grinding. Computer Integrated Manufacturing Systems, 10.3 (1997), pp. 231-241. [9] Y. M. Ali, L. C. Zhang. A fuzzy model for predicting burns in surface grinding of steel. International Journal of Machine Tools and Manufacture, 44.5 (2004), pp. 563-571. [10] Q. Liu, X. Chen, N. Gindy. Fuzzy pattern recognition of AE signals for grinding burn. International Journal of Machine Tools and Manufacture, 45.7 (2005), pp. 811-818. [11] A. K. Nandi, D. K. Pratihar. Automatic design of fuzzy logic controller using a genetic algorithm to predict power requirement and surface finish in grinding. Journal of materials processing technology, 148.3 (2004), pp. 288-300. [12] J. S. Kwak, M. K. Ha. Neural network approach for diagnosis of grinding operation by acoustic emission and power signals. Journal of Materials Processing Technology, 147.1 (2004), pp. 65-71. [13] L.A. Zadeh. Fuzzy sets. Information and Control, 8 (1965), pp. 338–353.