Simple Solutions That Work! Issue 16

92 su robustez sería especificar uno o más predictores de porosidad como restricciones y luego elegir maximizar el rendimiento del proceso. Esto permite que el sistema identifique los diseños que entregan una buena pieza y entre ellos seleccione el que maximiza el rendimiento del material. CASO DE ESTUDIO DE OPTIMIZACIÓN Aquí un ejemplo breve para mostrar cómo se aplicó la optimización en la fundición. La pieza fundida se hacía de manera exitosa. Es decir, se producía una pieza robusta. El objetivo era maximizar el rendimiento de la pieza reduciendo el tamaño del montante Figura 1. Flujo del Proceso de Optimización y a la vez manteniendo la calidad. La Figura 2 muestra la predicción de porosidad de la pieza con el montante original. Las variables elegidas para optimizar fueron la altura y el diámetro del montante. Como eran 8 piezas por molde con un montante cada una, los montantes se vincularon para la optimización. La Figura 3 muestra dos de los montantes seleccionados. La altura y el diámetro se escalaron, de modo que el montante y el contacto expandirían y/o contraerían durante las corridas de optimización. Se eligió una sola restricción: macroporosidad. La pieza necesitaba estar libre de contracciones para considerarse buena. La baja de densidad en cualquier parte de la pieza sería causa de rechazo. La función objetivo para optimizar era maximizar el rendimiento de la pieza. Como el tamaño de la pieza no cambiaría, esto quiere decir que se debería reducir el tamaño del montante para maximizar el rendimiento. Una vez que comienza la corrida de optimización, el proceso completo es automático. En este ejemplo, se necesitaron 26 simulaciones para lograr el resultado óptimo. El tiempo total de simulación fue de menos de 2 horas. La Figura 4 muestra la progresión del rendimiento del proceso durante las simulaciones. El diseño original del montante daba un rendimiento