Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Autor
Directora
2020
2
RESUMEN
En este TFG se van implementar dos procedimientos dirigidos a la mejora del
comportamiento mecánico de un sistema. El primero, basado en diseño de
experimentos, se denomina metodología de superficie respuesta y es un método
estadístico. El segundo, es un algoritmo bioinspirado, denominado algoritmo de
enjambre de partículas y es una técnica heurística de optimización.
En un conjunto mecánico se pueden identificar una colección de parámetros de diseño
que influyen en su comportamiento bajo diferentes criterios como la vida útil, la calidad
de ejecución o las fuerzas aplicadas, entre otros. Los dos procedimientos anteriores
persiguen la mejora u optimización de alguno de esos criterios. Dado que el interés del
trabajo se centra en la comprensión y aplicación de ambos procedimientos, se ha
elegido un sistema mecánico sencillo, una máquina de coser doméstica.
El primer paso, previo a la aplicación de cualquiera de los procedimientos, consiste en
la revisión de la literatura sobre la máquina de coser. Es preciso estudiar el
funcionamiento de estas máquinas, los mecanismos que la componen, los principales
parámetros de diseño y los inconvenientes mecánicos más relevantes. Tras esta
revisión se ha elegido el mecanismo de arremetida de material porque es el mecanismo
que más fuerzas y momentos genera, así como el que provoca un mayor consumo
eléctrico. Con la información recogida se persigue determinar la variable respuesta que
va a permitir medir la mejora del sistema y los factores de diseño, cuyo valor puede
influir en dicha variable respuesta y habrá que determinar. Tras el análisis se decide
añadir al mecanismo de arremetida un grupo muelle-amortiguador. Este grupo se
caracteriza por su capacidad de disminuir vibraciones y esfuerzos no deseados. Por
ello, los procedimientos de mejora van a considerar el valor de las constantes del muelle
y del amortiguador como factores de diseño cuyo valor hay que elegir para obtener la
reducción o minimización de las vibraciones y fuerzas.
El segundo paso consiste en modelar matemáticamente el mecanismo de arremetida
de material con el grupo-muelle amortiguador. Al ser un mecanismo sencillo el valor de
las fuerzas y momentos se ha podido evaluar de forma exacta mediante la resolución
de las ecuaciones de la dinámica y de la cinemática. Los resultados obtenidos se han
comparado con resultados de la literatura para validar el modelo. El hecho de poder
evaluar las variables respuesta en poco tiempo computacional ha facilitado la validación
de los resultados obtenidos y muestra el potencial de los procedimientos implementados
cuando la evaluación de las medidas de rendimiento sea más costosa.
El tercer paso consiste en la implementación de la metodología de superficie respuesta
y el algoritmo de enjambre de partículas para la optimización de forma individual del par
motor, las fuerzas en la dirección -x, -z en el punto de unión del brazo con el motor y la
fuerza en la deslizadera, los puntos en contacto con la carcasa y que por lo tanto
producen vibraciones. Los dos procedimientos proporcionan los mismos valores de las
constantes del muelle y amortiguador para minimizar las variables respuesta en el rango
fijado.
Finalmente, dado que ninguna selección de los valores de las constantes de muelle y
amortiguador minimizan simultáneamente todas las variables respuestas, se ha
realizado un análisis de optimización multiobjetivo, calculando una solución eficiente.
3
CONTENIDO
1. Introducción ...................................................................................................................... 5
1.1. Metodología de la Superficie Respuesta ........................................................................ 5
1.2. Algoritmos de enjambre de partículas ........................................................................... 6
2. Sistema mecánico: la máquina de coser ............................................................................ 8
2.1. Estructura y mecanismo ................................................................................................ 8
2.2. Estudio de la literatura sobre variables de diseño y medidas de rendimiento............... 10
3. Selección de factores y variable respuesta ....................................................................... 13
3.1. Ecuaciones de la cinemática ........................................................................................ 14
3.2 Ecuaciones de la dinámica ........................................................................................... 15
3.2. Resolución de las ecuaciones cinemáticas ................................................................... 18
3.3. Resolución de las ecuaciones de la dinámica ............................................................... 22
4. Metodología de superficie respuesta............................................................................... 27
4.1. Selección de factores de entrada y variables respuesta ............................................... 27
4.2. Ajuste del modelo de superficie respuesta .................................................................. 28
4.2.1. Par motor ................................................................................................................ 29
4.2.2. Rango de Fox ........................................................................................................... 34
4.2.3. Rango de FoZ ........................................................................................................... 35
4.2.4. Rango de FG3 .......................................................................................................... 37
4.3. Tratamiento multiobjetivo del problema ..................................................................... 39
4.4. Conclusiones ............................................................................................................... 51
5. Algoritmos bioinspirados ................................................................................................. 53
5.1. Esquema de un algoritmo de enjambre de partículas .................................................. 53
5.2. Algoritmo aplicado al sistema mecánico ...................................................................... 55
6. Conclusión ...................................................................................................................... 62
Bibliografía ............................................................................................................................. 64
Anexo 1: Códigos en R ............................................................................................................. 66
Anexo 1.1 Código utilizado para la resolución de las ecuaciones de la cinemática en R. ....... 66
Anexo 1.2: Código de la interpolación de la fuerza de penetración ...................................... 70
Anexo 1.3Código para el cálculo de la fuerza del muelle y del amortiguador ....................... 71
Anexo 1.4: Código para la resolución de las ecuaciones de la dinámica ............................... 72
Anexo 1.5: Código de la función de cálculo de rango de cada variable ................................. 74
Anexo 1.6: Código de la función utilizada en el análisis multiobjetivo del algoritmo PSO ..... 76
Anexo 2: RSM ......................................................................................................................... 78
Anexo 2.1: Datos utilizados para el RSM .............................................................................. 78
4
1. INTRODUCCIÓN
El objetivo de este trabajo es el uso de dos procedimientos de optimización aplicados a
un sistema mecánico. El primero basado en el diseño de experimentos se denomina
metodología de la superficie respuesta (RSM), del inglés, Research Methodology
Surface. El segundo procedimiento, se basa en un algoritmo bioinspirado, en particular
el conocido como algoritmo de enjambre de partículas (PSO), del inglés, Particle Swarm
Algorithm. Estos procedimientos se utilizan en la mejora y optimización de procesos
cuyo comportamiento depende de múltiples factores de diseño. Ambos métodos son
muy utilizados en la actualidad en multitud de ramas de la industria y la tecnología. Por
ejemplo, se emplean tanto para incrementar el ahorro energético de una planta de
producción como para reducir los costes medioambientales y de transporte en rutas de
vehículos.
Aunque los dos métodos son de naturaleza bien diferente, en ambos casos se precisa
determinar los criterios o variables respuesta que describen el comportamiento del
sistema y cuya comparación establecerá la dirección de mejora.
En el caso de la metodología de la superficie respuesta se utilizan técnicas estadísticas
para ajustar un modelo que represente lo mejor posible el valor de una variable
respuesta de interés a partir de valores de la variable evaluados en un conjunto discreto
de valores de los factores fijado de forma adecuada por el diseño. Además, el
procedimiento permite cuantificar el efecto y valorar la significación de cada uno de los
factores de diseño en el valor de la variable respuesta.
Los algoritmos bioinspirados determinan el procedimiento de búsqueda de los valores
óptimos de los factores de diseño en la región de factibilidad o conjunto de valores
posibles de los mismos. Estos procedimientos son estocásticos y, habitualmente, se
componen de dos fases. Una fase de exploración que permite recorrer toda la región y
escapar de óptimos locales. Y una fase de explotación, que una vez elegida una zona
de la región de factibilidad se realiza una búsqueda intensiva para localizar posibles
óptimos locales.
Con el objetivo de ilustrar ambos procedimientos de optimización se va a elegir un
sistema mecánico sencillo, como es el mecanismo de arremetida de material de una
máquina de coser.
criterio de parada suele ser que el mejor óptimo hallado no se haya modificado en un
numero de iteraciones dado.
Una vez finalizado el proceso el programa implementado nos devuelve el valor de este
óptimo y el número de iteraciones en el que se ha encontrado.
El método comienza evaluando el valor de la variable respuesta la posición inicial de
cada partícula. A cada partícula se le asigna una velocidad inicial aleatoria y una
dirección de búsqueda. En las sucesivas iteraciones se asigna una nueva velocidad y
dirección a la partícula con el fin de definir la siguiente posición de la partícula. Esta
posición determina el nuevo valor asociado de la variable respuesta para la partícula.
Es importante destacar que tanto la asignación de la velocidad y de la dirección tienen
un componente aleatorio con la intención de evitar el estancamiento en mínimos locales.
(Darwish, 2018).
8
2.1.ESTRUCTURA Y MECANISMO
La estructura de la máquina de coser se compone de cuatro mecanismos principales,
mecanismo de alimentación del hilo, de toma de hilos, de gancho rotativo y de
arremetida del material. Todos estos mecanismos encajan perfectamente en un ciclo
continuo de trabajo, a no ser que el hilo se rompa o se produzca algún otro tipo de
inconveniente. (Yang & Liu, 2013)
Figura 1. Estructura de los mecanismos de una máquina de coser. (Yang & Liu, 2013)
Conviene puntualizar que la tensión del hilo es controlada por medio del disco de
tensión. Para una correcta funcionalidad de este mecanismo de la máquina de coser
hay que tener presente que la tensión óptima depende de varios parámetros de
utilización, como del tipo de tela y tipo de costura, entre otros (Mellero & Biegas, 2017).
El mecanismo del disco de tensión consiste en dos discos que aplican presión sobre el
hilo, permitiendo así un control de la tensión.
El gancho rotativo es el mecanismo mediante el cual se realiza el entrelazamiento de la
tela para realizar el nudo de la costura. Cuando la aguja con el hilo enhebrado penetra
completamente la tela, el gancho rotatorio captura este hilo y procede a entrelazarlo con
su hilo, consiguiéndose así un punto de la costura. Una vez realizado lo anterior, tanto
la aguja como el gancho vuelven a su posición inicial, repitiéndose el proceso hasta que
se termina la costura (figura 3).
Es importante resaltar que las calidades de los ajustes entre brazos tienen gran
influencia en la cantidad de vibraciones que sufre la máquina de coser, de manera que
cuanto mayor holgura tengan las piezas o los brazos entre sí, mayores serán las
vibraciones que se produzcan. Consecuencia de lo anterior es la necesidad de mantener
las denominadas tolerancias de fabricación dentro de unos límites que sean
considerados aceptables, a lo que se añade la necesidad de que las uniones sean de
una calidad mínima necesaria con el objetivo de aprovechar al máximo la vida útil de la
máquina a la que en este trabajo se alude. (Erkaya, 2012).
13
Un aumento de la
A mayor velocidad mayor
velocidad
A mayor velocidad más temperatura de la aguja lo
Velocidad provoca un
temperatura de la aguja que limita la tensión
mayor número de
máxima del hilo
vibraciones
3.1.ECUACIONES DE LA CINEMÁTICA
Para realizar este apartado es imprescindible definir los parámetros del movimiento:
Posición:
Entrada: θ
Salida: φ, s
Una vez se ha identificado las variables de entrada y salida, se procede a buscar las
ecuaciones que las relacionan, que serían las siguientes:
eje x → 𝑟𝑠𝑒𝑛𝜃 — 𝑙𝑠𝑒𝑛𝜑 = 0
eje z → rco𝑠𝜃 + 𝑙𝑐𝑜𝑠𝜑 = 𝑠
De las ecuaciones anteriores obtenemos la siguiente relación:
𝑟
𝜑 = 𝑠𝑒𝑛−1 ( 𝑠𝑒𝑛(θ))
𝑙
Velocidad
Entrada: θ̇
Salida: φ̇,𝑠̇
15
𝑟θ̇𝑐𝑜𝑠θ − lφ̇𝑐𝑜𝑠φ = 0
−𝑟θ̇𝑠𝑒𝑛θ − lφ̇𝑠𝑒𝑛φ = 𝑠̇
Entrada: 𝜃̈
Salida: φ̈, 𝑠̈
Si se derivan las ecuaciones que definían la velocidad obtenemos las siguientes
ecuaciones con las que se pueden obtener las aceleraciones en cada punto de interés:
Aceleración absoluta de A:
𝑎𝐴𝑥
𝑎𝑏𝑠 (A) = ( 𝑎 ) = 𝑟𝜃̈ ( 𝑐𝑜𝑠θ ) − r𝜃̇ 2 (𝑠𝑒𝑛θ)
𝐴𝑧 −𝑠𝑒𝑛θ 𝑐𝑜𝑠θ
Barra OA:
𝑙1 𝑚2 𝑔𝑠𝑒𝑛φ + 𝑙 (𝐹𝐵𝑥 𝑐𝑜𝑠φ + 𝐹𝐵𝑧 𝑠𝑒𝑛φ) − 𝑙1 𝑚2 (𝑎𝐴𝑥 𝑐𝑜𝑠φ + 𝑎𝐴𝑧 𝑠𝑒𝑛φ) = −𝐼𝐴𝑦 𝜑̈
17
Deslizadera:
Para realizar este análisis de una manera más sencilla sin perder apenas precisión, las
fuerzas de rozamiento han sido consideradas como nulas. Esta simplificación se
fundamenta en que el orden de las fuerzas de rozamiento en la deslizadera es muy
inferior al orden de FG3 y a la fuerza de penetración. Además de esta consideración,
hay que tener en cuenta que es en este punto donde, tanto las fuerzas producidas por
el grupo muelle-amortiguador como la fuerza de penetración actúan, por lo que las
tendremos que introducir en las ecuaciones junto al resto de fuerzas que se encuentran
en este sistema.
−FBx + FG3 = 0
−𝐹𝐵𝑧 − 𝐹𝐾 + 𝐹𝐶 + 𝑚3 𝑔 − 𝐹𝑝 = 𝑚3 𝑎𝐺3
−𝐹𝐵𝑥 ℎ − 𝑀𝐺3𝑦 = 0
Con todas estas ecuaciones, se puede obtener un sistema de 9 ecuaciones, incógnitas:
Γ, FOx, FOz, FAx, FAz, FBx, FBz, FG3, MG3:
Las ecuaciones planteadas son las que se van a utilizar para realizar el cálculo de las
fuerzas y momentos.
18
El momento de inercia del brazo 2 ha sido calculado con la hipótesis de que este brazo
es una barra delgada que gira sobre un extremo por lo que su momento de inercia es el
siguiente:
1 1
𝐼𝐴𝑦 = ∗ 𝑚 ∗ 𝑙 2 = ∗ 0.01176 ∗ 0.0482 = 9.03 ∗ 10−5 𝑘𝑔 ∗ 𝑚 2
3 3
La velocidad de costura ha sido elegida una velocidad estándar de una máquina de
coser actual.
Velocidad de costura: 1000 rpm.
Este sistema tiene un solo grado de libertad (𝜃) es por esto que conociendo el valor de
este parámetro, será posible obtener el valor del resto de valores de las variables del
sistema utilizando las ecuaciones presentadas anteriormente.
Para definir el valor de 𝜃 se ha definido primero una velocidad angular nominal de
104.7rad/s, o lo que es lo mismo, 1000rpm velocidad que será alcanzada a los 0.5s de
simulación, ya que la aceleración angular ha sido establecida en 294rad/s2.
El hecho de que la aceleración angular sea constante es una hipótesis que simplifica
enormemente el cálculo de los valores de 𝜃. Aunque esta hipótesis se acerque a la
realidad razonadamente, el hecho de que no sea suficientemente exacta no va a influir
en los cálculos de fuerzas y momentos, ya que estos cálculos se realizarán suponiendo
que la máquina está en funcionamiento a velocidad angular constante.
Para resolver las ecuaciones se ha tenido que definir un 𝜃0 , para determinar la posición
de partida de la aguja. Se ha escogido un 𝜃0 sea 180º, lo que implica que la aguja está
19
en su posición más elevada, como es lógico para que sea posible colocar la tela en la
posición adecuada y comenzar la costura correctamente.
En la gráfica 10 representa la velocidad angular en función del tiempo, esta velocidad
angular es la que ha sido utilizada para la resolución de las ecuaciones.
Las gráficas representadas a continuación son los resultados obtenidos al resolver las
ecuaciones de la cinemática. Las gráficas de la izquierda se corresponden a la
representación completa de todo el modelo matemático. Las gráficas de la derecha se
corresponden a la parte que será usada posteriormente para la resolución de las
ecuaciones de la dinámica, ya que este sistema de ecuaciones va a ser resuelto en
régimen continuo de trabajo.
Posición de la aguja
20
Velocidad de la aguja
Figura 12. Velocidad de la aguja tiempo Figura 13. Velocidad de la aguja tiempo de
completo. calculo de la dinámica
Aceleración de la aguja
Figura 14. Aceleración de la aguja tiempo Figura 15. Aceleración de la aguja tiempo de
completo. calculo de la dinámica.
Figura 16. Posición de la aguja (Yang & Liu, 2013) Figura 17. Posición de la aguja calculada.
Figura 18. Velocidad de la aguja (Yang & Liu, 2013) Figura 19. Velocidad de la aguja calculada.
Figura 20. Aceleración de la aguja (Yang & Liu, 2013) Figura 21. Aceleración de la aguja calculada.
22
Figura 22. Fuerza ejercida por el grupo muelle- Figura 23. Fuerza ejercida por el grupo muelle-
amortiguador para k=1200(N/m) y c=5(N*s/m) amortiguadro para k=1200(N/m) y c=15(N*s/m)
Antes de resolver las ecuaciones de la dinámica, hay que tener en cuenta la fuerza de
penetración de la aguja ya que esta fuerza va a tener que ser ejercida por el sistema
mecánico tratado. La forma de onda de esta fuerza en función del momento del ciclo en
el que se encuentre está representada en la figura 25, además del tipo de tela y aguja.
Se ha decidido utilizar para este caso el tipo de tela que se ha utilizado en la referencia
(Carvalho & Rocha, 2008) de la cual se han obtenido los valores para dicha fuerza de
penetración, ya que, estos valores son coherentes con los que aparecerían en una
máquina de coser doméstica trabajando con una tela delgada.
En la figura 25 puede observarse la existencia de tres fases:
- La primera fase comienza cuando la punta contacta con la tela, produciéndose
aquí el primer pico de tensión.
- En la segunda fase la aguja atraviesa la tela, momento en el que tiene lugar el
segundo pico de tensión, siendo este el mayor de los tres.
- En la tercera y última fase se produce la vuelta de la aguja a la posición inicial para
volver a repetir el ciclo, produciéndose en esta fase una fuerza de penetración
negativa a consecuencia de estar la aguja penetrando la tela en sentido contrario
a las dos primeras fases.
(Carvalho & Rocha, 2008). Para simular la fuerza de penetración, se ha realizado una
interpolación lineal de los picos más significativos que posee la forma de onda de esta
variable (ver anexo 1.2), siendo estos obtenidos de la figura 25. Como se puede
observar en las figuras 24 y 25, estos picos coinciden. La fuerza máxima de penetración
se observa para 4.6 radianes (264º) en la figura 24 y 720º para la figura 25. La diferencia
de los grados a los que se producen los picos se debe a que en el artículo del cual se
ha obtenido la forma de onda de la fuerza de penetración ha escogido un sistema de
referencia de 𝜃 distinto al que se ha escogido en este trabajo.
24
Figura 26. Par motor calculado para K = 0(N/m) Figura 27. Par motor calculado para para K = 800(N/m)
C = 0(N*m/s) C = 5(N*m/s)
25
Figura 28. Fox calculado para K = 0(N/m) Figura 29. Fox calculado para para K = 800(N/m)
C = 0(N*m/s) C = 5(N*m/s)
Figura 30. Foz calculado para K = 0(N/m) Figura 31. FOz calculado para para K = 800(N/m)
C = 0(N*m/s) C = 5(N*m/s)
Figura 32. FG3 calculado para K = 0(N/m) Figura 33. FG3 calculado para para K = 800(N/m)
C = 0(N*m/s) C = 5(N*m/s)
26
En dicha tabla llama la atención que las medidas de MG3 y FG3 son exactamente
iguales pero divididas por un factor de 1000, esto se explica mediante las ecuaciones
que relacionan estas dos variables.
−FBx + FG3 = 0
−𝐹𝐵𝑥 ℎ − 𝑀𝐺3𝑦 = 0
Al estar estas dos variables relacionadas entre sí simplemente por un factor que las
multiplica, no será necesario estudiar las dos variables por separado, con el estudio de
solo una de ellas se obtendrá la información que nos proporcionará los datos para la
otra variable. En el análisis se va a considerar FG3.
La variable respuesta elegida ha de representar la cantidad de vibraciones que
ocasionan estas fuerzas y momentos. Las vibraciones aparecen por un cambio de
sentido de la fuerza o momento en un corto espacio de tiempo y cuanto mayor sean
estas fuerzas o momentos y menor el espacio de tiempo, mayores serán las vibraciones
que sufrirá el sistema tratado.
Las tablas correspondientes a todas las combinaciones de K y C con las medidas
resumen de cada una de las variables se incluyen en el Anexo 2..1 En todas las
combinaciones de K y C, todas las fuerzas y momentos tienen sus máximos positivos y
sus mínimos negativos, por lo que el rango será una buena opción como variable
respuesta. Al tomar todas las fuerzas y momentos valores negativos y positivos, es
decir, valor en ambos sentidos, el rango expresará la magnitud del cambio de sentido
que ha sufrido la fuerza o momento estudiado.
0.8
0.6
0.4
0.2
-0.2
-0.4
-0.6
2,5 (Ns/m)
2,5 (Ns/m)
2,5 (Ns/m)
5
5
10
15
10
15
5
10
15
5
10
15
12,5
0 (Ns/m)
7,5
0 (Ns/m)
7,5
12,5
0 (Ns/m)
7,5
12,5
0 (Ns/m)
0 (N/m) 200 (N/m) 400 (N/m) 600 (N/m) 800 (N/m) 1000 (N/m) 1200 (N/m)
Rango Par motor (Nm) Mínimo Par motor (Nm) Máximo Par motor (Nm)
Figura 36. Variación del Rango, máximo y mínimo del par motor en función de K y C.
Como se puede ver en la figura 36, el aumento de la constante del amortiguador C hace
que el valor absoluto del máximo y mínimo aumenten, por lo que también aumenta el
rango. En cuanto a la influencia del muelle, se observa que un aumento de la constante
conlleva una disminución en el valor absoluto de mínimo y el máximo, y por tanto, del
rango. Además, se puede apreciar, que la cantidad de variación que sufre el módulo del
mínimo no cambia demasiado en comparación con la variabilidad del máximo. El sentido
físico del mínimo del par motor es el momento máximo que tiene que aplicar el motor
para que no aumente la velocidad angular θ̇ en ningún instante a causa de las fuerzas
y momentos que se ocasionan en el conjunto mecánico. La escasa variabilidad del
mínimo del par motor indica que debido a la fuerza del muelle-amortiguador, el muelle
apenas contribuye al aumento de la velocidad angular de la máquina, por lo que el
momento que tiene que realizar el par motor para contrarrestarlo es pequeño.
Atendiendo a la figura, en el caso del par motor, un aumento de la constante del muelle
provocaría un menor número de vibraciones, mientras que el aumente de la constante
del amortiguador provocaría un aumento de estas. Esta es una primera conclusión
descriptiva y el ajuste del modelo nos indicará si las diferencias que se aprecian en la
figura son significativas. A continuación, se realiza el ajuste del modelo.
30
En el gráfico de Pareto (figura 37) y el gráfico normal (figura 38) de los efectos
estandarizados se identifican los efectos significativos y su magnitud. Además, en el
caso del gráfico normal se identifica el signo del efecto. Como se ha visto antes, todos
los términos son significativos pero los términos lineales lo son en mucha mayor medida.
Primero aparece el factor C con un efecto positivo, y a continuación K, con un efecto
negativo. Notemos que, el interés se centra en minimizar la variable respuesta. Por ello,
un efecto positivo incrementa el valor de la respuesta, luego son de particular interés los
términos con efecto negativo, que disminuyen el valor de la respuesta. El único término
que consigue reducir la magnitud del rango del par motor, es decir, tiene un efecto
negativo, es el término lineal correspondiente a la constante del muelle, como era de
esperar después del análisis visual que se ha hecho con la figura 36.
31
Figura 37. Gráfica de Pareto de los efectos estandarizados par el par motor.
Figura 38. Gráfica normal de los efectos estandarizados del par motor.
Figura 39. Graficas de los residuos del rango del par motor
8
C
0
0 250 500 750 1000
K
Por último, a partir de la superficie ajustada sobre el plano de K y C del valor del rango
del Par motor, se ha procedido a optimizar este valor, calculando el valor mínimo. En la
33
figura 41 se obtiene que el valor de este mínimo es de 0.31(Nm) obtenido para una K =
1200(N/m) y una C = 0(Ns/m). Notemos que, el valor del rango del par motor en ausencia
del grupo muelle amortiguador es 0.504(Nm) se ha conseguido una reducción del
38.49%.
500
250
0
0 2 4 6 8 10 12 14
C
Figura 42. Curvas de nivel de los residuos estandarizados del rango del par motor.
Se observa que los errores estandarizados se sitúan entre -2 y 2, luego son pequeños.
Si se fija la atención en la zona donde hemos obtenido el mínimo, constante de muelle
elevada y del amortiguador baja, se observa que es una zona en la que el modelo
34
presenta un residuo negativo, luego el ajuste dado por el modelo sobreestima el valor
observado, es decir, el valor dado por RSM es mayor que el valor obtenido al resolver
las ecuaciones. El valor del rango del par motor para las constantes obtenidas en esta
optimización (K = 1200(N/m) C = 0(Ns/m)) es de 0.30(Nm), algo menor que el predicho
por el RSM. Esto explica porque la deseabilidad no es de 1 en el caso de la optimización,
ya que el valor mínimo de referencia para obtener la deseabilidad en Minitab es el valor
observado, que es menor que el calculado con el modelo. Se ha visto que los residuos
en la zona donde se encuentra el óptimo son negativos.
El mismo análisis se ha realizado para el resto de variables respuesta. Los resultados
completos del ajuste se han incluido en el anexo 2. A continuación, se va mostrar de
forma resumida, los resultados de la optimización.
Analysis of Variance
Source DF Seq SS Contribution Adj SS Adj MS F-Value P-Value
Model 4 133,765 99,99% 133,765 33,441 76887,24 0,000
Linear 2 132,695 99,19% 132,695 66,348 152545,09 0,000
K 1 0,344 0,26% 0,344 0,344 790,13 0,000
C 1 132,352 98,93% 132,352 132,352 304300,06 0,000
Square 2 1,069 0,80% 1,069 0,535 1229,38 0,000
K*K 1 0,109 0,08% 0,109 0,109 251,44 0,000
C*C 1 0,960 0,72% 0,960 0,960 2207,32 0,000
Error 44 0,019 0,01% 0,019 0,000
Total 48 133,784 100,00%
35
La parte lineal de este modelo explica la variabilidad del rango de Fox en un 99,19%,
siendo la constante del amortiguador C el factor más significativo, con un efecto positivo,
explicando un 98,93% de la variabilidad. El modelo escogido tiene una R2 de 99.99%.
Figura 45. Gráfica normal de los efectos estandarizados para el rango de Foz
Figura 47. Gráfica normal de los residuos estandarizados del rango de FG3.
38
El mínimo valor de la variable respuesta dado por el modelo RSM es 33.86(N) para una
K = 375.75(N/m) y C=3.18(Ns/m). El valor de la variable sin el grupo muelle-
amortiguador es 34.046(N). Esto supone una reducción menor del 1%. Notemos que, al
39
Figura 49. Efecto del peso en la función de deseabilidad. (Minitab 18 Support, s.f.)
En el caso del sistema mecánico bajo estudio se consideran 4 variables respuesta. Para
obtener la deseabilidad global, D, de una solución se tienen en cuenta los siguientes
valores:
di: la deseabilidad de la respuesta i, i=1,2,3,4.
wi: la importancia de la repuesta i, i=1,2,3,4.
W: sumatorio de todas las importancias.
40
El software Minitab proporciona como solución del problema multiobjetivo los valores
de K y C en los que la deseabilidad global sea mayor, calculada como una media
geométrica ponderada:
𝐷 = (∏(𝑑𝑖)𝑤𝑖 )1/𝑊
Primero se va calcular una solución en la que la importancia y los pesos de todas las
variables respuestas sea igual a 1, excepto la importancia de FG3, que, al representar
esta también a MG3 va a tener el doble de importancia en nuestra optimización. Los
parámetros introducidos en Minitab se muestran en la tabla 11 y el resultado en la figura
50.
Tabla 11. Parámetros de la optimización multiobjetivo.
Tabla 16. Resumen del modelo RSM del rango del par motor.
Para el caso de la variable respuesta par motor la componente lineal explica el 81,15%
de la variabilidad del rango del par motor, siendo el término más significativo en este
caso la constante del amortiguador C con una contribución del 60,18%.
Para este caso parece que se ha encontrado el mínimo global del par motor ya que
como se muestra en la figura 52, el comportamiento de esta variable es parabólico
teniendo el mínimo para la combinación de constantes K = 2157(N/m) y C = 0(Ns/m)
Rango Fox:
Tabla 17. Análisis de varianza del rango de Fox
El valor óptimo del rango de Fox obtenido es 35,36N y se obtiene con el valor de la
constante del muelle igual a 1060(N/m) y 0(Ns/m) para la constante del amortiguador.
Los valores de K y C obtenidos difieren de los calculados en la optimización del rango
de Fox con los antiguos límites (K = 909(N/m) y C = 0(Ns/m). Esto se debe a la poca
variabilidad de Fox en esa zona de la optimización ya que comparando el valor de esta
optimización con el valor calculado con los antiguos límites de las constantes (35,46N)
se observa que estos valores son muy parecidos.
Rango de Foz
Como se aprecia en la tabla 19, el modelo de Foz utilizado tiene los términos lineales
como las más significativas, siendo el más importante el término lineal de la constante
del amortiguador con un valor del 43,35%. El modelo RSM para esta variable tiene una
R2 de 97.44%.
Tabla 19. Análisis de varianza del rango de Foz
46
Rango de FG3
Tabla 21. Análisis de varianza del rango de FG3
Solution
FG3 Foz Fox Par motor Composite
Solution muelle amortiguador Fit Fit Fit Fit Desirability
1 1030,30 0 34,6238 15,8002 35,3605 0,328641 0,906459
Los valores para las constantes del muelle y del amortiguador para esta nueva
optimización (K = 1366,98(N/m) y C = 0(Ns/m)) son considerablemente distintas a las
de la optimización anterior. Los valores de FG3 y de Fox no han variado prácticamente,
respecto a los anteriores. El valor que más ha reducido su valor ha sido el valor del par
motor que se ha reducido un 12,5% respecto a la anterior optimización.
4.4.CONCLUSIONES
Se han analizado los valores del rango de cuatro variables respuesta para varias
combinaciones de K y C. Los valores de estas variables en ausencia del grupo muelle-
amortiguador son:
En la última solución obtenida del problema de optimización multiobjetivo, se ha
propuesto K= 1366,6(N/m) y C= 0(Ns/m), como valores de las constantes. A
continuación, se va a evaluar el valor de todas las variables respuesta, considerando
dichos valores de K y C, resolviendo las ecuaciones de la dinámica y así calcular, la
reducción real obtenida. Estos valores se compararán con los valores dados por el
modelo ajustado en la RSM.
Rango par motor
El valor calculado a partir de las ecuaciones de la dinámica resueltas es 0.28(Nm) para
esta variable. Este valor coincide con el valor propuesto por el modelo ajustado por
RSM. Con este resultado se ha reducido el rango del par motor en un 49% respecto al
rango en ausencia del grupo muelle-amortiguador.
Fox
El valor calculado para los valores de K y C fijados a partir de las ecuaciones de la
dinámica es de 35.54 N y el obtenido con el modelo ajustado con Minitab coinciden.
Esta fuerza no ha disminuido prácticamente su rango al añadir el grupo muelle-
amortiguador.
Foz
El valor del rango de esta fuerza calculado de forma exacta con las ecuaciones es de
9.24(N) y el resultado que la RSM predice es 16.13(N). Esto significa que el modelo
ajustado por la RSM está sobreestimando el valor de la variable respuesta para esta
combinación de constantes. El valor de 9,24, no se encuentra en el intervalo de
confianza ni en el intervalo de predicción. Analizado los residuos, se ha observado que
en esa zona de la región determinada por K y C, el modelo ajustado sobreestima la
magnitud de la fuerza, esto es, la fuerza real es más pequeña todavía que la calculada
con Minitab. En cualquier caso, para esta combinación de contantes se ha conseguido
una reducción del 74%.
52
FG3
Esta variable respuesta para la combinación de constantes toma un valor de 35.22(N).
El valor que ha calculado Minitab es 33.9(N). En este caso, la superficie ajustada
subestima el valor de la variable respuesta. Con FG3 sucede algo similar al caso de
Fox, no se consigue reducir el valor obtenido de esta variable en ausencia de muelle y
amortiguador (34.037N).
En resumen, a partir del análisis realizado y los resultados obtenidos para este conjunto
mecánico, cuando el objetivo es reducir las vibraciones lo máximo posible se propone
colocar un muelle con una constante de 1366(N/m) y no poner ningún amortiguador.
Implantando este muelle se conseguiría una reducción del 49% en el rango del par motor
y un 74% en el rango de Foz, mientras que FG3, Fox y Mg3 sus magnitudes apenas se
verían afectadas.
53
5. ALGORITMOS BIOINSPIRADOS
En este apartado se van a considerar los mismos factores de entrada y las variables
respuesta elegidas para aplicar la RSM. De forma alternativa, se va a proponer un
procedimiento metaheurístico, en particular, un algoritmo bioinspirado para calcular los
valores de los factores de entrada que optimizan el valor de las variables respuestas.
En primer lugar, se describe el esquema general de un algoritmo de enjambre de
partículas. A continuación, se aplica a la optimización de cada una de las variables
respuesta y finalmente se lleva a cabo una optimización multiobjetivo.
Como se puede observar en la tabla 31, la varianza de estos datos es muy pequeña,
por lo que se va a escoger el valor mínimo las constantes que producen una Fox mínima
(K = 893,119(N/m) y C = 0(Ns/m))
Como se puede observar en la tabla 33, la desviación de los valores dados por el
algoritmo es muy pequeña, por lo que se va a escoger el valor mínimo las constantes
que producen una Fox mínima (K = 1175,68(N/m) y C = 0(Ns/m).
59
Rango de FG3
Tabla 34. Mínimos de FG3.
Como se puede observar en la tabla 35, la varianza de estos datos es muy pequeña,
luego el algoritmo es estable. Se va a escoger el valor mínimo las constantes que
producen una Fox mínima (K = 345,2(N/m) y C = 6,568(Ns/m))
Compromiso
Como en el caso anterior, se va proceder a realizar una optimización compromiso entre
las variables respuesta. Para realizar esta optimización, se va a implementar un nuevo
algoritmo PSO, similar al anterior, pero se va a cambiar la función a optimizar como una
combinación de los rangos de las variables respuesta en cada punto.
Para poder comparar los resultados de las optimizaciones multiobjetivo entre los dos
métodos utilizados en este trabajo se va a calcular la deseabilidad conjunta de las
variables usando las mismas fórmulas que usa Minitab para calcular la deseabilidad
conjunta (Minitab 18 Support, s.f.).
𝑑𝑖 = (𝑈𝑖 − 𝑦̂𝑖 )/(𝑈𝑖 − 𝑇𝑖 )𝑟𝑖
𝐷 = (∏(𝑑𝑖)𝑤𝑖 )1/𝑊
60
𝑊 = ∑ 𝑤𝑖
Siendo:
- 𝑦̂𝑖 el valor que toma la respuesta i
- 𝑇𝑖 el valor objetivo para la respuesta i
- 𝑈𝑖 el valor aceptable más alto
- 𝑑𝑖 deseabilidad para la respuesta i
- 𝑟𝑖 peso de la función de deseabilidad para la respuesta i
- 𝑤𝑖 importancia de la respuesta i
- 𝑊 sumatorio de todas las importancias
- 𝐷 deseabilidad compuesta
Con estas fórmulas se ha implementado una función RSM que maximiza la deseabilidad
compuesta con los mismos valores que los utilizados en el RSM (véase anexo 1.6).
Estos valores serían
w = 1 para todas las respuestas menos para FG3, que sería 2
𝑟𝑖 = 1 para Foz y par motor y 0,2 para FG3 y Fox.
Se han obtenido los siguientes resultados.
Tabla 36. Resultados optimización multiobjetivo
61
Como en los casos anteriores en los que se ha implementado el algoritmo PSO, se han
obtenido 10 valores de la deseabilidad conjunta con este algoritmo. Al ser todos estos
valores de una magnitud similar, escogemos el que tiene una deseabilidad más alta.
K = 1338,5(N/m) y C = 0 (Ns/m)
Comparando este valor con el obtenido en el RSM
K = 1366,97(N/m) y C = 0(Ns/m)
Los resultados se diferencian en un 2%, una diferencia pequeña.
Con este resultado se puede afirmar que a pesar de que el RSM no ajustara
perfectamente en todos los puntos, el óptimo que ha sido encontrado por este método
se acerca mucho al óptimo encontrado mediante las ecuaciones analíticas por medio
del algoritmo PSO.
62
6. CONCLUSIÓN
El resultado de aplicar los dos procedimientos de optimización en el sistema mecánico
elegido, la máquina de coser doméstica, han proporcionado los siguientes valores
mínimos para las fuerzas y momentos que provocan vibraciones en este mecanismo:
Rango del Par motor: Utilizando el algoritmo PSO se ha conseguido disminuir
el rango de esta respuesta a un valor de 0,28(Nm). Al compararlo con el par
motor del mecanismo sin muelle ni amortiguador (0.55(Nm)) se ha conseguido
una reducción del 49%. Además, esta reducción reduciría el consumo de energía
de este mecanismo ya que la magnitud del par se ha reducido a casi la mitad.
Rango de Fox: Con el muelle-amortiguador, no se ha conseguido reducir
prácticamente el valor de esta variable, como se ha explicado anteriormente, la
fuerza de este grupo se ejerce en el eje vertical.
Rango de Foz: El valor de esta fuerza sin el grupo muelle-amortiguador añadido
es de 35,56N y con el muelle añadido se ha conseguido reducir a 8.89N. Esto
hace una reducción del 75%.
Rangos de FG3 y MG3: el valor de estas dos variables, prácticamente no se ha
podido reducir por el mismo motivo que el rango de Fox.
El hecho más significativo de este estudio ha sido la reducción del par motor en un 49%,
esto implicaría que el consumo eléctrico de este mecanismo teóricamente debería
reducir su consumo eléctrico en una proporción similar.
Hay que recordar que se ha realizado un planteamiento analítico, el siguiente paso sería
el de instalar un muelle y ver que comportamiento presenta el mecanismo de arremetida
de material en unas condiciones similares, de fuerza de penetración y revoluciones por
minuto.
El muelle a instalar en el mecanismo de arremetida de material deberá cumplir las
siguientes características:
K = 1300-1400(N/m)
Recorrido > 15(mm)
Longitud sin carga < 45(mm) (para que sea posible la instalación sin grandes
cambios estructurales en la máquina.)
Se ha consultado en páginas web de empresas especializadas en el sector y el precio
de un muelle que cumpla estas características es de 0.98€ comprando grandes
cantidades (Sodemann Muelles Industriales, s.f.). La ficha técnica del muelle del muelle
escogido se muestra en la tabla 38. La constante de este muelle es K = 1310(N/m), tiene
un recorrido máximo de 20,32(mm) y una longitud sin carga de 31,75(mm)
Al precio del muelle se le tendría que añadir los costes necesarios de colocación,
además, es posible que sea necesario hacer la carcasa más amplia para que el muelle
no roce con ningún otro elemento mecánico de la máquina de coser.
Añadiendo a lo anterior, sería interesante conocer de qué modo afectarían el tipo de tela
a la costura, es decir, la fuerza de penetración en las constantes tanto del muelle como
del amortiguador, ver su variabilidad y estudiar cuales de estas serían las más
apropiadas para cada tipo de tela y ya que la fuerza de penetración, como se ha
63
Figura 58. Esquema de las magnitudes del muelle (Sodemann Muelles Industriales, s.f.)
Tabla 38. Ficha técnica del muelle (Sodemann Muelles Industriales, s.f.).
64
BIBLIOGRAFÍA
Carvalho, H., & Rocha, A. (2008). Parameter Monitoring and Control in industrial sewing
machines - An integrated approach.
Carvalho, H., & Rocha, A. (s.f.). Parameter Monitoring and Control in industrial sewing machines
- An integrated approach.
Crow, R. H., & Chamberlain, N. H. (1969). The Performance of Sewing Threads in Industrial
Sewing Machines. En Clothing Institute Technological Report No. 21. London.
Darwish, A. (2018). Bio-inspired computing: Algorithms review, deep analysis, and the scope of
applications. Future Computing and Informatics Journal 3 (2018) , 231-46.
Kolade, S. (31 de Marzo de 2020). Parts of a Manual Sewing Machine and their Functions -
Tutorial. Obtenido de Youtube:
https://www.youtube.com/watch?v=B6k96KSwEIE&t=242s
kulkarni, V. S. (2019). Optimization of heat sink for thristor using particle swarm optimization.
Result in Engineering 4.
Mazari, A. A. (2012). Tensile Properties of Sewing Thread and Sewing Needle Temperature at
Different Speed of Sewing Machine. En A. M. 627.
Mazari, A., & Havelka, A. (2015). The effects of lubricant amount on sewing needle temperature
and tensile. Industria textila vol 66, 97-102.
Mazari, A., Bal, K., & Havelka, A. (2016). Prediction of needle heating in an industrial sewing
machine. Textile Reserch Journal volume 86 issue 3, 302-310.
Mazari, A., Bal, K., & Havelka, A. (2016). Prediction of needle heating in an industrial sewing
machine. Textile Reserch Journal volume 86 issue 3, 302-310.
Mellero, P., & Biegas, S. (2017). Monitoring and Control of Industrial Sewing Machines.
Mellero, P., & Biegas, S. (2017). Monitoring and Control of Industrial Sewing Machines.
Midha, V. K., Kothari, V. K., Chatopadhyay, R., & and Mukhopadhyay, A. (2009). Effect of high-
speed sewing on the tensile properties of sewingthreads at different stagesof sewing.
Int. J. Cloth. Sci. Technol volume 21(4), 217-238.
Midha, V. K., Mukhopadhyay, A., Chatopadhyay, R., & Kothari, V. K. (2009). Studies on the
Changes in Tensile Properties of Sewing Thread at Different Sewing Stages . Textile
Research Journal.
65
Salahshoor, E., & Ebrahimi, S. (2017). The effect of joint clearance on the dynamic behavior of a
needle driver mechanism in a typical sewing machine. 578-593.
Wesley, R. S., & Samuel, D. (2014). Study on Dynamic Needle Thread Tensions in a Single Needle
Lock Stitch (SNLS) Sewing Machine. II. Effect of Sewing Speed, Thickness of Fabric Plies,
Thread Linear Density and Pre-tensions of Threads. En Fibers and Polymers 2014, Vol.15
(págs. 1773-1778).
Yang, J., & Liu, B. (2013). The Motion Analysis on Lunge Material Mechanism in Sewing Machine.
En a. B. Jiahui Yang1, Applied Mechanics and Materials Vols. 313-314 (págs. 1055-1059).
Trans Tech Publications, Switzerland.
66
ANEXO 1: CÓDIGOS EN R
Anexo 1.1 Código utilizado para la resolución de las ecuaciones de la
cinemática en R.
r = 0.015#metros
l=0.048
dt=0.00005
theta0=pi
#1000 revoluciones por minuto
theta2<-200 #aceleración angular
n=15000
r1=r/2
l1=l/2
g=9.81
phi<-0
#las variables acabadas en "s" indican que son un vector en el que se almacenan todos los
valores de esta variable.
# los números indican el numero de la derivada. ss1, es la velocidad de la aguja, ss2 la
aceleración.
thetas1<-numeric(length=n)
thetas<-numeric(length=n)
phis<-numeric(length=n)
ss<-numeric(length=n)
phis1<-numeric(length=n)
phis2<-numeric(length=n)
ss1<-numeric(length=n)
ss2<-numeric(length=n)
aG1xs<-numeric(length=n)
aG1zs<-numeric(length=n)
aG2xs<-numeric(length=n)
aG2zs<-numeric(length=n)
aG3zs<-numeric(length=n)
aAxs<-numeric(length=n)
aAzs<-numeric(length=n)
i<-1
theta1<-0
#introduccion de las masas y las constantes de los muelles
mr=0.0368#kg
ml=0.1176
m3=0.03
MIr=6.8919*10^-7#kgm^2
MIl=9.033*10^-5
#constantes del muelle 900N/m-690
#constantes amortiguador 13.16-3.32Ns/m
Tiempo<-numeric(length = n)
h=0.001
Fp<-numeric(length = n)
for (i in 1:n){
if (theta1<104.7){
67
s<-r*cos(theta)+l*cos(phi)
ss[i]<-s
#calculo de phi1
phi1<-r*theta1*cos(theta)/(l*cos(phi))
phis1[i]<-phi1
#calculo de s1
s1<--r*theta1*sin(theta)-l*phi1*sin(phi)
ss1[i]<-s1
#calculo de phi2
phi2<-(-
r*theta1*theta1*sin(theta)+l*phi1*phi1*sin(phi)+r*theta2*cos(theta))/(l*cos(phi))
phis2[i]<-phi2
#calculo de s2
s2<--r*theta1*theta1*cos(theta)-l*phi2*sin(phi)-l*phi1*phi1*cos(phi)-
r*theta2*sin(theta)
ss2[i]<-s2
aG1x<--r1*theta1*theta1*sin(theta)+r1*theta2*cos(theta)
aG1xs[i]<-aG1x
aG1z<--r1*theta1*theta1*cos(theta)-r1*theta2*sin(theta)
aG1zs[i]<-aG1z
#calculo aceleracion G2
aG2x<--r1*theta1*theta1*sin(theta)+l1*phi1*phi1*sin(phi)-
l1*phi2*cos(phi)+r1*theta2*cos(theta)
aG2xs[i]<-aG2x
aG2z<--r1*theta1*theta1*cos(theta)-l1*phi1*phi1*cos(phi)-
l1*phi2*sin(phi)-r1*theta2*sin(theta)
68
aG2zs[i]<-aG2z
aAx<--r*theta1*theta1*sin(theta)
aAxs[i]<-aAx
aAz<--r*theta1*theta1*cos(theta)
aAzs[i]<-aAz
}
#cuando la velocidad angular llega a la velocidad angular de trabajo la aceleración
angular es nula
if(theta1>=104.7){
theta2<-0
thetas1[i]<-104.7
#calculo de theta
theta<-theta+theta1*dt
thetas[i]<-theta
#calculo de phi
phi<-asin(r*sin(theta)/l)
phis[i]<-phi
#calculo de s
phis[i]<-phi
s<-r*cos(theta)+l*cos(phi)
ss[i]<-s
#calculo de phi1
phi1<-r*theta1*cos(theta)/(l*cos(phi))
phis1[i]<-phi1
#calculo de s1
s1<--r*theta1*sin(theta)-l*phi1*sin(phi)
ss1[i]<-s1
#calculo de phi2
phi2<-(-r*theta1*theta1*sin(theta)+l*phi1*phi1*sin(phi))/(l*cos(phi))
phis2[i]<-phi2
#calculo de s2
s2<--r*theta1*theta1*cos(theta)-l*phi2*sin(phi)-l*phi1*phi1*cos(phi)
ss2[i]<-s2
aG1x<--r1*theta1*theta1*sin(theta)
69
aG1xs[i]<-aG1x
#calculo aceleracion G1z
aG1z<--r1*theta1*theta1*cos(theta)
aG1zs[i]<-aG1z
for (i in 1:n) {
if (modulotheta[i]>2.7 & modulotheta[i]<2.91){
Fp[i]<-(modulotheta[i]-2.7)*0.4/0.3
}
if (modulotheta[i]>2.91 & modulotheta[i]<3.2){
Fp[i]<-(3.2-modulotheta[i])*0.35/0.3
}
if (modulotheta[i]>=3.2 & modulotheta[i]<4.61){
Fp[i]<-(modulotheta[i]-3.2)*0.7/1.41
}
if (modulotheta[i]>4.61 & modulotheta[i]<6){
Fp[i]<--(5.3-modulotheta[i])*0.8/1.29
}
if (modulotheta[i]>6 & modulotheta[i]<2*pi){
Fp[i]<-(2*pi-modulotheta[i])*0.4/0.28
}
71
k0<-numeric(length = 4531)
c0<-numeric(length = 4531)
Fk1<-numeric(length = 4531)
Fc1<-numeric(length = 4531)
Fk2<-numeric(length = 4531)
Fc2<-numeric(length = 4531)
Fk3<-numeric(length = 4531)
Fc3<-numeric(length = 4531)
Fk4<-numeric(length = 4531)
Fc4<-numeric(length = 4531)
Fk5<-numeric(length = 4531)
Fc5<-numeric(length = 4531)
Fk6<-numeric(length = 4531)
Fc6<-numeric(length = 4531)
k<-c(0,500,1000,1500,2000,2500,3000)
cs<-c(0,2.5,5,7.5,10,12.5,15)
i<-1
thetasgra<-numeric(length = 4531)
angulos<-numeric(length = 4531)
for (i in 10470:n){
Fk1[i-10469]<-(-0.048+ss[i])*k[2]
Fc1[i-10469]<--ss1[i]*cs[2]
Fk2[i-10469]<-(-0.048+ss[i])*k[3]
Fc2[i-10469]<--ss1[i]*cs[3]
Fk3[i-10469]<-(-0.048+ss[i])*k[4]
Fc3[i-10469]<--ss1[i]*cs[4]
Fk4[i-10469]<-(-0.048+ss[i])*k[5]
Fc4[i-10469]<--ss1[i]*cs[5]
Fk5[i-10469]<-(-0.048+ss[i])*k[6]
Fc5[i-10469]<--ss1[i]*cs[6]
Fk6[i-10469]<-(-0.048+ss[i])*k[7]
Fc6[i-10469]<--ss1[i]*cs[7]
k0[i-10469]<-0
c0[i-10469]<-0
}
Fk<-cbind(k0,Fk1,Fk2,Fk3,Fk4,Fk5,Fk6)
Fc<-cbind(c0,Fc1,Fc2,Fc3,Fc4,Fc5,Fc6)
72
m<-1
for (valork in 1:7){
for(valorc in 1:7){
for (i in 10470:12869){
Fbz<--m3*ss2[i]-Fk[i-10469,valork]+Fc[i-10469,valorc]-m3*g-Fp[i]
Fbzs[i-10469]<-Fbz
Fbx<-(MIl*phis2[i]-Fbz*l*sin(phis[i])-
l1*ml*g*sin(phis[i])+l1*ml*(aAxs[i]*cos(phis[i])+aAzs[i]*sin(phis[i])))/(l*cos(phis[i]))
Fbxs[i-10469]<-Fbx
Faz<-Fbz-ml*g-ml*aG2zs[i]
Fazs[i-10469]<-Faz
Fax<-Fbx-ml*aG2zs[i]
Faxs[i-10469]<-Fax
FG3<-Fbx
FG3s[i-10469]<-Fbx
MG3<--Fbx*h
MG3s[i-10469]<-MG3
parmotor<-r1*mr*g*sin(thetas[i])-r*(Fax*cos(thetas[i])-Faz*sin(thetas[i]))
Parmotors[i-10469]<-parmotor
Foz<--Faz-mr*g+mr*aG1zs[i]
Fozs[i-10469]<-Foz
Fox<--Fax+mr*aG1xs[i]
Foxs[i-10469]<-Fox
}
73
datosfox[m]<-max(Foxs)-min(Foxs)
datospar[m]<-max(Parmotors)-min(Parmotors)
datosfoz[m]<-max(Fozs)-min(Fozs)
datosfg3[m]<-max(FG3s)-min(FG3s)
muelle[m]<-k[valork]
amortiguador[m]<-cs[valorc]
m<-m+1
}}
74
}
sol<-matrix(nrow=9,ncol=1)
q<-2400
Parmotors<-numeric(length = q)
Foxs<-numeric(length = q)
Fozs<-numeric(length = q)
FG3s<-numeric(length = q)
MG3s<-numeric(length = q)
Fazs<-numeric(length = q)
Fbzs<-numeric(length = q)
Fbxs<-numeric(length = q)
Faxs<-numeric(length = q)
for (i in 10470:12869){
Fbz<--m3*ss2[i]-Fk[i-10469]+Fc[i-10469]-m3*g-Fp[i]
Fbzs[i-10469]<-Fbz
Fbx<-(MIl*phis2[i]-Fbz*l*sin(phis[i])-
l1*ml*g*sin(phis[i])+l1*ml*(aAxs[i]*cos(phis[i])+aAzs[i]*sin(phis[i])))/(l*cos(phis[i]))
Fbxs[i-10469]<-Fbx
Faz<-Fbz-ml*g-ml*aG2zs[i]
Fazs[i-10469]<-Faz
Fax<-Fbx-ml*aG2zs[i]
Faxs[i-10469]<-Fax
FG3<-Fbx
FG3s[i-10469]<-Fbx
MG3<--Fbx*h
MG3s[i-10469]<-MG3
parmotor<-r1*mr*g*sin(thetas[i])-r*(Fax*cos(thetas[i])-Faz*sin(thetas[i]))
Parmotors[i-10469]<-parmotor
Foz<--Faz-mr*g+mr*aG1zs[i]
Fozs[i-10469]<-Foz
75
Fox<--Fax+mr*aG1xs[i]
Foxs[i-10469]<-Fox
}
soluciones<-cbind(Parmotors,Foxs,Fozs,FG3s,MG3s)
return(max(soluciones[,respuesta]-min(soluciones[,respuesta])))
}
76
sol<-matrix(nrow=9,ncol=1)
q<-2400
Parmotors<-numeric(length = q)
Foxs<-numeric(length = q)
Fozs<-numeric(length = q)
FG3s<-numeric(length = q)
MG3s<-numeric(length = q)
Fazs<-numeric(length = q)
Fbzs<-numeric(length = q)
Fbxs<-numeric(length = q)
Faxs<-numeric(length = q)
datos<-matrix(data = NA,ncol = 7)
for (i in 10470:12869){
Fbz<--m3*ss2[i]-Fk[i-10469]+Fc[i-10469]-m3*g-Fp[i]
Fbzs[i-10469]<-Fbz
Fbx<-(MIl*phis2[i]-Fbz*l*sin(phis[i])-
l1*ml*g*sin(phis[i])+l1*ml*(aAxs[i]*cos(phis[i])+aAzs[i]*sin(phis[i])))/(l*cos(phis[i]))
Fbxs[i-10469]<-Fbx
Faz<-Fbz-ml*g-ml*aG2zs[i]
Fazs[i-10469]<-Faz
Fax<-Fbx-ml*aG2zs[i]
Faxs[i-10469]<-Fax
FG3<-Fbx
FG3s[i-10469]<-Fbx
MG3<--Fbx*h
MG3s[i-10469]<-MG3
parmotor<-r1*mr*g*sin(thetas[i])-r*(Fax*cos(thetas[i])-Faz*sin(thetas[i]))
Parmotors[i-10469]<-parmotor
Foz<--Faz-mr*g+mr*aG1zs[i]
Fozs[i-10469]<-Foz
Fox<--Fax+mr*aG1xs[i]
Foxs[i-10469]<-Fox
}
rangopar<-max(Parmotors)-min(Parmotors)
rangofox<-max(Foxs)-min(Foxs)
rangofoz<-max(Fozs)-min(Fozs)
77
rangoFG3<-max(FG3s)-min(FG3s)
dpar<-(0.7773-rangopar)/(0.7773-0.209)
dfox<-((42.24445-rangofox)/(42.24445-35.5028))^(0.2)
dfoz<-(72.6968-rangofoz)/(72.6968-7.1443)
dfg3<-((42.1213-rangoFG3)/(42.1213-33.8915))^(0.2)
Deseabilidad<-(dpar*dfox*dfoz*dfg3*dfg3)^(5)
return(1/Deseabilidad)}
#El algoritmo PSO está para minimizar, por lo que se ha puesto #como respuesta el inverso de
la deseabilidad
78
ANEXO 2: RSM
Anexo 2.1: Datos utilizados para el RSM
K(N/m) C(Ns/m) Rango Par motor(Nm) Mínimo par motor(N/m) Máximo par motor(Nm)
0 0 0,552381379 -0,360700489 0,19168089
200 0 0,509336753 -0,337112821 0,172223931
400 0 0,466876367 -0,313902663 0,152973704
600 0 0,425206255 -0,291208538 0,133997717
800 0 0,384637085 -0,269238485 0,115398601
1000 0 0,345658889 -0,248326812 0,097332077
1200 0 0,309044235 -0,229003435 0,0800408
0 2,5 0,567964784 -0,338702245 0,229262539
200 2,5 0,527281636 -0,316454824 0,210826812
400 2,5 0,487622391 -0,294833216 0,192789176
600 2,5 0,449294563 -0,2740299 0,175264663
800 2,5 0,412747391 -0,254325492 0,158421899
1000 2,5 0,378595788 -0,236104094 0,142491694
1200 2,5 0,348047332 -0,220240293 0,127807039
0 5 0,595642464 -0,320476065 0,275166398
200 5 0,553835308 -0,299737491 0,254097817
400 5 0,516725103 -0,27983825 0,236886852
600 5 0,482066633 -0,260996444 0,221070189
800 5 0,449698743 -0,24349427 0,206204473
1000 5 0,42059326 -0,228041673 0,192551586
1200 5 0,395162557 -0,214730517 0,18043204
0 7,5 0,635388985 -0,305430373 0,329958612
200 7,5 0,596225354 -0,286231706 0,309993649
400 7,5 0,558807674 -0,268026692 0,290780982
600 7,5 0,523488282 -0,251024777 0,272463505
800 7,5 0,493592488 -0,235844748 0,257747741
1000 7,5 0,468455626 -0,222354244 0,246101382
1200 7,5 0,445557318 -0,210856647 0,23470067
0 10 0,679425674 -0,292989896 0,386435778
200 10 0,642758595 -0,27526992 0,367488675
400 10 0,608032092 -0,258691612 0,34934048
600 10 0,575755356 -0,243648488 0,332106868
800 10 0,545969739 -0,230033965 0,315935774
1000 10 0,519060439 -0,21808293 0,300977509
1200 10 0,496982945 -0,208013645 0,2889693
0 12,5 0,726893797 -0,282648986 0,44424481
200 12,5 0,692643587 -0,266418316 0,426225271
400 12,5 0,660466225 -0,251452228 0,409013996
600 12,5 0,630475563 -0,237749103 0,392726461
800 12,5 0,602941098 -0,225465526 0,377475572
79
K(N/m) C(Ns/m) Rango Fox (N) Mínimo Fox (N) Máximo Fox(N)
0 0 35,7102625 -18,74334423 16,96691828
200 0 35,62352958 -18,31513697 17,30839261
400 0 35,56230751 -17,8875221 17,67478541
600 0 35,5237925 -17,46066851 18,06312399
800 0 35,50530853 -17,03481634 18,4704922
1000 0 35,50457907 -16,6103132 18,89426586
1200 0 35,51998537 -16,18770702 19,33227834
0 2,5 36,3377882 -18,18644513 18,15134307
200 2,5 36,23274443 -17,76743393 18,4653105
400 2,5 36,15476464 -17,35053614 18,8042285
600 2,5 36,10183325 -16,93623812 19,16559514
800 2,5 36,07230215 -16,52532634 19,54697582
1000 2,5 36,06469971 -16,1186839 19,94601581
1200 2,5 36,07839499 -15,717658 20,36073699
0 5 37,06001743 -17,70078596 19,35923147
200 5 36,94468614 -17,29543134 19,6492548
400 5 36,8577601 -16,89404574 19,96371436
600 5 36,79809185 -16,4974876 20,30060424
800 5 36,7647893 -16,10689371 20,65789559
1000 5 36,7572994 -15,7237198 21,03357961
1200 5 36,7754405 -15,34968812 21,42575239
0 7,5 37,86403687 -17,27874509 20,58529178
200 7,5 37,74432569 -16,88986791 20,85445778
400 7,5 37,65400929 -16,50673803 21,14727126
600 7,5 37,59264843 -16,13051577 21,46213266
800 7,5 37,55979556 -15,76249135 21,79730421
1000 7,5 37,55560959 -15,40430876 22,15130084
1200 7,5 37,5800441 -15,05778011 22,52226399
0 10 38,73792887 -16,91228649 21,82564239
200 10 38,61769214 -16,5410995 22,07659264
400 10 38,52755791 -16,1773002 22,35025771
600 10 38,4673975 -15,82207027 22,64532722
800 10 38,43726342 -15,47669579 22,96056763
80
750
K
500
250
0
0 2 4 6 8 10 12 14
C
84
500
250
0
0 2 4 6 8 10 12 14
C
85
500
250
0
0 2 4 6 8 10 12 14
C
86
Anexo 2.5: Modelo RSM del par motor con nuevos límites
Coded Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 0,41423 0,00363 114,11 0,000
Muelle -0,09232 0,00284 -32,46 0,000 1,00
amortiguador 0,15641 0,00284 55,00 0,000 1,00
muelle*muelle 0,14225 0,00493 28,88 0,000 1,00
amortiguador*amortiguador 0,01786 0,00493 3,63 0,001 1,00
muelle*amortiguador 0,03226 0,00427 7,56 0,000 1,00
Coded Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 37,6945 0,0149 2522,31 0,000
Muelle 0,6640 0,0117 56,72 0,000 1,00
amortiguador 2,5781 0,0117 220,22 0,000 1,00
muelle*muelle 0,8499 0,0203 41,92 0,000 1,00
amortiguador*amortiguador 0,3142 0,0203 15,50 0,000 1,00
muelle*amortiguador 0,1740 0,0176 9,91 0,000 1,00
Coded Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 28,522 0,715 39,90 0,000
Muelle 7,999 0,560 14,28 0,000 1,00
amortiguador 15,114 0,560 26,99 0,000 1,00
muelle*muelle 25,158 0,970 25,94 0,000 1,00
amortiguador*amortiguador 3,561 0,970 3,67 0,001 1,00
muelle*amortiguador -3,614 0,840 -4,30 0,000 1,00
Coded Coefficients
Term Coef SE Coef T-Value P-Value VIF
Constant 35,6259 0,0442 805,79 0,000
Muelle 3,7158 0,0346 107,29 0,000 1,00
amortiguador 0,3779 0,0346 10,91 0,000 1,00
muelle*muelle 1,9645 0,0600 32,75 0,000 1,00
amortiguador*amortiguador 0,2395 0,0600 3,99 0,000 1,00
muelle*amortiguador 0,3422 0,0520 6,59 0,000 1,00