Ingeniería Mecánica (Lic.)
URI permanente para esta colecciónhttp://54.81.141.168/handle/123456789/9140
Explorar
4 resultados
Resultados de Búsqueda
Ítem Texto completo enlazado Análisis de falla correspondiente a un codo de 2” de 90° de grado sanitario de AISI SAE 304 L perteneciente a una línea de transporte de ácido carmínico(Pontificia Universidad Católica del Perú, 2024-10-09) Mejia Veramendi, Eduardo; Fosca Pastor, Carlos AbrahamLa presente investigación describe la metodología aplicada y los resultados obtenidos en el desarrollo del análisis de falla de un codo de 90° de 2” de diámetro de grado sanitario de un de material AISI SAE 316L, la cual pertenecía a una línea de transporte de ácido carmínico al 2.5% en volumen, insumo usado para la fabricación de colorante rojo de origen natural, esta tuvo un tiempo de trabajo de aproximadamente 30 días, la que presentó una acelerada corrosión. Se ejecutaron diversos ensayos cuya finalidad fue determinar el mecanismo de falla y la causa más probable de la falla. Todos los ensayos realizados en la presente investigación han sido realizados en el laboratorio de Materiales de la Sección de Ingeniería Mecánica de la Pontificia Universidad Católica del Perú. En el primer capítulo los usos y aplicaciones del ácido carmínico, conceptos introductorios de los aceros inoxidables, así como los diferentes mecanismos de corrosión que afectan a estos, asimismo se presentan los conceptos previos acerca de la metodología de análisis de falla. En el segundo capítulo se presentan la metodología y también el procedimiento de los ensayos a realizar los cuales son inspección visual, análisis químico, análisis metalográfico, ensayo de polarización anódica y ensayos de reactivación electroquímica potenciocinética. El tercer capítulo presenta los resultados y el análisis de estos. Finalmente, se concluye de los ensayos realizados que la causa de falla del componente de estudio corresponde a un mecanismo de corrosión intergranular, originado principalmente por una incorrecta ejecución de soldadura, asimismo también se concluye que el material no es el adecuado para el servicio, dado que según los ensayos el material no es congruente con la información suministrada. Adicionalmente, se plantean recomendaciones como un mejor control de calidad tanto en el material como en los procesos de soldadura.Ítem Texto completo enlazado Caracterización sobre telas tejidas de polipropileno con diferentes concentraciones de estabilizadores expuestas a radiación UV-B(Pontificia Universidad Católica del Perú, 2024-10-02) Rodriguez Lao, Patrick Andre; Sakihama Uehara, José Luis HidekiEn todas las industrias, existe la necesidad de incrementar el tiempo de vida útil los materiales. Como se sabe, los polímeros son muy sensibles a la foto degradación producto de radiación solar, en donde las reacciones fotoquímicas dan como resultado la rotura de las cadenas poliméricas. El objetivo del presente trabajo de tesis es investigar los efectos generados por los estabilizadores anti UV presentes en diferentes formulaciones (de 0 a 6 % de aditivos) sobre las propiedades mecánicas de las telas tejidas de polipropileno utilizadas principalmente en las industrias de construcción y mineras. Del mismo modo, identificar y cuantificar la degradación UV presente, utilizando técnicas alternativas no destructivas para determinar el tiempo de vida útil sin la necesidad de recurrir a ensayos destructivos. La metodología utilizada en la presente tesis consiste en el desarrollo de múltiples ensayos aplicados al material de suministro, así como a las telas tejidas de polipropileno después de diferentes tiempos de exposición UV-B. Estos ensayos comprenden la espectroscopia UV-vis/IR, microscopia, ensayos mecánicos y termogravimétricos. Gracias al análisis de resultados se encontró una relación entre el tiempo de exposición a la radiación ultravioleta y la foto degradación presente en las telas de polipropileno. Las formulaciones menores al 2 % en contenido de estabilizadores presentan una caída hasta de un 50% de su resistencia a la tracción después de un tiempo de exposición de 200 horas; el resto de formulaciones superiores al 2% no presentan una caída tan notable, llegando a cumplir los requerimientos de la norma ISO-21898. En el análisis FTIR, se pudo identificar un incremento en los picos significativos de los grupos funcionales carbonilo (R-C=O) e hidroxilo (R-OH) a medida que aumentan las horas de exposición UV-B; sin embargo, este incremento se ve atenuado a medida que incrementa el porcentaje de estabilizadores anti UV. Finalmente, se verifico la presencia de otros aditivos gracias a las técnicas termogravimétricas y microscópicas. Además, se determinó el porcentaje óptimo de carbonato de calcio equivalente a 4% en peso y 1867 ppm de óxido de Titanio. Esta formulación demostró el mejor rendimiento mecánico.Ítem Texto completo enlazado Determinación de parámetros de manufactura en el proceso de modelado por deposición fundida a partir de acrilonitrilo butadieno estireno (ABS) y acrilonitrilo butadieno estireno reforzado con fibras de carbono (ABS/CF)(Pontificia Universidad Católica del Perú, 2023-12-05) Torres Cerron, Jose Alejandro; Acosta Sullcahuamán, Julio ArnaldoEl presente proyecto pretende determinar los efectos de los principales parámetros de impresión sobre las propiedades mecánicas de los productos obtenidos mediante la técnica de modelado por deposición fundida a partir de ABS y ABS/CF. El objetivo del presente trabajo es determinar los parámetros de fabricación óptimos del proceso de modelado por deposición fundida usando acrilonitrilo butadieno estireno (ABS) y acrilonitrilo butadieno estireno reforzado con fibras de carbono (ABS/CF), así como determinar la influencia de cada parámetro sobre las propiedades mecánicas, con el fin de fabricar productos terminados. En la investigación se determinaron los parámetros de fabricación más importantes que influyen en el proceso FDM: altura de capa, patrón de impresión, temperatura de impresión y velocidad de movimiento del cabezal de impresión. Luego se usó la metodología de Taguchi (arreglo L9) para analizar la influencia de los parámetros de impresión sobre la resistencia a la tracción y el módulo elástico, para determinar la combinación que maximice dichas propiedades. Esta metodología permitió reducir considerablemente el número ensayos de tracción (según ISO 527) necesarios debido a que concentró su análisis sobre los efectos principales. Luego se realizó una comprobación experimental y teórica de las combinaciones óptimas halladas. Finalmente se evaluó el efecto del porcentaje de relleno sobre las propiedades de los productos impresos de ABS y ABS/CF. La combinación óptima para maximizar la resistencia a la tracción en probetas de ABS (35.5 MPa con un módulo de 2105 MPa) fue: altura de capa de 0.2 mm, patrón de líneas, temperatura de impresión de 260°C y velocidad de impresión de 40 mm/s. Mientras para el ABS/CF se usó 0.1mm de capa, patrón de líneas 280°C y 30mm/s, resultando una resistencia de 35.2 MPa y un módulo de 3460 MPa.Ítem Texto completo enlazado Desarrollo de modelo predictivo de desgaste basado en datos de ensayos según ASTM G-65 utilizando algoritmos de Machine Learning(Pontificia Universidad Católica del Perú, 2023-01-24) Cabanillas Flores, Renato; Sakihama Uehara, Jose Luis HidekiLos ensayos de desgaste según la norma ASTM G-65 son realizados para determinar la resistencia al desgaste abrasivo de bajo esfuerzo de un material mediante su exposición al contacto con arena seca. Estos ensayos permiten la evaluación de recargues duros o hardfacing con la finalidad de encontrar los efectos de los elementos aleantes sobre la microestructura y la resistencia al desgaste. Por su parte, el aprendizaje automático, conocido como Machine Learning, es una técnica del campo de la inteligencia artificial que busca desarrollar modelos computacionales con la capacidad de realizar tareas de clasificación y regresión. La metodología utilizada para realizar el entrenamiento, y posterior evaluación de los modelos obtenidos, consiste en la digitalización de los registros de ensayos de desgaste ejecutados por la American Welding Society, el análisis del comportamiento de la pérdida de masa en función del porcentaje de la concentración de los elementos presentes en el depósito del recargue duro y el desarrollo de los siguientes algoritmos de modelos de aprendizaje automático: k-vecinos cercanos (KNN), red neuronal artificial (ANN) y máquina de aprendizaje extremo (ELM). Posterior al entrenamiento, se emplearon los modelos ya entrenados para calcular la pérdida de masa en probetas previamente ensayadas en el Laboratorio de Materiales de la Pontificia Universidad Católica del Perú (PUCP) y así evaluar la efectividad de los modelos en la sección de resultados. Para los modelos entrenados se identificaron las variantes con mejor efectividad en la predicción de pérdida de masa, las cuales fueron la red neuronal artificial de 3 capas entrenada en 1000 épocas, el modelo de k-vecinos cercanos con 6 vecinos y la máquina de aprendizaje extremo con 10,000 neuronas. Para la comparación con datos de ensayos realizado sen la PUCP se obtuvo un error medio absoluto de 0.086 g para ANN, 0.726 g para KNN 0.853 g para ELM; en contraste con los valores de 0.228 g, 0.321 g y 0.666 g obtenidos para los ensayos realizado por la AWS, respectivamente. De entre los 3 modelos entrenados, se identifica que la red neuronal artificial congrega la mayor cantidad de puntos cercanos a la igualdad entre el valor real de pérdida de masa y la predicción calculada mediante el modelo. Se concluye que la ANN puede predecir con éxito la pérdida de masa en función de la composición química del depósito y su dureza, alcanzando una precisión del 85.75%. Por otro lado, la ELM requiere elevados recursos computacionales para entrenarse por encima de las 500,000 neuronas, así como un análisis más profundo para evitar el sobreajuste del modelo a los datos de entrenamiento. El algoritmo KNN no calcula exitosamente la masa perdida en un ensayo de desgaste debido a que entrega valores de promedios locales para datos que no se estructuran de forma ordenada. Finalmente, los resultados alcanzados brindan validez a la aplicación de técnicas de aprendizaje automático para encontrar la pérdida de masa en ensayos de desgaste.