Resumen

El análisis de falla tiene como objetivo recolectar información sobre cómo y porqué una falla es generada. El primer paso en este proceso consiste en una inspección visual en la superficie de la falla que revelará las características, marcas y textura que distinguen cada tipo de fractura. Esta inspección es generalmente llevada a cabo por personal que usualmente no cuenta con el suficiente conocimiento o experiencia necesaria. Este artículo propone un método de clasificación para tres modos de fracturas en materiales cristalinos: súbita frágil, progresiva por fatiga y súbita dúctil. El método propuesto usa visión en 3D, y busca ser un apoyo en el análisis de falla. Las características usadas en este estudio fueron i) las características de Haralick y ii) la dimensión fractal. La adquisición de imágenes 3D se realizó con un microscopio confocal de escaneo laser Zeiss LSM 700. Para llevar a cabo la clasificación, dos clasificadores fueron evaluados: Redes de Neuronas Artificiales y Máquinas de Vectores de Soporte. La evaluación de desempeño se logró extrayendo cuatro relaciones marginales de la matriz de confusión: exactitud, sensibilidad, especificidad y precisión, y los siguientes tres métodos de evaluación: Característica Operativa del Receptor o espacio ROC, el índice individual de éxito en la clasificación ICSI y el coeficiente de Jaccard. A pesar que el porcentaje de clasificación obtenida por un experto es mejor que la obtenida por el algoritmo, este último logra obtener porcentajes de clasificación cerca o superior al 60% en exactitud para los tres modos de falla analizados. Los resultados que aquí se presentan representan un buen acercamiento para estructurar investigaciones futuras en análisis de textura usando datos 3D.

I. INTRODUCCIÓN

El análisis de fallos pretende entender por qué y cómo se produce una fractura y la forma de evitarla. La fractografía es una disciplina que estudia las características topográficas resultantes de un modo de fallo, y trata de revelar las características superficiales en la fractura mediante inspecciones visuales, buscando los patrones de propagación y el origen de la fractura [1]. A través de esta caracterización es posible explorar y determinar las condiciones previas que ayudarían a encontrar las causas de la ruptura. El primer paso en este examen es detectar las características macroscópicas en la superficie, seguido de un estudio microscópico con un estereoscopio o un microscopio electrónico de barrido (SEM), que identificará las facetas de clivaje, las fracturas transgranulares, las fracturas intergranulares, la morfología de los límites de grano y las estrías de fatiga, entre otras [2].

Los fallos mecánicos se producen cuando un elemento mecánico se divide en uno o más fragmentos, seguido de tres pasos: i) nucleación de la(s) grieta(s), ii) propagación de la(s) grieta(s) y iii) fractura del elemento. En función de la velocidad de estos pasos, la fractura puede clasificarse en súbita, si las grietas se propagan en el material entre 0,2 y 0,4 la velocidad del sonido, o progresiva, si las grietas tienen una velocidad de propagación lenta (por ejemplo, 1mm/día) [1].

• Materias:Fatiga de materiales Fractales Imagen tridimensional en diseño Localización de fallas (Ingeniería) Redes neuronales (Computadores) Vectores
• Subjects:Material Fatigue Fractals Design imaging Troubleshooting (Engineering) Neural networks (Computer science) Vectors
• Palabras claves:Datos 3D; Fractura dúctil; Fractura frágil; Fractura por fatiga; Máquinas de vectores de soporte; Red neuronal artificial
• Keywords:Artificial neural network; Brittle fracture; Ductile fracture; Fracture due to fatigue; Support vector machine; 3D data