{rfName}
A

Indexado en

Licencia y uso

Licencia Icono OpenAccess

Citaciones

57

Altmetrics

Investigadores/as Institucionales

Perez-Bernabeu, EAutor o CoautorSelles, MaAutor o Coautor

Compartir

30 de octubre de 2024
Publicaciones
>
Conferencia Publicada
Sí

A neural network approach for chatter prediction in turning

Publicado en: Procedia Manufacturing. 34 885-892 - 2019-01-01 34(), DOI: 10.1016/j.promfg.2019.06.159

Autores:

Cherukuri, Harish; Perez-Bernabeu, E; Perez-Bernabeu, E; Selles, M A; Selles, M A; Schmitz, Tony L; Schmitz, Tony L
[+]

Afiliaciones

Univ N Carolina, Mech Engn & Engn Sci - Autor o Coautor
Univ Politecn Valencia - Autor o Coautor

Resumen

Machining processes, including turning, are a critical capability for discrete part production. One limitation to high material removal rates and reduced cost in these processes is chatter, or unstable spindle speed-chip width combinations that exhibit self-excited vibration. In this paper, an artificial neural network (ANN) is applied to model turning stability. The analytical stability limit is used to generate a data set that trains the ANN. It is observed that the number and distribution of training points influences the ability of the ANN model to capture the smaller, more closely spaced lobes that occur at lower spindle speeds. Overall, the ANN is successful (>90% accuracy) at predicting the stability behavior after appropriate training. (C) 2019 The Authors. Published by Elsevier B.V.
[+]

Palabras clave

ChatterChatter predictionsClassificationIndustrial researchMachine learningMachiningMachining processManufactureMaterial removal rateModelNeural networkNeural networksOperationSelf-excited vibrationsSpindle speedStabilityStability analysisStability behaviorStability limitToolTraining pointsTurningVibrationWorkpiece

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista Procedia Manufacturing debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2019, se encontraba en la posición , consiguiendo con ello situarse como revista Q2 (Segundo Cuartil), en la categoría Artificial Intelligence.

Desde una perspectiva relativa, y atendiendo al indicador del impacto normalizado calculado a partir de las Citas Mundiales de Scopus Elsevier, arroja un valor para la media Ponderada del Impacto Normalizado de la agencia Scopus: 1.09, lo que indica que, de manera comparada con trabajos en la misma disciplina y en el mismo año de publicación, lo ubica como trabajo citado por encima de la media. (fuente consultada: ESI 13 Nov 2025)

De manera concreta y atendiendo a las diferentes agencias de indexación, el trabajo ha acumulado, hasta la fecha 2026-04-02, el siguiente número de citas:

  • WoS: 25
  • Scopus: 32
[+]

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2026-04-02:

  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 86 (PlumX).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: http://hdl.handle.net/10251/201888
[+]

Análisis de liderazgo de los autores institucionales

Este trabajo se ha realizado con colaboración internacional, concretamente con investigadores de: United States of America.

[+]

Reconocimientos ligados al ítem

The authors gratefully acknowledge financial support from the UNC ROI program. Elena Perez-Bernabeu and Miguel Selles also acknowledge support from Universitat Politenica de Valencia (PAID-00-17). Additionally, some of the neural net figures and the 10-fold cross validation figures are based on the TikZ codes provided on StackExchange-TeX by various users. Harish Cherukuri would like to thank them for their valuable advice.
[+]