Resumen de Marco computacional para el diseño, optimización y control de procesos de moldeo con resinas líquidas (LCM)
Nicolás Montes Sánchez 
Los procesos de conformado por moldeo de materiales compuestos a partir de resinas líquidas están siendo cada vez más utilizados en la fabricación de composites de matriz polimérica reforzados con fibras. El avance tecnológico y la disminución de costes de producción han provocado que su utilización se generalice cada vez más a todo tipo de productos. Esta proliferación de los composites en la industria, va pareja a la evolución de los procesos LCM (Liquid Composite Moulding) que permitan abaratar costes y mejorar la calidad del producto final. En la actualidad, se esta empezando a implantar en la industria un novedoso proceso LCM, llamado infusión de resina. La peculiaridad de este proceso es que utiliza como contramolde una bolsa de plástico, reduciendo los costes de producción. Este proceso se utiliza en la fabricación de pequeños lotes de grandes piezas como palas de aerogenerador, piscinas, barcos, etc. Sin embargo, este proceso presenta complejidades adicionales frente al resto de procesos LCM. Aparte de los conocidos problemas de "Race Tracking" y superposicionamiento de las preformas, comúnmente estudiados en RTM, el uso de un contramolde flexible provoca diferencias en el gradiente de presión en cada zona del molde, modificando la permeabilidad de la preforma y dificultando la predicción de flujo mediante simulación numérica. En la industria, las herramientas existentes para llevar a buen fin un llenado mediante este tipo de proceso, suelen estar basadas en ensayos de prueba y error y en complejas simulaciones computacionales del proceso. Un costoso modelado previo de las propiedades de los materiales se hace necesario. Suele ser habitual desperdiciar un número considerable de piezas antes de conseguir impregnar toda la preforma sin dejar zonas secas. Debido a las dimensiones de las piezas a fabricar y que, la mayoría de veces los lotes son pequeños, el aumento del coste unitario es considerable. Así pues, se hace necesario diseñar herramientas computacionalmente eficientes que nos permitan mejorar este tipo de procesos. En la presente investigación se propone un novedoso marco computacional que sirve como herramienta común y extensible para el diseño, optimización y control de los procesos de infusión. Aunque en este trabajo se ha concretado la aplicación para este tipo de procesos, en realidad es aplicable a las distintas variantes de los procesos LCM. El eje principal de esta tesis se basa en el uso novedoso de los espacios de configuraciones en procesos LCM. Estos espacios se utilizan de forma generalizada en otros ámbitos como la robótica móvil. Sin embargo, no han sido usados en procesos LCM, siendo sus propiedades y beneficios desconocidos. El concepto principal que se introduce es la definición de un sistema de referencia alternativo al cartesiano, basado en las variables del propio proceso. Variables tan dispares como distancia a un punto de interés, tiempo de llenado, tiempo de incubación, velocidad del frente de avance de resina, etc., pueden ser susceptibles de formar parte de este nuevo sistema de referencia. La elección de las variables y la dimensión de estos espacios esta sujeto a la aplicación que se les vaya a dar. En la presente investigación nos hemos focalizado en plicaciones de optimización y control donde, la naturaleza de los índices utilizados suele ser monovariable. Así pues, la dimensión de los espacios de configuraciones será inferior a la de la geometría en el espacio cartesiano. La aplicación del concepto de espacios de configuraciones en procesos LCM se le ha llamado, espacios de configuraciones basados de patrón de flujo, "Flow Pattern Configuration Spaces (FPCS)". En la presente tesis se proponen varias variantes de estos espacios, basadas en una variable fija y otra libre. La variable fija esta basada en la radialidad de los frentes de avance, ángulo desde un punto de interés a puntos definidos en el frente de avance. La primera opción analizada para la variable libre es la distancia. A estos espacios se les ha llamado, espacios de patrón de flujo basados en la distancia, "Flow Pattern Distance Spaces (FPDS)". La segunda opción analizada como variable libre es el tiempo de llenado obtenido mediante una simulación por Elementos Finitos. A estos espacios se les ha llamado espacios de patrón de flujo basados en tiempo, Flow Pattern Time Spaces (FPTS). Mediante estas variables se propone construir dos nuevos espacios. Uno basado en la reconstrucción de las coordenadas sobre un espacio 2D, llamado FPDS-2D, FPTS-2D, y otro basado en la representación polar de las variables, llamada FPDS-1D, FPTS-1D. La primera propuesta de uso de los FPCS es en los algoritmos de optimización para resolver la ubicación óptima de los inyectores y venteos. En el caso de los procesos de infusión, estas boquillas no son puntos, sino que son curvas que deben de tomar formas y tamaños concretos para conseguir el mejor llenado posible, este es, que el flujo alcance el venteo en toda su dimensión en el mismo instante de tiempo, garantizando la impregnación total de la preforma. En este proceso, la problemática de la optimización es considerablemente más compleja que en los procesos comúnmente analizados en la literatura, RTM. En estos, es común acoplar la simulación mediante elementos finitos con los algoritmos genéticos para encontrar la solución óptima. Con este esquema se obtiene la solución óptima pero, con un tiempo de cómputo demasiado elevado que puede oscilar entre 30 minutos a horas en función de la complejidad del molde. Para su aplicación en procesos de infusión, sólo existe, según el conocimiento del autor, una única propuesta. En este caso se utiliza el mismo esquema que en procesos RTM donde, para una geometría rectangular formada por 0.6K FE nodos, el coste computacional es de 17 minutos. Además, en este trabajo no considera que el venteo deba de estar
