É amplamente aceito que o monitoramento eficiente dos processos de usinagem, principalmente no que diz respeito à condição da ferramenta, é vital para o desenvolvimento de máquinas capazes de produzir peças baratas e de alta qualidade a um baixo custo sem a necessidade da intensa supervisão de um operador. Este trabalho mostra o desenvolvimento de um equipamento de baixo custo capaz de medir o torque de uma operação de fresamento. O equipamento utiliza um sistema óptico, modulado em freqüência, para a transmissão do sinal da ferramenta girante para o receptor estacionário. O equipamento também conta com um sistema simples de amostragem do sinal baseado na porta paralela do PC, por meio de um software de tempo real. Com este equipamento foram coletados sinais durante todo o ciclo de vida de uma fresa de topo desenvolvendo uma operação de ranhurado. Os sinais foram analisados com o objetivo de estudar a aplicação da medição de torque no monitoramento do desgaste em fresas de topo. Para melhor entendimento do sinal foi desenvolvido um modelo que representa com razoável precisão a dinâmica do sinal. O modelo foi utilizado para simular as variações encontradas nos sinais coletados e o parâmetro mais associado a estas variações. Redes Neurais foram experimentadas para identificar o desgaste da ferramenta baseado no espectro do sinal.

It is widely accepted that efficient machining process monitoring, mainly regarding to tool condition, is vital to develop machines able to produce inexpensive and high quality parts without intense human intervenience. This work shows the development of a low cost equipment able to measure torque of a milling operation. It uses an optic frequency modulated system to transmit the signal from the rotating part to the stationary receptor. The equipment uses a simple sampling system based on the parallel printer port of the PC, through a real time software. Using this equipment, signals were collected during a hole mill lifetime when performing a grooving operation. The signals were analyzed to access the feasibility of the torque measurement in milling tool condition monitoring. A model that reasonably represents the torque signal dynamics was developed to better understanding the signal. The model was used to simulate the variations found in the collected signalsand the parameter more linked to this variations. Neural Networks were tried to identify the tool wear based on signals spectra.