RT Generic
T1 Dataset 4 - Proyecto SPAREMETAL
T2 DS4 - Mecanizado de Ti6Al4V
A1 Sevilla-Hurtado, Lorenzo
A1 Trujillo-Vilches, Francisco Javier
A1 Martín-Béjar, Sergio
A1 Bermudo-Gamboa, Carolina
A1 Herrera-Fernández, Manuel José
A1 Andersson, Tobias
A1 Svensson, Daniel
A1 Sánchez Hernández, Yezika
K1 Aleaciones ligeras
K1 Procesos de fabricación
AB Este dataset contiene datos experimentales y procesados obtenidos durante procesos de mecanizado en seco de aleaciones ligeras (aleación de aluminio UNS A97075 y aleación de titanio Ti6Al4V). Los datos se recopilaron en el marco del proyecto de investigación SPAREMETAL e incluyen tanto datos de monitorización en tiempo real como resultados de caracterización fuera de línea. Se trata del dataset 4 (existen 4 para este proyecto), en el que se analiza el efecto de los parámetros de corte sobre las fuerzas de corte, la temperatura, la vibración, las desviaciones macrogeométricas, la rugosidad y la microdureza en el mecanizado de la aleación UNS Ti6Al4V.Datos generados/recogidos:En el proyecto SPAREMETAL se han generado datos experimentales derivados de procesos de mecanizado en seco de aleaciones ligeras (UNS A97075 y Ti6Al4V), incluyendo:•	Datos de monitorización online (fuerzas de corte, temperatura, vibraciones, consumo energético) •	Datos de monitorización offline (rugosidad, desviaciones geométricas, microdureza, fatiga) •	Bases de datos integradas de parámetros de corte y variables de salida •	Modelos predictivos basados en redes neuronales artificiales •	Archivos de simulación (MATLAB/Simulink) •	Documentación metodológica y protocolos experimentales Formatos y estándares utilizados:•	CSV, XLSX, FEL, DWD, ATS, DXD (data)•	MAT, M, SLX, MALAPP, MLX, EXE (models)•	Documentación: PDF, DOCX •	Imágenes: TIFF, PNG Valor para otros investigadores:Los datos permiten:•	Reproducir experimentos de mecanizado sostenible •	Validar modelos predictivos •	Desarrollar nuevos algoritmos de optimización
PB Universidad de Málaga
YR 2026
FD 2026
LK https://hdl.handle.net/10630/46491
UL https://hdl.handle.net/10630/46491
LA eng
NO README – SPAREMETAL DATASET 4Title:Experimental and predictive data from sustainable machining of light alloys (SPAREMETAL project)Project:PID2021-125988OB-I00Sistema experto para la mejora de la integridad superficial en el mecanizado sostenible de aleaciones ligerasInstitution:University of Malaga (Universidad de Málaga)Principal Investigator:Lorenzo Sevilla Hurtado (ORCID: 0000-0002-2236-5807)Contributors:Francisco Javier Trujillo VilchesCarolina Bermudo GamboaSergio Martín BéjarManuel Herrera FernándezTobias AnderssonDaniel SvenssonYezika Sánchez HernándezDescription:This dataset contains experimental and processed data obtained during dry machining processes of light alloys (UNS A97075 aluminum alloy and Ti6Al4V titanium alloy). The data were collected within the SPAREMETAL research project and include both online monitoring data and offline characterization results. This is dataset 4 (there are 4 in total for this project), which analyzes the effect of cutting parameters on the cutting forces, temperature, vibration, macrogeometrical deviations, Roughness and Microhardness  in the machining of the alloy UNS Ti6Al4V.Data include:- Online monitoring data: cutting forces, temperature, vibrations, energy consumption- Offline measurements: surface roughness (2D/3D), microhardness, geometrical deviations- Derived datasets: aggregated databases linking input machining parameters and output variables- Predictive models: artificial neural networks (ANN) developed in MATLAB/SimulinkFolder structure:01. RAW DATA: Folder containing the raw data for the output variables; 02. PROCESSED DATA: Folder with the processed databases of the output variables;03. MODELS: Developed mathematical models for the output variables as a function of the input variables;04. Documentation: Documentation associated with the Project;File formats:- CSV, XLSX, FEL, DWD, ATS, DXD (data)- MAT, M, SLX, MALAPP, MLX, EXE (models)- PDF, DOCX (documentation)- PNG, TIFF, JPG (images)Methodology:The dataset was generated through controlled machining experiments using CNC turning equipment. Input parameters include cutting speed, feed rate and depth of cut. Output variables were measured using dynamometers, thermographic cameras, accelerometers and optical metrology systems.Units:All variables are expressed in SI units unless otherwise specified in metadata files.Reuse:Data can be reused for:- Validation of machining models- Development of predictive algorithms- Comparative studies in manufacturing engineeringLicense:Creative Commons Attribution 4.0 (CC BY 4.0)Funding:Spanish State Research Agency (AEI) – Projects of Knowledge Generation 2021Contact:Lorenzo Sevilla HurtadoUniversity of MalagaEmail: (lsevilla@uma.es)Date of publication:2026Version:v2.0
NO Ministerio de Ciencia e Innovación
DS RIUMA. Repositorio Institucional de la Universidad de Málaga
RD 5 may 2026