Abstract The HSLA steel API 5L X70 is used to manufacture pipes for transporting hydrocarbons. The construction of pipe of this material involves high amount of welding, where the parameters used affect directly in the metallurgical structure and in the mechanical properties thereof when welded. Thus, to study the impact of the parameters of the submerged arc welding in mechanical strength and hardness of the heat affected zone (HAZ), it was held a central composite design which totaled 17 tests. The input variables were current, voltage and travel speed; as output variables was considered tensile strength and Vickers hardness of the HAZ. For this study it was used the SAW process (Submerged Arc Welding), tensile testing and Vickers hardness testing. The response surface methodology was used for modeling and the optimization was done using genetic algorithms and Pareto front graph. Sixteen combinations of parameters were obtained with the optimization, of which one was chosen to validate the models. With the results it was possible to establish satisfactory empirical mathematical models for the response variables.

Resumen El acero HSLA (High Strength Low Alloy) API 5L X70 es utilizado para fabricación de tuberías para transporte de hidrocarburos. La construcción de tuberías de este material involucra alta cantidad de soldadura, donde los parámetros empleados influyen directamente en las estructuras metalúrgicas y en las propiedades mecánicas del mismo cuando soldado. Así, para estudiar el impacto de los parámetros de soldadura por arco sumergido en la resistencia mecánica y dureza de la Zona Afectada por el Calor (ZAC), fue llevado a cabo un diseño central compuesto que totalizó 17 pruebas. Las variables de entrada fueron corriente, voltaje y velocidad de avance; como variables de salida se consideró resistencia a la tensión y dureza Vickers de la ZAC. Para tal estudio fue utilizado el proceso de soldadura por arco sumergido, pruebas de tensión y pruebas de dureza Vickers. Se utilizó la metodología de superficie de respuesta para el modelado y la optimización fue realizada utilizando algoritmos genéticos y la gráfica de frente de Pareto. Fueron obtenidas 16 combinaciones de parámetros con la optimización, de las cuales fue escogida una para validar los modelos. Con los resultados fue posible establecer modelos matemáticos empíricos satisfactorios para las variables de respuesta.