Defesa de tese de WANDERSON DE OLIVEIRA LEITE
MODELAGEM E OTIMIZAÇÃO DE DESVIOS EM PEÇAS TERMOFORMADAS A VÁCUO UTILIZANDO REDES NEURAIS ARTIFICIAIS
No processo de termoformagem a vácuo, a qualidade final da peça depende de diversas variantes do sistema, que tornam a sua modelagem matemática computacional um processo complexo multivariável e de objetivos conflitantes. Por conseguinte, as expectativas quanto aos desvios do produto são, por vezes, subjetivas e dependentes do conhecimento prévio do executor. Neste sentido, este trabalho pretendeu desenvolver modelos utilizando Redes Neurais Artificiais (RNA) que corretamente estimem e minimizem os valores dos desvios da peças dentro de limites ótimos de tolerância. Para tal, foram produzidas amostras em testes exploratórios, experimentais e de validação de uma peça típica em poliestireno (PS), por meio do planejamento fatorial fracionado (2k-p). Este estudo inicial permitiu identificar que todos os fatores principais são significativos em pelo menos um dos desvios dimensionais ou geométricos da peça. Posteriormente, foram programadas e testadas RNA com diversas estruturas e configurações e comparativamente modelos de otimização de múltiplas respostas (MOMR). Os resultados mostraram que os modelos de RNA e MOMR foram capazes de convergir para configurações de parâmetros de fabricação que otimizam os desvios da peça, entretanto, só os modelos com RNA conseguiram obter erros de estimativa dentro dos limites dos valores encontrados nos testes de validação. Assim, demonstrou-se que os modelos com RNA são uma proposta promissora para o desenvolvimento de modelos e algoritmos que estimem e minimizem desvios de peças termoformadas a vácuo.
29/05/2015
08:30
Auditório da Escola de Engenharia da, sala 1010