Detalhes bibliográficos
| Ano de defesa: |
2021 |
| Autor(a) principal: |
Halla II, Ricardo |
| Orientador(a): |
Sousa, Fábio José Pinheiro |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Universidade Federal do Rio Grande do Norte
|
| Programa de Pós-Graduação: |
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA MECÂNICA
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Brasil
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://repositorio.ufrn.br/handle/123456789/32791
|
Resumo: |
O porcelanato consiste no melhor produto já desenvolvido dentro da classe dos revestimentos cerâmicos, devido às suas excelentes propriedades tribo-mecânicas e do seu aspecto estético. O brilho é um aspecto fundamental para o controle de qualidade do produto devido a sua grande apreciação pelos consumidores. O processo de ganho de brilho do porcelanato consiste na rotação de blocos abrasivos em contato com a superfície do revestimento, eliminando irregularidades e agregando valor ao produto ao atribuir o efeito brilhoso desejado. No entanto, o estudo e a otimização deste processo, com intuito da obtenção de um valor de brilho ideal e de uma melhor distribuição de brilho, requer um modelo analítico bastante complexo e de grande quantidade de variáveis, tornando esta investigação uma tarefa complicada. Além disto, uma prática comum na indústria é regular o processo de polimento a partir de tentativa e erro. Uma alternativa promissora é a utilização do modelo de redes neurais artificiais, devido à sua grande capacidade de tratar problemas não-lineares e de grande quantidade de variáveis, características intrínsecas ao processo de polimento. Portanto, o objetivo deste trabalho é analisar a influência de alguns parâmetros cinemáticos no valor de brilho do porcelanato. Esta análise se dará com a implementação, em linguagem Python, de um conjunto de oito redes neurais artificiais idênticas, mas com diferentes variáveis de entrada. Os dados de treinamento são provenientes de simulações computacionais e medições de brilho. Cada rede neural será capaz de fornecer o valor de brilho de uma região do porcelanato a partir de parâmetros cinemáticos fornecido por simulações computacionais. A performance de cada rede neural será analisada a partir do coeficiente de determinação, de modo que será possível obter a quantificação da capacidade de cada grupo de parâmetros em explicar a variável brilho. O propósito do desenvolvimento desta ferramenta é verificar a potencialidade deste modelo para possíveis aplicações tanto no campo da pesquisa quanto no setor industrial. |
