Estimação do diâmetro de furos em processo de furação utilizando sistemas de inteligência artificial: uma análise comparativa entre diferentes técnicas

• Ano de defesa: 2011
• Autor(a) principal: Geronimo, Thiago Matheus [UNESP]
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: Usinagem; Inteligência artificial - Engenharia de Aplicações; Redes neurais (Computação); Drilling process monitoring; Artificial intelligent systems; Neural networks (Computer science)
• Link de acesso: http://hdl.handle.net/11449/87195

O monitoramento de processos de fabricação pro usinagem tem se mostrado de extrema importância nas empresas que buscam um nível de excelência em qualidade, auxiliando na melhor alocação de recursos e redução de desperdícios oriundos de peças com problemas de qualidade. Abordagens multisensoriais têm sido empregadas no monitoramento desses processos com o objetivo de utilizar os sinais no treinamento de sistemas de inteligência artificial na tarefa de indicar desvios nas ferramentas ou no produto sendo fabricado. Neste trabalho, três sistemas de inteligência artificial foram utilizados com o o objetivo de prover estimativas para o diâmetro de furos obtidos por processo de furação de precisão. Uma rede neural artificial perceptron de múltiplas camadas (RNA MLP), um sistema de inerferência adaptável neuro-fuzzy (ANFIS) e uma rede neural artificial com função de base radial (RBF) foram treinados com os dados obtidos com os sensores para estimar os diâmetros dos furos para cada material de corpo-de-prova. A definição da melhor configuração para cada sistema de inteligência artificial foi obtida através de algoritmos desenvolvidos para verificar a influência dos sinais e dos parâmetros particulares de cada sistema sobre o resultado final da estimativa. Os resultados obtidos indicam que a RNA MLP apresenta maior robutez perante a variação nos dados apresentados. O sistema ANFIS e a rede RFB mostraram que seu resultado varia acentuadamente quando há variações nos dados apresentados no treinamento, requerendo que estes sistemas sejam treinados sempre com o conjunto de dados apresentados na mesma ordem. A análise de influência dos sinais mostrou que, embora a abordagem multisensorial apresente bons resultados na rede MLP, o mesmo não se repetiu para os demais sistemas...