Sistema dedicado de aquisição de dados para obtenção de assinaturas de processo em torno CNC

• Ano de defesa: 2017
• Autor(a) principal: Bonacini, Leonardo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Aquisição de dados; Assinaturas de processos; CNC; Data acquisition; Instrumentação; Instrumentation; Processes signatures
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18145/tde-04122019-143055/

O avanço da tecnologia e as necessidades impostas pelo mercado como, por exemplo, alta qualidade superficial e redução de custos de fabricação tornaram as máquinasferramentas foco de inúmeras pesquisas, que visam o aprimoramento de seu desempenho em diferentes processos industriais. Algumas destas pesquisas têm como objetivo a instrumentação da máquina, visando o monitoramento de algumas variáveis relacionadas ao processo de usinagem. Para realizar tal monitoramento, são utilizados sistemas com sensores que permitem medir grandezas físicas que estão intimamente ligadas aos parâmetros de corte (avanço, velocidade de corte e profundidade de corte). Estes parâmetros são de fundamental importância para o processo e auxiliam na boa usinabilidade dos materiais. Erros na configuração destes parâmetros, antes ou durante o processo, podem ocasionar desgaste ou até mesmo a quebra da ferramenta. As principais grandezas utilizadas em monitoramento de máquinas-ferramentas são a vibração mecânica (correlacionada com a rotação da peça, com o movimento e com o desgaste da ferramenta quando se faz referência ao processo de usinagem), a temperatura (que varia, principalmente, com a deformação plástica na interface peça-ferramenta e o atrito nas interfaces peça/ferramenta e cavaco/ferramenta) e a vibração sonora (relacionada à rigidez e ao atrito entre os materiais). No presente projeto de pesquisa, desenvolveu-se um sistema de aquisição paralela de dados que monitora a vibração mecânica, a temperatura e o som emitido durante um processo de torneamento. Os dados adquiridos passam por um pré-processamento para corrigir as atenuações e ganhos gerados pelos transdutores e, posteriormente, estes são processados no domínio do tempo. Em seguida, foram retiradas as assinaturas do processo de torneamento, estas consistem na média dos dados referente a cada experimento com parâmetros de corte diferentes. Para realizar a classificação foram tomados dois métodos:o primeiro consistiu em determinar a menor distância euclidiana entre os dados e os grupos, método este que obteve uma taxa de acerto de pouco mais de 53%; o outro método consistiu em uma rede neural que obteve uma taxa de acerto de aproximadamente 68%. Como o algoritmo inteligente obteve melhor resultado, fez-se uma fusão das saídas da rede neural que possui como entrada os dados das três grandezas medidas com uma outra rede neural com apenas os dados de temperatura e som. Esta configuração gerou uma taxa de acerto de 90% que é relativamente alta tendo como base esta aplicação, comprovando que os dados de entradas são suficientes para classificar as condições de torneamento. Sendo assim, pode-se concluir que a média desses dados foi suficiente para gerar uma assinatura de processo de torneamento.