Desenvolvimento de classificador de código aberto para identificação de polímeros destinados à manufatura aditiva

• Ano de defesa: 2021
• Autor(a) principal: Cunha, Daniel Aparecido Lopes Vieira da
• 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: Additive manufacturing; Aprendizado de máquinas; Automation; Automatização; Chemometrics; FDM; Machine learning; Manufatura aditiva; NIR; Quimiometria
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18158/tde-24032021-120744/

Ao longo dos anos de seu desenvolvimento, a Manufatura Aditiva (MA) emergiu como uma técnica de fabricação extremamente promissora e eficiente, capaz de revolucionar boa parte dos ambientes de produção em um novo contexto conduzido pela Indústria 4.0. A fabricação de objetos via adição de camadas subsequentes concede aos processos aditivos uma gama de vantagens que transformam as cadeias produtivas, na medida em que proporcionam a otimização de projetos de manufatura pela liberdade de design e geração de geometrias complexas sob demanda. Do mesmo modo, essas vantagens cativaram outros setores da economia, sendo possível observar a aplicação dos variados equipamentos de impressão 3D, não somente em projetos científicos de alta tecnologia, mas também como método educativo ou simplesmente para uso recreativo. Por outro lado, na proporção em que a MA amadurece, novas demandas do processo surgem, principalmente relacionadas ao aumento da precisão de fabricação, redução do tempo de manufatura, aumento da qualidade das peças produzidas e padronização dos parâmetros de processamento. Nesse sentido, o presente trabalho teve como objetivo atender integralmente tais demandas ao propor o desenvolvimento de um sistema de identificação da matéria-prima via dispositivos de sensoriamento. A partir do reconhecimento do material aplicado, se torna viável definir automaticamente os parâmetros de processamento adequados, tornando a fabricação mais independente, produtiva, rápida e segura. Em sua primeira versão, o classificador recebeu os dados de espectroscopia de infravermelho próximo (NIR), os quais descrevem as características inerentes aos materiais pela resposta de frequência vibracional de suas moléculas. Os dados espectrais provenientes dos filamentos de poli(ácido láctico) (PLA), acrilonitrila butadieno estireno (ABS) e poli(tereftalato de etileno glicol) (PETG) foram previamente tratados por procedimentos derivativos de Savitzky-Golay, que suavizam e minimizam as variações e ruídos dos espectros. Na sequência, esses espectros tratados foram projetados pela Análise dos Componentes Principais (PCA) de modo a reduzir a dimensionalidade do conjunto dos dados por meio da seleção das principais componentes. A PCA organiza os espectros similares de cada classe de material em agrupamentos de scatters, auxiliando o processo de predição do modelo de classificação da Análise dos Discriminantes Lineares (LDA). Todas as etapas do roadmap do sistema se fundamentaram no alinhamento dos conceitos de aprendizado de máquinas (AM) e nos procedimentos da Quimiometria, configurados e testados previamente pela análise exploratória. Os ajustes resultaram em um percentual de acurácia do treinamento de 100% de predições corretas, atestando a eficácia da metodologia desenvolvida. Ao final, o sistema de classificação foi codificado com base na análise exploratória e validado por testes com dois subconjuntos de dados distintos. Os resultados apresentaram um alto valor macro-f1 (0,79) ao submeter o classificador a um subconjunto bastante específico, evidenciando a factibilidade de aplicação do sistema de classificação no escopo do projeto. A principal contribuição do trabalho, portanto, foi o desenvolvimento de um algoritmo de classificação, assim como um projeto conceitual, capazes de conceder procedimentos iniciais de um sistema que propicia o aumento da acessibilidade e da produtividade da MA em variados domínios de fabricação.