dc.creator |
PONTES, Fabrício José |
|
dc.date.issued |
2006-11-16 |
|
dc.identifier.uri |
https://repositorio.unifei.edu.br/jspui/handle/123456789/3252 |
|
dc.description.abstract |
Prediction of tool life is important to ensure conformity of the product and to avoid
damage to the product itself and to the machine. Surface roughness is an essential requirement
for machined products. The main figure for that requirement is surface roughness. Accurate
forecasts of tool life may lead to cost reduction and increase in productivity. Prediction of
roughness may contribute to improve product quality and to reduce production times and
costs. To perform such predictions is a difficult task due to intrinsic non-linearity that
characterizes the processes involved. Neural networks are proven tools for prediction in
processes involving non-linearity, as it is the case for prediction of tool life and roughness.
This work is a study on the performance and variability of RBF (Radial Basis Function)
neural networks, projected with support of the methodology of Design of Experiments (DOE)
applied to prediction of tool life and surface roughness in the turning of a SAE 52100
hardened steel (55 HRC) with mixed ceramic tool. The factors employed in experimental
planning are parameters of project of the networks (number of radial units, algorithm for
determination of radial centers and algorithm for determination of the spread factor). Cutting
process parameters are employed as input for the networks. The output variable chosen to
measure network performance is the S. D. Ratio obtained during the testing phase of the
networks. Effects of project parameters and of size of training set on network performance are
investigated. In order to do that, experiments with training sets of different sizes are
conducted. Possible effects of interaction among factors are also investigated. Results are
expressed as network project parameters, for each training set employed. The best networks
obtained by means of the proposed method show accuracy and precision increasingly better as
the number of available examples for training grows up. Other results are the ranking of
relative importance of project factors in network performance. The work concludes that
interaction effects among levels of factors involved are statistically significant to the
performance of RBF networks in the proposed tasks. A comparison between RBF networks
and a linear optimization method points to superior performance of the networks in modeling
tool life and roughness. Conclusions suggest that the approach of using the methodology of
Design of Experiments (DOE) as a tool for project of networks for prediction of tool life and
surface roughness may constitute a better option than the trial and error approach or than the
strategy of varying one factor at a time in the search for high performance network
configurations. |
pt_BR |
dc.language |
por |
pt_BR |
dc.publisher |
Universidade Federal de Itajubá |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.subject |
Redes neurais |
pt_BR |
dc.subject |
Projeto de experimentos (DOE) |
pt_BR |
dc.subject |
Vida da ferramenta |
pt_BR |
dc.subject |
Rugosidade da peça |
pt_BR |
dc.subject |
Aço 52100 (55 HRC) |
pt_BR |
dc.title |
Predição da vida de ferramentas e da rugosidade da peça por redes neurais RBF projetadas com uso da metodologia de projeto de experimentos |
pt_BR |
dc.type |
Dissertação |
pt_BR |
dc.date.available |
2022-04-06 |
|
dc.date.available |
2022-04-06T19:29:50Z |
|
dc.date.accessioned |
2022-04-06T19:29:50Z |
|
dc.creator.Lattes |
http://lattes.cnpq.br/8725460617867195 |
pt_BR |
dc.contributor.advisor1 |
FERREIRA, João Roberto |
|
dc.contributor.advisor1Lattes |
http://lattes.cnpq.br/2091584947811081 |
pt_BR |
dc.contributor.advisor-co1 |
PAIVA, Anderson Paulo de |
|
dc.contributor.advisor-co1Lattes |
http://lattes.cnpq.br/4728106898297335 |
pt_BR |
dc.description.resumo |
A predição da vida da ferramenta é importante para garantir conformidade e evitar
danos à peça e à maquina. A qualidade de superfície é requisito essencial para produtos
usinados. Seu principal indicador é a rugosidade da peça. Predizer de modo exato a vida da
ferramenta pode representar redução de custos e aumento da produtividade. A predição da
rugosidade, por outro lado, pode contribuir para melhoria da qualidade do produto e para
minimização de tempos e custos. Realizar tais predições é difícil devido à não linearidade
associada aos processos de desgaste e de formação da rugosidade. Redes neurais mostram-se
eficazes para predição em processos que envolvem não linearidade, como é o caso dos
processos mencionados. Este trabalho estuda o desempenho e a variabilidade de redes neurais
RBF (função de base radial), projetadas com auxílio da metodologia de projeto de
experimentos (DOE), na predição da vida da ferramenta e da rugosidade no torneamento do
aço SAE/ABNT 52100 (55 HRC) com ferramenta de cerâmica mista. Os fatores utilizados no
planejamento experimental são parâmetros de projeto das redes neurais (número de unidades
radiais, algoritmo para determinação de centros da função radial e algoritmo para
determinação do parâmetro de largura da função radial). Os parâmetros de corte são utilizados
como entradas das redes. A grandeza de saída utilizada para medida do desempenho é a
Razão de Desvios Padrão da fase de testes das redes. São investigados os efeitos dos fatores
de projeto e do tamanho do conjunto de treinamento sobre o desempenho das redes na
predição. Para tanto são executados experimentos com diferentes quantidades de casos de
treinamento. Possíveis efeitos de interação entre fatores de projeto das redes RBF também são
investigados. Os resultados do estudo são expressos na forma de parâmetros de projeto de
rede para cada conjunto de treinamento utilizado. As melhores redes obtidas pelo uso do
método proposto apresentam exatidão e precisão crescentes com o aumento do número de
exemplos. Outro resultado é a estimação da importância relativa dos fatores de projeto no
desempenho das redes. O trabalho chega à conclusão de que os efeitos de interação entre
níveis dos fatores envolvidos são significativos para o desempenho das redes RBF nas tarefas
propostas. Uma comparação de desempenho entre as redes neurais e um método de ajuste de
curvas e otimização linear indica superioridade das redes na modelagem da vida da
ferramenta e da rugosidade. As conclusões sugerem que a metodologia de projeto de
experimentos pode constituir uma abordagem sistemática para projeto de redes neurais
superior à procura de configurações por tentativa e erro, ou à estratégia de variar-se um
parâmetro por vez. |
pt_BR |
dc.publisher.country |
Brasil |
pt_BR |
dc.publisher.department |
IEPG - Instituto de Engenharia de Produção e Gestão |
pt_BR |
dc.publisher.program |
Programa de Pós-Graduação: Mestrado - Engenharia de Produção |
pt_BR |
dc.publisher.initials |
UNIFEI |
pt_BR |
dc.subject.cnpq |
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO |
pt_BR |
dc.relation.references |
PONTES, Fabrício José. Predição da vida de ferramentas e da rugosidade da peça por redes neurais RBF projetadas com uso da metodologia de projeto de experimentos. 2006. 166 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2006. |
pt_BR |