Resumo:
O objetivo deste trabalho é avaliar a emissão de sinais acústicos durante o processo de torneamento do aço ABNT 52100 endurecido e identificar os parâmetros do sinal que sejam capazes de representar a rugosidade resultante da peça. Partindo desses parâmetros, propõe-se um novo método de monitoramento do processo utilizando modelos de misturas de Gaussianas (GMM). A principal característica desta nova abordagem é a utilização do som como meio de monitoramento. Além de apresentar vantagens como a facilidade de aquisição de dados e o baixo custo dos sensores (microfones), ainda é um sinal pouco explorado em técnicas de monitoramento. Para correlacionar a rugosidade resultante do processo de torneamento com os parâmetros do som emitido, técnicas de processamento de sinais digitais foram utilizadas para a extração de parâmetros como perfil de energia e coeficientes mel-cepstrais (MFCC). Estes parâmetros foram utilizados para treinar modelos de misturas de Gaussianas para representar cada grupo de rugosidade identificado. No treinamento dos modelos GMM, foram utilizadas 4 e 8 gaussianas a fim de avaliar o impacto no desempenho do método proposto. Ao apresentar o conjunto de sinais de teste aos modelos treinados, obteve-se uma superioridade nos modelos treinados com MFCC, apresentando uma taxa de acerto média de 94,27%. Já o número de Gaussianas não proporcionou aumento significativo de desempenho. A partir destes resultados, concluiu-se que o sinal acústico (som), através de parâmetros como os coeficientes mel-cepstrais, pode ser utilizado como forma de identificar variações no comportamento do processo, principalmente a rugosidade resultante da peça, o que permite o monitoramento da qualidade do processo de forma não destrutiva.
