Use este identificador para citar ou linkar para este item: http://hdl.handle.net/1843/BUBD-A3QQB9
Tipo: Tese de Doutorado
Título: Modelagem e otimização de desvios em peças termoformadas a vácuo utilizando modelos de regressão múltipla e redes neurais artificiais
Autor(es): Wanderson de Oliveira Leite
Primeiro Orientador: Juan Carlos Campos Rubio
Primeiro Coorientador: Francisco Mata Cabrera
Primeiro membro da banca : Alexandre Mendes Abrao
Segundo membro da banca: Paulo Eustaquio de Faria
Terceiro membro da banca: Tulio Hallak Panzera
Quarto membro da banca: Rosemary Bom Conselho Sales
Resumo: No processo de termoformagem a vácuo, a qualidade final da peça depende de diversas variantes do sistema, que tornam a sua modelagem matemática computacional um processo complexo multivariável e de objetivos conflitantes. Por conseguinte, as expectativas quanto aos desvios do produto são, por vezes, subjetivas e dependentes do conhecimento prévio do executor. Neste sentido, este trabalho desenvolveu modelos utilizando Redes Neurais Artificiais (RNA) visando à correta previsão e minimização dos valores dos desvios da peças termoformadas a vácuo em limites admissíveis de tolerância. Para tal, foram produzidas amostras em testes exploratórios, experimentais e de validação de uma peça típica em Poliestireno (PS), por meio do planejamento fatorial fracionado (2k-p). Este estudo inicial permitiu identificar que todos os fatores principais são significativos em pelo menos um dos desvios dimensionais ou geométricos da peça. Posteriormente, foram programadas e testadas RNA com diversas estruturas e configurações e comparativamente Modelos de Otimização de Múltiplas Respostas (MOMR). Os resultados mostraram que os modelos de RNA e MOMR foram capazes de convergir para configurações de parâmetros de fabricação que otimizam os desvios da peça, entretanto, só os modelos com RNA conseguiram obter erros de estimativa dentro dos limites dos valores encontrados nos testes de validação. Assim, demonstrou-se que os modelos com RNA são propostas promissoras para o desenvolvimento de modelos e algoritmos que estimem e minimizem desvios de peças termoformadas a vácuo.
Assunto: Redes neurais (Computação)
Engenharia de produção
Idioma: Português
Editor: Universidade Federal de Minas Gerais
Sigla da Instituição: UFMG
Tipo de Acesso: Acesso Aberto
URI: http://hdl.handle.net/1843/BUBD-A3QQB9
Data do documento: 29-Mar-2015
Aparece nas coleções:Teses de Doutorado

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tese_leite.w.o_2011712534.pdf5.42 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.