1. Repositório Institucional da UFMG
  2. Trabalhos Acadêmicos
  3. Dissertações e Teses
  4. Pós-Graduação em Engenharia de Produção
  5. Teses de Doutorado
Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUBD-A3QQB9
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Juan Carlos Campos Rubiopt_BR
dc.contributor.advisor-co1Francisco Mata Cabrerapt_BR
dc.contributor.referee1Alexandre Mendes Abraopt_BR
dc.contributor.referee2Paulo Eustaquio de Fariapt_BR
dc.contributor.referee3Tulio Hallak Panzerapt_BR
dc.contributor.referee4Rosemary Bom Conselho Salespt_BR
dc.creatorWanderson de Oliveira Leitept_BR
dc.date.accessioned2019-08-12T14:10:07Z-
dc.date.available2019-08-12T14:10:07Z-
dc.date.issued2015-03-29pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/BUBD-A3QQB9-
dc.description.resumoNo 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.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectDesviospt_BR
dc.subjectPlanejamento e análise de experimentospt_BR
dc.subjectTermoformagem a vácuopt_BR
dc.subjectdimensionais e geométricospt_BR
dc.subject.otherRedes neurais (Computação)pt_BR
dc.subject.otherEngenharia de produçãopt_BR
dc.titleModelagem e otimização de desvios em peças termoformadas a vácuo utilizando modelos de regressão múltipla e redes neurais artificiaispt_BR
dc.typeTese de Doutoradopt_BR
Appears in Collections:Teses de Doutorado

Files in This Item:
File Description SizeFormat 
tese_leite.w.o_2011712534.pdf5.42 MBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.