Uma abordagem para otimização do processo de retificação de insertos empregando inteligência artificial

• Processo: 22/01711-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2022
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Engenharias - Engenharia Mecânica - Processos de Fabricação
• Pesquisador responsável: João Vitor de Carvalho Fontes
• Beneficiário: Mateus Keniti Nakashima Sinzato
• Instituição Sede: Centro de Ciências Exatas e de Tecnologia (CCET). Universidade Federal de São Carlos (UFSCAR). São Carlos , SP, Brasil
• Bolsa(s) vinculada(s): 23/06179-4 - Torneamento duro de aço 4142 com ferramentas retificadas para preparação especial de aresta, BE.EP.MS
• Assunto(s): Usinagem Retificação
• Palavra(s)-Chave do Pesquisador: metal duro | Metodologia de taguchi | Preparação de aresta | Usinagem | Retificação

Resumo

A retificação é um processo abrasivo comumente empregado em operações secundárias por conferir tolerâncias dimensionais e geométricas estreitas, além de reduzida rugosidade superficial. Além dos aços endurecidos, que frequentemente passam por operações de acabamento com rebolo, outros materiais também são objetos da retificação, como os cermetos: compósitos com partículas cerâmicas e matriz metálica. Conhecidos popularmente como metais duros, esses materiais constituídos majoritariamente de carbetos de tungstênio e cobalto tem larga aplicação como ferramentas para usinagem. Nesse caso, a retificação é um dentre os diferentes processos abrasivos que podem ser aplicados para a preparação das arestas cortantes; mas verifica-se uma certa exiguidade de publicações a esse respeito, ainda que em crescente número nos últimos anos. Este projeto de mestrado pretende utilizar algoritmos de inteligência artificial como recurso de otimização para a retificação de insertos de metal duro considerando, por exemplo, propriedades do rebolo e parâmetros de usinagem como fatores de influência e características geométricas dos produtos, bem como as componentes da força de retificação, como variáveis de resposta. Planeja-se desenvolver o trabalho partindo de um modelo preliminar amparado na metodologia de Taguchi com uma matriz ortogonal reduzida e, após a análise de variância, implementar um modelo mais robusto, sempre lançando mão de inteligência artificial como inferência fuzzy, algoritmos genéticos e redes neurais.