| 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. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |