Estimação do desgaste da ferramenta no processo de fresamento utilizando um algoritmo neuro-fuzzy com otimização por enxame de partículas micro evolucionária (2025)
- Authors:
- Autor USP: SOUSA, GIOVANNI OLIVEIRA DE - EESC
- Unidade: EESC
- Sigla do Departamento: SEL
- DOI: 10.11606/D.18.2025.tde-15052025-144755
- Subjects: FRESAGEM; FERRAMENTAS; DESGASTE; LÓGICA FUZZY
- Keywords: Otimização por enxame de partículas micro evolucionária.
- Agências de fomento:
- Language: Português
- Abstract: O fresamento é um dos principais processos de usinagem e sua implementação automatizada em larga escala é adequada para suprir demandas de produção na indústria; porém, a utilização contínua do sistema leva a eventuais falhas, principalmente em seu componente principal, a ferramenta de corte. Tais falhas, como o desgaste mecânico da ferramenta, causam problemas no processo e no produto, afetando a produtividade e competitividade. Dessa forma, o monitoramento constante da condição da ferramenta se torna essencial para garantir a qualidade dos produtos, além de economizar em paradas para consertos e reposições. Os métodos atuais de monitoramento utilizam técnicas de inteligência artificial para a estimação do desgaste; porém, novos algoritmos de predição e otimização são introduzidos na literatura, abrindo novas aplicações em monitoramento, com possibilidade de melhoramento na eficiência do método. Nesse contexto, o algoritmo de otimização por enxame de partículas micro evolucionária traz benefícios em relação à velocidade de convergência, sendo uma adição importante para a predição eficiente de desgaste da ferramenta; portanto, este trabalho propõe a combinação do novo algoritmo de otimização em um sistema neuro-fuzzy, outro modelo pouco explorado, para a estimação do desgaste de ferramenta no processo de fresamento. O trabalho consiste em processar digitalmente sinais provenientes de experimentos reais de fresamento extraídos de uma base de dados pública, obtidos por meio desensores de emissão acústica, vibração e corrente elétrica; utilizar as informações obtidas para treinamento do algoritmo proposto e produzir resultados numéricos de predição de desgaste de ferramenta. Os resultados foram analisados por meio de gráficos de regressão e pelo cálculo de métricas consolidadas, sendo essas o erro quadrático médio (MSE), erro absoluto médio (MAE) e coeficiente de determinação (R^[2] ). As melhores métricas obtidas foram MSE = 0,0045, MAE = 0,0578 e R^[2] = 0,9058. Duas comparações dos resultados em relação a outras aplicações na literatura foram realizadas, a primeira com modelos similares ao proposto e a segunda seguindo a mesma base de dados. O algoritmo proposto demonstrou resultados promissores, destacando sua relevância na estimação do desgaste de ferramenta
- Imprenta:
- Publisher place: São Carlos
- Date published: 2025
- Data da defesa: 22.04.2025
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
SOUSA, Giovanni Oliveira de. Estimação do desgaste da ferramenta no processo de fresamento utilizando um algoritmo neuro-fuzzy com otimização por enxame de partículas micro evolucionária. 2025. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2025. Disponível em: https://teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/. Acesso em: 27 mar. 2026. -
APA
Sousa, G. O. de. (2025). Estimação do desgaste da ferramenta no processo de fresamento utilizando um algoritmo neuro-fuzzy com otimização por enxame de partículas micro evolucionária (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/ -
NLM
Sousa GO de. Estimação do desgaste da ferramenta no processo de fresamento utilizando um algoritmo neuro-fuzzy com otimização por enxame de partículas micro evolucionária [Internet]. 2025 ;[citado 2026 mar. 27 ] Available from: https://teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/ -
Vancouver
Sousa GO de. Estimação do desgaste da ferramenta no processo de fresamento utilizando um algoritmo neuro-fuzzy com otimização por enxame de partículas micro evolucionária [Internet]. 2025 ;[citado 2026 mar. 27 ] Available from: https://teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/ - Structural health monitoring using chirp-through transmission and macro fiber composite transducers
- Tool wear estimation in the milling process using backpropagation-based machine learning algorithm
- Milling tool wear estimation based on a neuro fuzzy algorithm and micro evolutionary particle swarm optimization
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
