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
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
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://www.teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/. Acesso em: 04 ago. 2025. -
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://www.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 2025 ago. 04 ] Available from: https://www.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 2025 ago. 04 ] Available from: https://www.teses.usp.br/teses/disponiveis/18/18153/tde-15052025-144755/
Informações sobre o DOI: 10.11606/D.18.2025.tde-15052025-144755 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
