Modelo preditivo baseado em árvore de decisão para controle dimensional de carcaças de mancais de deslizamento flangeados
| dc.contributor.advisor | Dalpra, Gabriella Castro Barbosa Costa. | |
| dc.contributor.advisor-co | Silva, Alisson Marques da. | |
| dc.contributor.advisor-coLattes | http://lattes.cnpq.br/3856358583630209 | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/8544922263187197 | |
| dc.contributor.author | Soares, Rafael Gonçalves | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/3589750491668052 | |
| dc.contributor.referee | Dalpra, Gabriella Castro Barbosa Costa. | |
| dc.contributor.referee | Brito, Jorge Nei. | |
| dc.contributor.referee | Oliveira, Ângelo Rocha de. | |
| dc.contributor.referee | Silva, Alisson Rocha de | |
| dc.date.accessioned | 2025-03-13T17:17:20Z | |
| dc.date.available | 2025-03-13T17:17:20Z | |
| dc.date.issued | 2023-07-06 | |
| dc.description.abstract | A usinagem de precisão e o controle dimensional exigem equipamentos de alto nível tecnológico, porém, observa-se que a interação humana também é utilizada na tomada de decisões como, por exemplo, nos ajustes de parâmetros de processo ou na definição de conformidade de peças produzidas. Essa interação humana é capaz de causar imprevisibilidade nos processos de fabricação por usinagem, acarretando na diminuição da produtividade e o aumento de custos de produção. Neste sentido, esse trabalho apresenta um modelo de predição baseado em árvore de decisão para controle dimensional no processo de fabricação de carcaças de mancais de deslizamento flangeados, conforme a norma técnica DIN 31693. O método que implementa essa aplicação fundamenta-se no monitoramento holístico da geometria da superfície da peça usinada. A abordagem utilizada para a compensação dos desvios dimensionais baseia-se no monitoramento e modelagem do desvio total. A heurística é utilizada para as etapas que compõe o processo de tomada de decisão. O caminho para a implementação do modelo preditivo na linha de produção baseia se na interação entre a experiência humana e a máquina. É proposto o uso da técnica de aprendizado de máquina baseada em árvores de decisão por regressão, para definição dos parâmetros de deslocamento dos eixos do centro de usinagem a partir dos resultados dimensionais das carcaças. O modelo é validado se o erro médio absoluto for menor ou igual a 0,003mm. Uma comparação entre um modelo de floresta aleatória é realizada para verificar o desempenho entre diferentes modelos preditivos. O modelo desenvolvido resultou em um máximo erro médio absoluto de 0,002042mm. Experimentos foram realizados em uma indústria de fabricação de mancais de deslizamento, posicionada entre as três marcas de maior participação no mercado internacional no ano de 2023, onde um lote com 12 peças foi fabricado e 48 definições de parâmetros foram submetidas ao modelo preditivo, o qual teve seu resultado aplicado em 46 definições. Por fim, a utilização do modelo preditivo foi capaz de reduzir em até 32% o tempo total de execução do processo de controle dimensional de carcaças. | |
| dc.description.abstractother | Precision machining and dimensional control require high-tech equipment. However, it is observed that human interaction is also used in decision-making, such as, for example, in adjusting process parameters or in defining the conformity of produced pieces. This human interaction can cause unpredictability in machining manufacturing processes, leading to decreased productivity and increased production costs. This work presents a prediction model based on a decision tree for dimensional control in the manufacturing process of side flange bearing housings, according to the technical standard DIN 31693. The method used is based on the holistic monitoring of the surface geometry of the machined piece. The approach used to compensate for dimensional deviations is based on monitoring and modeling the total deviation. The heuristic is used for the steps that make up the decision-making process. The way to implement the predictive model in the production line is based on the interaction between the human experience and the machine. A machine learning technique based on regression decision trees is used to define the displacement parameters of the machining center axes based on the dimensional results of the housings. The model is validated if the mean absolute error is less than or equal to 0.003mm. A comparison between a random forest model is performed to verify the performance between different predictive models. The developed model resulted in a maximum mean absolute error of 0.002042mm. Experiments were carried out in a journal-bearing manufacturing industry positioned among the three brands with the highest participation in the international market in 2023, whose batch with 12 pieces was manufactured, and 48 parameter definitions were submitted to the predictive model, which had its result applied to 46 definitions. Finally, the use of the predictive model was able to reduce the total execution time of housings dimensional control process by up to 32%. | |
| dc.identifier.uri | https://repositorio.cefetmg.br//handle/123456789/750 | |
| dc.language.iso | pt | |
| dc.publisher | Centro Federal de Educação Tecnológica de Minas Gerais | |
| dc.publisher.country | Brasil | |
| dc.publisher.initials | CEFET-MG | |
| dc.publisher.program | Programa de Pós Graduação em Automação e Sistemas | |
| dc.subject | Controle | |
| dc.subject | Processo de usinagem | |
| dc.subject | Processos de Fabricação | |
| dc.subject | Projetos industriais | |
| dc.title | Modelo preditivo baseado em árvore de decisão para controle dimensional de carcaças de mancais de deslizamento flangeados | |
| dc.type | Dissertação |
Arquivos
Pacote Original
1 - 1 de 1
Carregando...
- Nome:
- Modelo preditivo baseado em árvore de decisão para controle dimensional de carcaças de mancais de deslizamento flangeados
- Tamanho:
- 1.93 MB
- Formato:
- Adobe Portable Document Format
Licença do Pacote
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- license.txt
- Tamanho:
- 1.39 KB
- Formato:
- Item-specific license agreed to upon submission
- Descrição: