Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Tecnológico

Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Mecânica

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Social

Tipo do Documento: Tese

Título: DESENVOLVIMENTO DE SISTEMAS NEURAIS ARTIFICIAIS APLICADOS AO CONTROLE DE QUALIDADE DE COMPRESSORES EM LINHA DE PRODUÇÃO

Ano: 2015

Orientador
  • CARLOS ALBERTO FLESCH
Aluno
  • ANTONIO LUIZ SCHALATA PACHECO

Conteúdo

Dois mecanismos importantes para controle da qualidade de produção de compressores herméticos para refrigeração são os ensaios de desempenho e de mínima tensão de partida. por demandarem muito tempo, ambos são restritos a laboratórios, não sendo viável sua aplicação direta em linhas de produção. ensaios de desempenho requerem mais de 4 horas para serem realizados e de partida necessitam de tempos médios de 50 minutos. devido ao tempo e custos envolvidos, a avaliação de todo um lote produzido é tipicamente realizada por meio dos ensaios de uma pequena amostra, em condições laboratoriais. o controle da qualidade de cada peça é restrito aos testes compatíveis com o tempo de ciclo da linha de produção. a empresa líder mundial na produção de compressores avalia a capacidade de cada unidade produzida em elevar a pressão de ar interna de um volume de valor conhecido, em testes que demandam menos de 7 s. em estudo de caso, constatou-se a hipótese que desses testes de linha resultam parâmetros correlacionados aos obtidos nos ensaios de desempenho e de partida. os níveis de correlação permitiram a realização de inferência dos parâmetros de laboratório a partir dos dados de linha de produção, o que se conseguiu com uso de ferramentas baseadas em redes neurais artificiais. parcela significativa dos resultados das inferências distou menos de 1% dos valores fornecidos pelos ensaios de laboratório. a garantia da confiabilidade é um dos entraves mais expressivos para o emprego de redes neurais em atividades metrológicas. a avaliação de incerteza calcada nos preceitos metrológicos vigentes deve levar em conta as contribuições das incertezas de medição das variáveis de entrada e das incertezas do processo de treinamento. com esse intuito, aperfeiçoou-se técnica disponibilizada em publicações recentes, que combina a reamostragem bootstrap, tipicamente utilizada para fornecer intervalos de confiança em redes neurais, com o método de monte carlo, frequentemente empregado na avaliação da incerteza de medição. a integração desses métodos representa evolução no estado da arte, por consubstanciar-se em abordagem adequada à avaliação da incerteza da saída de ferramentas baseada em redes neurais, conferindo confiabilidade às inferências obtidas em estudo de caso. os níveis de incerteza estimados resultaram compatíveis com a incerteza de medição das grandezas envolvidas, em todas as frentes investigadas. as ferramentas propostas se mostraram adequáveis à rotina da linha de produção. o tempo médio para obtenção de cada resultado ficou próximo a 7 s, possibilitando que parâmetros típicos de ensaios de desempenho e de mínima tensão de partida possam ser obtidos para 100% dos compressores produzidos.

Pós-processamento: Índice de Shannon: 3.8411

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
3,50% 14,12% 5,63% 8,22% 3,36% 4,75% 9,20% 6,01% 8,03% 3,96% 4,13% 10,88% 3,90% 7,51% 3,15% 3,65%
ODS Predominates
ODS 2
ODS 1

3,50%

ODS 2

14,12%

ODS 3

5,63%

ODS 4

8,22%

ODS 5

3,36%

ODS 6

4,75%

ODS 7

9,20%

ODS 8

6,01%

ODS 9

8,03%

ODS 10

3,96%

ODS 11

4,13%

ODS 12

10,88%

ODS 13

3,90%

ODS 14

7,51%

ODS 15

3,15%

ODS 16

3,65%