Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Scharf, Henry Peterson
Orientador(a): Costa, Dalberto Dias da, 1964-
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Manufatura
Aprendizado do computador
Engenharias
Link de acesso: https://hdl.handle.net/1884/74285
Resumo: Orientador: Prof. Dr. Dalberto Dias da Costa
id UFPR_52b46a24a148fe91bfe960bac658eebd
oai_identifier_str oai:acervodigital.ufpr.br:1884/74285
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str
spelling Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de ManufaturaCosta, Dalberto Dias da, 1964-Scharf, Henry Peterson2022-10-31T12:22:28Z2022-10-31T12:22:28Z2021https://hdl.handle.net/1884/74285Orientador: Prof. Dr. Dalberto Dias da CostaDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Manufatura. Defesa : Curitiba, 10/12/2021Inclui referências: p. 83-93Resumo: Grande parte dos produtos fabricados por meio de processos de usinagem passam em algum momento por um processo de furação. Porém a usinagem de furos complexos pode ser considerada um gargalo, uma vez que o baixo avanço e as sucessivas trocas de ferramentas aumentam o tempo de produção. Por isso o uso de ferramentas combinadas, comumente chamadas de brocas escalonadas, é uma prática recorrente para diminuir essa desvantagem, principalmente na produção de grandes lotes. Porém sua geometria mais complexa, relativamente a uma broca não escalonada, tem influência na sua vida útil, normalmente a quebra de cavaco é deficiente e o desgaste ocorre de diferentes maneiras ao longo das arestas de corte, tornando o controle de vida uma tarefa não trivial. Além dessa preocupação, hoje as empresas metalmecânicas enfrentam a necessidade de adequar seus sistemas de produção para se tornarem aderentes ao ambiente da Indústria 4.0, o que exige o acompanhamento das atividades de manufatura em tempo real incluindo, é claro, o monitoramento da vida útil da ferramenta. Para cumprir esse desafio, uma etapa importante é a seleção e avaliação de sensores capazes de adquirir dados relevantes a serem empregados na avaliação direta e indireta da deterioração desse tipo de ferramenta complexa. Neste contexto o presente trabalho propõe a avaliação da eficácia da utilização de Redes Neurais Artificiais, através das técnicas de aprendizado de máquina e aprendizado profundo, para determinação do fim de vida de uma broca escalonada fabricada em metal duro, com diâmetros aproximados de 18 e 24 mmm fabricada em metal duro, utilizando três técnicas de coleta de sinais. A metodologia proposta consistiu em um sensor de corrente e um acelerômetro próximo ao fuso principal e uma câmera CMOS de alta resolução próxima ao magazine de ferramentas. A partir dos resultados alcançados até o momento, é possível argumentar que as imagens de alta qualidade das arestas de corte da broca puderam ser capturadas sem interferir nas operações de usinagem. Além disso, observou-se que os sinais brutos da aceleração RMS de vibração, nas faixas de rotação da ferramenta, apresentaram uma correlação de 82% em relação a vida útil da broca. Porém somente após a extração das características estatísticas de todos os sinais coletados foi possível o atingimento da máxima acurácia para os dados, 95%. A principal conclusão deste trabalho foi que os dados desses três métodos avaliados podem ser integrados para desenvolver um sistema autônomo, que pode decidir o momento correto para trocar ferramentas complexas como a broca investigada neste trabalho, chegando a uma acurácia global de 96%.Abstract: Most products manufactured through machining processes go through a drilling process at some point of the production chain. However, machining complex holes can be considered a bottleneck, since the low feed and successive tool changes increase production time. Therefore, the use of combined tools, commonly called step drills, is a recurrent practice to reduce this disadvantage, especially in large batch production. However, its more complex geometry, relative to a non-stepped drill, has an influence on its useful life, normally the chip breaking is deficient, and the wear occurs in different ways along the cutting edges, making the life control a non-trivial task. In addition to this concern, metal-mechanical companies today face the need to adapt their production systems to become adherent to the Industry 4.0 environment, which requires monitoring of manufacturing activities in real time, including, of course, monitoring the useful life of the tool. To meet this challenge, an important step is the selection and evaluation of sensors capable of acquiring relevant data to be used in the direct and indirect evaluation of the deterioration of this type of complex tool. In this context, the present work proposes the evaluation of the effectiveness of the use of Artificial Neural Networks, through machine learning and deep learning techniques, to determine the end of an carbide step drill, with 18 to 24 mm outside diameter, life using three signal acquisition techniques. The proposed methodology consisted of a current sensor and an accelerometer near the main spindle and a high-resolution CMOS camera near the tool magazine. From the results achieved so far, it is possible to argue that high quality images of the drill edges can be captured without interfering with the machining operations. Furthermore, it was observed that the raw signals of the vibration RMS acceleration, in the tool rotation ranges, presented a correlation of 82% in relation to the drill life. However, only after extracting the statistical characteristics of all collected signals was possible to reach the maximum accuracy for the data algorithm, 95%. The main conclusion of this work was that the data from these three evaluated methods can be integrated to develop an autonomous system, which can decide the right time to exchange complex tools like the drill investigated in this work, reaching an overall system accuracy of 96%.1 recurso online : PDF.application/pdfManufaturaAprendizado do computadorEngenhariasMonitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neuraisinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - HENRY PETERSON SCHARF.pdfapplication/pdf34681809https://acervodigital.ufpr.br/bitstream/1884/74285/1/R%20-%20D%20-%20HENRY%20PETERSON%20SCHARF.pdf622c3aaa079484e2e23743ce334b1efcMD51open access1884/742852022-10-31 09:22:28.524open accessoai:acervodigital.ufpr.br:1884/74285Repositório InstitucionalPUBhttp://acervodigital.ufpr.br/oai/requestinformacaodigital@ufpr.bropendoar:3082022-10-31T12:22:28Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
title Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
spellingShingle Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
Scharf, Henry Peterson
Manufatura
Aprendizado do computador
Engenharias
title_short Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
title_full Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
title_fullStr Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
title_full_unstemmed Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
title_sort Monitoramento da condição de uma broca escalonada no processo de furação utilizando análise de sinais, aquisição de imagens e redes neurais
author Scharf, Henry Peterson
author_facet Scharf, Henry Peterson
author_role author
dc.contributor.other.pt_BR.fl_str_mv Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Manufatura
dc.contributor.advisor1.fl_str_mv Costa, Dalberto Dias da, 1964-
dc.contributor.author.fl_str_mv Scharf, Henry Peterson
contributor_str_mv Costa, Dalberto Dias da, 1964-
dc.subject.por.fl_str_mv Manufatura
Aprendizado do computador
Engenharias
topic Manufatura
Aprendizado do computador
Engenharias
description Orientador: Prof. Dr. Dalberto Dias da Costa
publishDate 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2022-10-31T12:22:28Z
dc.date.available.fl_str_mv 2022-10-31T12:22:28Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/74285
url https://hdl.handle.net/1884/74285
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 1 recurso online : PDF.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/74285/1/R%20-%20D%20-%20HENRY%20PETERSON%20SCHARF.pdf
bitstream.checksum.fl_str_mv 622c3aaa079484e2e23743ce334b1efc
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv informacaodigital@ufpr.br
_version_ 1847526311388512256

Registros relacionados