Utilização da inteligência artificial para otimização e predição de anomalias no processo de retificação de superfícies com perfil de came

• Ano de defesa: 2025
• Autor(a) principal: Sommer, José Cristiano Guedes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: anomaly detection; artificial intelligence; cam lobes grinding; carbon footprint; detecção de anomalias; grinding cracks; inteligência artificial; optimization; otimização; pegada de carbono; retificação de came; trincas de retífica
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/18/18156/tde-10022026-142914/

O processo de retificação é utilizado na indústria para fabricação de peças que exigem maior precisão dimensional e acabamento superficial qualificado para serem utilizadas em regime de funcionamento de alta performance. Geralmente a operação de retificação é realizada entre as últimas etapas do processo, dessa forma, as peças já estão em uma fase avançada de acabamento e com alto custo de manufatura agregado, incluindo consumo de energia elétrica que está associado diretamente com a pegada de carbono. A retificação de superfícies com perfil de came é uma operação complexa de remoção de material e a realização de otimizações para ganhos de produtividade e desenvolvimento de métodos preditivos para evitar anomalias não é uma tarefa trivial devido ao alto número de variáveis de entrada a serem ajustadas para os atingir os objetivos alvos. As condições geométricas e cinemáticas complexas da peça, requerem intervenção simultânea para atender os objetivos de qualidade e produtividade. A otimização da retificação para o aumento de produtividade está diretamente ligada ao aumento da taxa de remoção de material por isso cuidados especiais devem ser tomados durante a implantação para garantir os padrões de qualidade. Preocupações mais relevantes nesse processo estão relacionados ao surgimento de trincas superficiais, que são prejudiciais as propriedades mecânicas da peça e o aumento de refugos, causando impactos econômicos e ambientais negativos para a operação. As trincas podem ser causadas por diversos fatores resultantes da operação de retificação, por isso, a definição dos parâmetros de retificação e os meios de produção requerem utilização de tempo demasiado com experimentos e conhecimento técnico específico para sua determinação e utilização de equipamentos de medição especiais para monitorar a produção para garantir o controle do processo. O objetivo do estudo foi analisar e otimizar o processo de retificação com rebolos de CBN (cubic boron nitride) na produção de perfis de cames, aplicando inteligência artificial com algoritmos Feature Sensitivity (FS) e otimizações baseadas em Phylogram Analysis (OPA), visando prever trincas superficiais e aprimorar o desempenho produtivo e a qualidade das peças. A otimização do processo de retificação de eixos de comando de válvulas, realizada com o algoritmo FS-OPA, permitiu identificar as variáveis mais influentes e direcionar estratégias eficazes para aumentar a produtividade, reduzindo o tempo de ciclo em 40% e dobrando o número de peças por dressagem, mantendo a qualidade exigida. Ao final das otimizações foi reduzida a pegada de carbono em 30%. Além disso, o FS-OPA facilitou a seleção dos parâmetros críticos para otimização, diminuindo o tempo e esforço do processista e possibilitando o controle da ocorrência de trincas durante a fabricação.