Ref.: MmeEte40-001

Redes neurais artificias na previsão da velocidade máxima de soldagem por indução

Apresentador: Kenny Ralph Martins dos Santos

Autores (Instituição): Braga, F.D.(Grupo Aço Cearense); Santos, K.R.(Grupo Aço Cearense);

Resumo:
Este estudo apresenta uma abordagem inovadora para prever a velocidade máxima de soldagem na linha de produção de tubos de aço por indução, utilizando redes neurais artificiais (RNAs). A soldagem por indução, um processo complexo e variável, é crucial na indústria, impactando diretamente a qualidade da solda, o consumo de energia e a produtividade. Tradicionalmente, a modelagem desse processo exigia experimentação demorada e conhecimento especializado. No entanto, este trabalho propõe uma solução mais eficaz e precisa. Utilizando dados reais de produção de uma empresa metalúrgica, foram desenvolvidos modelos MLP (Multilayer Perceptron) de 2 camadas ocultas, com algoritmo de retropropagação do tipo Levenberg-Marquardt para prever com precisão a velocidade máxima de soldagem a partir de 3.885 pares de parâmetros de processo e de características do material, como potência e corrente de entrada, composição química do aço, formato e dimensões do tubo. Os resultados foram comparados com a abordagem tradicional de regressão linear múltipla. Os modelos de RNA demonstraram desempenho significativamente superior, capturando padrões complexos nos dados e se adaptando a diferentes condições operacionais. Os melhores modelos alcançaram coeficientes de determinação (R2) de 0,9677, indicando excelente capacidade preditiva, enquanto a regressão linear múltipla apresentou R2 de 0,8369. Esses resultados destacam a importância das RNAs na modelagem de processos complexos, por exemplo na soldagem por indução, fornecendo uma ferramenta poderosa para prever com precisão a velocidade de soldagem. Esta abordagem tem o potencial de melhorar significativamente a qualidade das juntas soldadas, reduzir custos e aumentar a eficiência produtiva na indústria metalúrgica.