Pesquisadores da Universidade do Tennessee estão desenvolvendo juntamente com profissionais da empresa Third Wave Systems um sistema de otimização dos parâmetros de usinagem controlados numericamente por computador (CNC). A proposta é usar uma combinação de modelos baseados em dados coletados em processo, via aprendizagem de máquina (machine learning), para reduzir o índice de refugo de peças nas operações de usinagem.
O estudo parte da premissa de que a seleção de parâmetros de usinagem CNC para software de manufatura assistida por computador (CAM) normalmente é baseada nas recomendações do fabricante da ferramenta, na experiência ou tentativa e erro, o que levaria à redução da produtividade, aumento dos prazos de entrega e do índice de peças rejeitadas pelo controle da qualidade.
Como solução, a equipe propôs o desenvolvimento de modelos baseados na coleta de dados e em aprendizagem de máquina (machine learning) , de modo a otimizar parâmetros do CNC para a produção de um rotor de pá de turbina, componente com altos requisitos técnicos. Para isso, a equipe projetou a lâmina em três materiais diferentes (alumínio 6061-T6, aço inoxidável 316L e titânio 6Al4V), e procurará demonstrar como a abordagem de machine learning pode contribuir para aumentar a produtividade.
Embora a usinagem CNC tenha passado de uma abordagem analógica para a digital com o avanço dos sistemas de planejamento de processos e controladores de máquinas-ferramenta, a seleção de parâmetros de corte ainda é bastante baseada em tentativa e erro, contando muito com a experiência do operador. É esta experiência que os sistemas de aprendizagem de máquina buscam captar, codificar e reproduzir, tornando automática a correção de trajetórias conforme as experiências codificadas em banco de dados, trazendo a inteligência artificial para o ambiente produtivo.
Imagem: Pixabay
Leia também:
Sistemas digitais para integração de máquinas e equipamentos de usinagem
Robôs para fresamento trazem a perspectiva de processos mais precisos e competitivos
Mais Notícias MM
A desenvolvedora canadense traz ao mercado novas versões para as suas ferramentas digitais de medição tridimensional, incluindo digitalizadores e sondas ópticas 3D.
15/04/2024
A empresa global oferece módulos do seu sistema Inspire Cast destinados a diferentes processos de fundição de metais.
16/04/2024
A linha Silent Tools de adaptadores para ferramentas possui um moderno sistema antivibração e é recomendada para operações de torneamento interno.
01/04/2024