Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://bibliotecatede.uninove.br/handle/tede/153
Tipo do documento: Dissertação
Título: Aplicação de redes neuro fuzzy ao processamento de polímeros na indústria automotiva.
Autor: Affonso, Carlos de Oliveira
Primeiro orientador: Sassi, Renato José
Primeiro membro da banca: Hernandez, Emilio Del Moral
Segundo membro da banca: Librantz, Andre Felipe Henriques
Resumo: Há uma tendência no mercado automotivo mundial de aumento na utilização de polímeros (materiais plásticos) devido ao seu baixo custo de produção e fácil processabilidade, o que impulsiona a busca por soluções que possibilitem a otimização do desempenho destes materiais ainda na fase de projeto de produto. O conhecimento prévio do tempo de ciclo necessário para se produzir peças injetadas é um fator importante para o projeto de produto, pois possibilita a escolha por um conceito de produto e material que possuam um custo final mais competitivo, principalmente para peças de alto volume de produção. O processamento de peças automotivas através de injeção de polímeros é complexo, pois envolve vários fenômenos físicos que ocorrem simultaneamente e que possuem caráter não-linear e multivariável. Existem vários softwares comerciais que utilizam ferramentas de modelagem via elementos finitos para previsão dos parâmetros de processo, mas o software escolhido pode ser caro e por isso inviável. Outra forma de determinar estes parâmetros pode ser feita de forma analítica, mas, o tratamento deste problema através da aplicação das teorias clássicas dos fenômenos de transporte via equações de Navier-Stokes requer um difícil equacionamento que depende de características precisas da máquina injetora, da geometria do produto e dos parâmetros do processo. Assim, as técnicas de Inteligência Artificial como as Redes Neuro Fuzzy (RNFs) têm-se mostrado aplicáveis para este problema, uma vez que combinam a capacidade de aprender através de exemplos e de generalizar a informação aprendida das redes neurais artificiais (RNAs) com a capacidade da Lógica Fuzzy em transformar variáveis linguísticas em regras. O objetivo deste trabalho é utilizar uma RNA do tipo Multilayer Perceptrons (MLP) e de outra RNA do tipo Radial Basis Function (RBF) associadas à Lógica Fuzzy para construção de um modelo de inferência Mamdani para fazer previsões sobre o tempo de ciclo de processos de injeção de polímeros. Foi utilizada uma base de dados obtida através do acompanhamento de try outs (testes) realizados na Indústria Automotiva. Os resultados obtidos foram satisfatórios, o que confirma as RNFs como uma boa opção a ser aplicada neste tipo de problema.
Abstract: There is an increasing tendency in the worldwide automotive market to consume polymers (plastics materials), because of their processability and low cost in high volumes. This need motivates the search for technological improvements to the material performance, even at the product development stage. The cycle time is an important data point in product design, once it allows the choice of the product design and material with the most competitive final cost, especially in high-volume production. The injection mould of automotive parts is a complex process, due to the many non-linear and multivariable phenomena occurring simultaneously. There are several commercial software applications for modeling the parameters of the injection of polymers using finite element methods; however the chosen software could be expensive or even commercially unviable. It is possible to find these parameters analytically; however, solving this problem by applying classical theories of transport phenomena (Navier-Stokes equations) requires accurate information about the injection machine, product geometry, and process parameters. Considering the above points, the Artificial Intelligence approaches like Neuro Fuzzy Networks (NFN) had shown success, consists in the synergy achieved by combining capabilities to learning and generalization from Artificial Neural Network (ANN) with the Fuzzy sets inference mechanism. The purpose of this paper is to use a Multilayer Perceptrons Artificial Neural Network (MLP-ANN) and a Radial Basis Function Artificial Neural Network (RBFANN) combined with Fuzzy Sets to produce a Mamdani inference mechanism in order to predict the injection mould cycle time. There was used a datasets obtained from Automotive Industry plant try outs. Obtained results were satisfactory, confirming NFNs as a good alternative to solving such problems.
Palavras-chave: indústria automotiva
Lógica Fuzzy
polímeros
processo de injeção
redes neurais artificiais
redes neuro Fuzzy.
automotive industry
Fuzzy Logic
polymers
injection mould
artificial neural network
neuro Fuzzy network.
Área(s) do CNPq: ENGENHARIAS::ENGENHARIA DE PRODUCAO
Idioma: por
País: BR
Instituição: Universidade Nove de Julho
Sigla da instituição: Uninove
Departamento: Engenharia
Programa: Programa de Mestrado em Engenharia de Produção
Citação: AFFONSO, Carlos de Oliveira. Aplicação de redes neuro fuzzy ao processamento de polímeros na indústria automotiva.. 2010. 157 f. Dissertação (Mestrado em Engenharia) - Universidade Nove de Julho, São Paulo, 2010.
Tipo de acesso: Acesso Aberto
URI: http://localhost:8080/tede/handle/tede/153
Data de defesa: 29-Nov-2010
Aparece nas coleções:Programa de Mestrado em Engenharia de Produção

Arquivos associados a este item:
Arquivo TamanhoFormato 
B_Carlos de Oliveira Afonso.pdf1,99 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.