Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.

Detalhes bibliográficos
Autor(a) principal: FRIGIERI, Edielson Prevato
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UNIFEI (RIUNIFEI)
Texto Completo: https://repositorio.unifei.edu.br/jspui/handle/123456789/929
Resumo: O objetivo deste trabalho é avaliar a emissão de sinais acústicos durante o processo de torneamento do aço ABNT 52100 endurecido e identificar os parâmetros do sinal que sejam capazes de representar a rugosidade resultante da peça. Partindo desses parâmetros, propõe-se um novo método de monitoramento do processo utilizando modelos de misturas de Gaussianas (GMM). A principal característica desta nova abordagem é a utilização do som como meio de monitoramento. Além de apresentar vantagens como a facilidade de aquisição de dados e o baixo custo dos sensores (microfones), ainda é um sinal pouco explorado em técnicas de monitoramento. Para correlacionar a rugosidade resultante do processo de torneamento com os parâmetros do som emitido, técnicas de processamento de sinais digitais foram utilizadas para a extração de parâmetros como perfil de energia e coeficientes mel-cepstrais (MFCC). Estes parâmetros foram utilizados para treinar modelos de misturas de Gaussianas para representar cada grupo de rugosidade identificado. No treinamento dos modelos GMM, foram utilizadas 4 e 8 gaussianas a fim de avaliar o impacto no desempenho do método proposto. Ao apresentar o conjunto de sinais de teste aos modelos treinados, obteve-se uma superioridade nos modelos treinados com MFCC, apresentando uma taxa de acerto média de 94,27%. Já o número de Gaussianas não proporcionou aumento significativo de desempenho. A partir destes resultados, concluiu-se que o sinal acústico (som), através de parâmetros como os coeficientes mel-cepstrais, pode ser utilizado como forma de identificar variações no comportamento do processo, principalmente a rugosidade resultante da peça, o que permite o monitoramento da qualidade do processo de forma não destrutiva.
id UFEI_c63087944516bd51b461887504b0b8e5
oai_identifier_str oai:repositorio.unifei.edu.br:123456789/929
network_acronym_str UFEI
network_name_str Repositório Institucional da UNIFEI (RIUNIFEI)
repository_id_str 7044
spelling 2013-06-262017-09-04T14:19:30Z2017-09-04T14:19:30ZFRIGIERI, Edielson Prevato. Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas. 2013. 122 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2013.https://repositorio.unifei.edu.br/jspui/handle/123456789/929O objetivo deste trabalho é avaliar a emissão de sinais acústicos durante o processo de torneamento do aço ABNT 52100 endurecido e identificar os parâmetros do sinal que sejam capazes de representar a rugosidade resultante da peça. Partindo desses parâmetros, propõe-se um novo método de monitoramento do processo utilizando modelos de misturas de Gaussianas (GMM). A principal característica desta nova abordagem é a utilização do som como meio de monitoramento. Além de apresentar vantagens como a facilidade de aquisição de dados e o baixo custo dos sensores (microfones), ainda é um sinal pouco explorado em técnicas de monitoramento. Para correlacionar a rugosidade resultante do processo de torneamento com os parâmetros do som emitido, técnicas de processamento de sinais digitais foram utilizadas para a extração de parâmetros como perfil de energia e coeficientes mel-cepstrais (MFCC). Estes parâmetros foram utilizados para treinar modelos de misturas de Gaussianas para representar cada grupo de rugosidade identificado. No treinamento dos modelos GMM, foram utilizadas 4 e 8 gaussianas a fim de avaliar o impacto no desempenho do método proposto. Ao apresentar o conjunto de sinais de teste aos modelos treinados, obteve-se uma superioridade nos modelos treinados com MFCC, apresentando uma taxa de acerto média de 94,27%. Já o número de Gaussianas não proporcionou aumento significativo de desempenho. A partir destes resultados, concluiu-se que o sinal acústico (som), através de parâmetros como os coeficientes mel-cepstrais, pode ser utilizado como forma de identificar variações no comportamento do processo, principalmente a rugosidade resultante da peça, o que permite o monitoramento da qualidade do processo de forma não destrutiva.Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisItajubáUniversidade Federal de Itajubá122 p.Torneamento duroProcessamento de sinais digitaisCoeficientes Mel-CepstraisEmissão acústicaModelo de Mistura de GaussianasHard turningDigital signal processingMel-frequency cepstrals coefficientsAcoustic EmissionGaussian mixture modelPAIVA, Anderson Paulo deFERREIRA, João RobertoEngenharia de ProduçãoEngenharia de ProduçãoFRIGIERI, Edielson PrevatoPrograma de Pós-Graduação: Mestrado - Engenharia de ProduçãoIEPG - Instituto de Engenharia de Produção e Gestãoporreponame:Repositório Institucional da UNIFEI (RIUNIFEI)instname:Universidade Federal de Itajubá (UNIFEI)instacron:UNIFEIinfo:eu-repo/semantics/openAccessORIGINALdissertacao_frigieri_2013.pdfdissertacao_frigieri_2013.pdfapplication/pdf2735573https://repositorio.unifei.edu.br/jspui/bitstream/123456789/929/1/dissertacao_frigieri_2013.pdf30740bc1a3f0a15fa149370060c437dbMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.unifei.edu.br/jspui/bitstream/123456789/929/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/9292024-03-20 08:28:22.051oai:repositorio.unifei.edu.br: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Repositório InstitucionalPUBhttps://repositorio.unifei.edu.br/oai/requestrepositorio@unifei.edu.br || geraldocarlos@unifei.edu.bropendoar:70442024-03-20T11:28:22Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)false
dc.title.pt_BR.fl_str_mv Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
title Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
spellingShingle Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
FRIGIERI, Edielson Prevato
title_short Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
title_full Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
title_fullStr Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
title_full_unstemmed Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
title_sort Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas.
author FRIGIERI, Edielson Prevato
author_facet FRIGIERI, Edielson Prevato
author_role author
dc.contributor.author.fl_str_mv FRIGIERI, Edielson Prevato
description O objetivo deste trabalho é avaliar a emissão de sinais acústicos durante o processo de torneamento do aço ABNT 52100 endurecido e identificar os parâmetros do sinal que sejam capazes de representar a rugosidade resultante da peça. Partindo desses parâmetros, propõe-se um novo método de monitoramento do processo utilizando modelos de misturas de Gaussianas (GMM). A principal característica desta nova abordagem é a utilização do som como meio de monitoramento. Além de apresentar vantagens como a facilidade de aquisição de dados e o baixo custo dos sensores (microfones), ainda é um sinal pouco explorado em técnicas de monitoramento. Para correlacionar a rugosidade resultante do processo de torneamento com os parâmetros do som emitido, técnicas de processamento de sinais digitais foram utilizadas para a extração de parâmetros como perfil de energia e coeficientes mel-cepstrais (MFCC). Estes parâmetros foram utilizados para treinar modelos de misturas de Gaussianas para representar cada grupo de rugosidade identificado. No treinamento dos modelos GMM, foram utilizadas 4 e 8 gaussianas a fim de avaliar o impacto no desempenho do método proposto. Ao apresentar o conjunto de sinais de teste aos modelos treinados, obteve-se uma superioridade nos modelos treinados com MFCC, apresentando uma taxa de acerto média de 94,27%. Já o número de Gaussianas não proporcionou aumento significativo de desempenho. A partir destes resultados, concluiu-se que o sinal acústico (som), através de parâmetros como os coeficientes mel-cepstrais, pode ser utilizado como forma de identificar variações no comportamento do processo, principalmente a rugosidade resultante da peça, o que permite o monitoramento da qualidade do processo de forma não destrutiva.
publishDate 2013
dc.date.issued.fl_str_mv 2013-06-26
dc.date.available.fl_str_mv 2017-09-04T14:19:30Z
dc.date.accessioned.fl_str_mv 2017-09-04T14:19:30Z
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.citation.fl_str_mv FRIGIERI, Edielson Prevato. Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas. 2013. 122 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2013.
dc.identifier.uri.fl_str_mv https://repositorio.unifei.edu.br/jspui/handle/123456789/929
identifier_str_mv FRIGIERI, Edielson Prevato. Monitoramento da rugosidade no processo de torneamento duro utilizando coeficientes Mel-Cepstrais de Sinais Acústicos e Modelos de Misturas de Gaussianas. 2013. 122 f. Dissertação (Mestrado em Engenharia de Produção) – Universidade Federal de Itajubá, Itajubá, 2013.
url https://repositorio.unifei.edu.br/jspui/handle/123456789/929
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.publisher.program.fl_str_mv Programa de Pós-Graduação: Mestrado - Engenharia de Produção
dc.publisher.department.fl_str_mv IEPG - Instituto de Engenharia de Produção e Gestão
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFEI (RIUNIFEI)
instname:Universidade Federal de Itajubá (UNIFEI)
instacron:UNIFEI
instname_str Universidade Federal de Itajubá (UNIFEI)
instacron_str UNIFEI
institution UNIFEI
reponame_str Repositório Institucional da UNIFEI (RIUNIFEI)
collection Repositório Institucional da UNIFEI (RIUNIFEI)
bitstream.url.fl_str_mv https://repositorio.unifei.edu.br/jspui/bitstream/123456789/929/1/dissertacao_frigieri_2013.pdf
https://repositorio.unifei.edu.br/jspui/bitstream/123456789/929/2/license.txt
bitstream.checksum.fl_str_mv 30740bc1a3f0a15fa149370060c437db
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFEI (RIUNIFEI) - Universidade Federal de Itajubá (UNIFEI)
repository.mail.fl_str_mv repositorio@unifei.edu.br || geraldocarlos@unifei.edu.br
_version_ 1801863224138661888