Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/1621355 |
Resumo: | Orientador: Janito Vaqueiro Ferreira |
id |
UNICAMP-30_4d3d8f1e9414e18bbbbc6d918351ca33 |
---|---|
oai_identifier_str |
oai::915067 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentaisWelded joint model by FSW using machine learning methods through experimental dataSoldagem por fricçãoAnálise de variânciaRedes neurais (Computação)Máquina de vetores de suporteMétodo de Monte CarloFriction stir weldingAnalysis of varianceNeural networkSupport vector machineMonte Carlo methodOrientador: Janito Vaqueiro FerreiraDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: A variedade de materiais no setor aeronáutico para redução de peso e custo tem se proliferado a um grau intensivo, onde têm sido revisadas diferentes pesquisas para encontrar outros tipos de materiais de fácil maneabilidade para construção de peças que satisfazem as restrições impostas. Assim, existe uma procura constante de soluções para facilitar a produção, e ao mesmo tempo aumentar a segurança das aeronaves levando em consideração pontos importantes como a fadiga e ruptura do material. Um material frequentemente utilizado que atende a estes requisitos devido a suas propriedades de densidade e resistência é o alumínio, e é neste ambiente que existe um processo de manufatura utilizado para a soldagem conhecido como "Friction Stir Welding" (FSW). No presente momento, estudos para criação de modelos que representem características mecânicas utilizadas em projetos em função de parâmetros do processo tem sido pesquisados. Embora este processo seja de difícil modelagem devidos as suas complexidades, tem sido estudado e utilizado diferentes algoritmos que possibilitem o melhoramento da representação do modelo, tais como os relacionados com máquinas de aprendizagem (ML) e suas diferentes otimizações. Neste contexto, a presente pesquisa tem seu foco na obtenção de um modelo baseado no algoritmo de aprendizagem de Máquina de Vetores de Suporte (SVM), e também com outros algoritmos tais como Regressão Polinomial (RP) e Rede Neural Artificial (RNA), buscando encontrar modelos que representem o processo de soldagem por FSW através das propriedades mecânicas obtidas pelos ensaios de tração e por análise de variância (ANOVA), entendendo suas vantagens e, posteriormente, recomendar quais dos algoritmos de aprendizagem tem maior beneficioAbstract: In the aerospace industry to reduce weight and cost, a great quantity of materials has been used, which has generated research to find types of materials, that have been better maneuverability and to guarantee the properties required to development of pieces for the industry. Thus, the studies look for optimize between production easiness and increase the aircraft safety, taking into consideration important issues such as fatigue and fracture of the materials. One of the most common approach used is aluminum by their mechanical properties (density and strength), although it has many problems to be welding with the traditional methods. Currently, the Friction Stir Welding (FSW) process is used in the industry, as well in the academy. However, the FSW is difficult to model by the complexities in the physical phenomenal occurred during the weld process, as result, has been studied and used different algorithms that allow enhance the model representation. The Machine Learning (ML) is a methodology studied to obtain the model optimized. In this context, the present research focus by to obtain a model-based in learning algorithm using Support Vector Machine (SVM). Although comparisons were made with other algorithms such as Polynomial Regression (PR) and Artificial Neural Network (ANN), searching to find models that represent the FSW process weld using the mechanical properties obtained by tensile tests and analysis of variance (ANOVA). Finally, conclusions to understand the advantages learning algorithms are presentedMestradoMecânica dos Sólidos e Projeto MecânicoMestre em Engenharia Mecânica[s.n.]Ferreira, Janito Vaqueiro, 1961-Serpa, Alberto LuizLopes Junior, VicenteUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia MecânicaPrograma de Pós-Graduação em Engenharia MecânicaUNIVERSIDADE ESTADUAL DE CAMPINASArcila Gago, Manuel Felipe, 1987-2013info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf144 p. : il.https://hdl.handle.net/20.500.12733/1621355ARCILA GAGO, Manuel Felipe. Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais. 2013. 144 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621355. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/915067porreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2017-02-18T07:08:31Zoai::915067Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2017-02-18T07:08:31Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais Welded joint model by FSW using machine learning methods through experimental data |
title |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
spellingShingle |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais Arcila Gago, Manuel Felipe, 1987- Soldagem por fricção Análise de variância Redes neurais (Computação) Máquina de vetores de suporte Método de Monte Carlo Friction stir welding Analysis of variance Neural network Support vector machine Monte Carlo method |
title_short |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
title_full |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
title_fullStr |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
title_full_unstemmed |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
title_sort |
Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais |
author |
Arcila Gago, Manuel Felipe, 1987- |
author_facet |
Arcila Gago, Manuel Felipe, 1987- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ferreira, Janito Vaqueiro, 1961- Serpa, Alberto Luiz Lopes Junior, Vicente Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica Programa de Pós-Graduação em Engenharia Mecânica UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Arcila Gago, Manuel Felipe, 1987- |
dc.subject.por.fl_str_mv |
Soldagem por fricção Análise de variância Redes neurais (Computação) Máquina de vetores de suporte Método de Monte Carlo Friction stir welding Analysis of variance Neural network Support vector machine Monte Carlo method |
topic |
Soldagem por fricção Análise de variância Redes neurais (Computação) Máquina de vetores de suporte Método de Monte Carlo Friction stir welding Analysis of variance Neural network Support vector machine Monte Carlo method |
description |
Orientador: Janito Vaqueiro Ferreira |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013 |
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.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/1621355 ARCILA GAGO, Manuel Felipe. Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais. 2013. 144 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621355. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1621355 |
identifier_str_mv |
ARCILA GAGO, Manuel Felipe. Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais. 2013. 144 p. Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica , Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1621355. Acesso em: 3 set. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/915067 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 144 p. : il. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809189106703400960 |