Modelo de juntas soldadas por FSW utilizando métodos de aprendizagem de máquina através de dados experimentais

Detalhes bibliográficos
Autor(a) principal: Arcila Gago, Manuel Felipe, 1987-
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

Registros relacionados