Modelagem e otimização por metodologia de superfícies de resposta: um estudo em arames de aço SAE 9254 para molas automobilísticas

• Autor(a) principal: Pimenta, Cristie Diego [UNESP]
• Data de Publicação: 2014
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/115991
• topic: Aço - Tratamento termico; Planejamento experimental; Modelagem gráfica (Estatística); Resistência à tração; Processo de endurecimento superficial; Otimização matematica; Graphical modeling (Statistics)

O objetivo deste trabalho foi a criação de uma modelagem estatística, capaz de substituir o processo utilizado para a preparação de fornos de têmpera e revenimento, que tradicionalmente é realizada por meio de ajustes feitos a partir de resultados de propriedades mecânicas, ensaiadas em laboratório e exigidas em especificações de clientes. Buscou-se compreender a influência das variáveis de entrada (fatores) nas propriedades mecânicas limite de resistência à tração, dureza e estricção, em arames de aço SAE 9254, para os diâmetros 2,00mm e 6,50mm, utilizados na fabricação de molas de válvula e de embreagem para o seguimento automobilístico. Foram investigadas as principais variáveis de entrada do processo diâmetro, velocidade, temperatura de revenimento e a concentração do meio de têmpera polímero, para isso, utilizou-se as metodologias de Planejamento de Experimentos com Análise em Blocos, Regressão Múltipla e Quadrática, Análise de Variância (ANOVA), Análise de Componentes Principais (Estatística Multivariada), Metodologia de Superfícies de Resposta (RSM) e Controle Estatístico de Processo para a análise residual dos modelos estatísticos. Para otimização dos modelos estatísticos foram utilizados os métodos Desirability, Gradiente Reduzido Generalizado (GRG), Algoritmo Genético (AG) e a Meta-heurística Recozimento Simulado. Os resultados revelaram que todas as variáveis consideradas têm influência significativa e os modelos obtidos foram validados utilizando-se métodos estatísticos adequados. Essa modelagem e sua otimização, se implementada e aplicada corretamente, poderá ocasionar avanços científicos que proporcionariam a automatização deste processo, e consequentemente provocaria impacto significativo no aumento de produtividade e qualidade do produto