Automação do monitoramento da qualidade do processo de solda a ponto resistiva.

Detalhes bibliográficos
Autor(a) principal: Sampaio, Daniel Julien Barros da Silva
Data de Publicação: 2010
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/3/3152/tde-17082010-113505/
Resumo: Neste trabalho é proposto e avaliado um sistema capaz de monitorar de forma não-destrutiva, não-invasiva, individualizada, em tempo real e em ambiente industrial, a qualidade de soldas produzidas através do processo de solda a ponto resistiva (PSPR), diminuindo ou mesmo eliminando a necessidade dos testes destrutivos, reduzindo custos e aumentando a produtividade. Este sistema de monitoramento é baseado em reconhecimento de padrões, através de redes neurais artificiais do tipo Perceptron multicamadas. As características do processo usadas na entrada da rede neural são os parâmetros ajustados de um modelo matemático parametrizável, criado com o intuito de refletir as propriedades fundamentais da grandeza do processo passível de ser medida e monitorada em tempo real, neste caso a curva de resistência dinâmica. Estes valores ajustados dos parâmetros do modelo são ainda relacionados com os estados ou condições do processo, de forma a permitir a identificação de possíveis causas para falhas detectadas. Para avaliar e validar este sistema, usaram-se dados reais obtidos na produção de lotes de contatos elétricos através do PSPR. Os resultados obtidos mostram que o sistema proposto é capaz de monitorar satisfatoriamente a qualidade do processo investigado, com erro médio quadrático de 16,5 N, na estimação da força de cisalhamento suportada pela solda, no pior caso. O sistema também mostrou-se capaz de identificar a causa para soldas cuja qualidade estimada foi considerada baixa, com taxa de acerto acima de 97%. Esse sistema proposto não contém especificidades de nenhum processo produtivo e, portanto, tem potencial para ser aplicado em outros processos, além do PSPR.
id USP_ff8fe4149e56f476ad7682e39c5e36fe
oai_identifier_str oai:teses.usp.br:tde-17082010-113505
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Automação do monitoramento da qualidade do processo de solda a ponto resistiva.Automatic quality monitoring of resistance spot welding process.Artificial intelligenceInteligência artificialProcess quality (monitoring)Qualidade do processo (monitoramento)Soldagem por pontoSpot weldingNeste trabalho é proposto e avaliado um sistema capaz de monitorar de forma não-destrutiva, não-invasiva, individualizada, em tempo real e em ambiente industrial, a qualidade de soldas produzidas através do processo de solda a ponto resistiva (PSPR), diminuindo ou mesmo eliminando a necessidade dos testes destrutivos, reduzindo custos e aumentando a produtividade. Este sistema de monitoramento é baseado em reconhecimento de padrões, através de redes neurais artificiais do tipo Perceptron multicamadas. As características do processo usadas na entrada da rede neural são os parâmetros ajustados de um modelo matemático parametrizável, criado com o intuito de refletir as propriedades fundamentais da grandeza do processo passível de ser medida e monitorada em tempo real, neste caso a curva de resistência dinâmica. Estes valores ajustados dos parâmetros do modelo são ainda relacionados com os estados ou condições do processo, de forma a permitir a identificação de possíveis causas para falhas detectadas. Para avaliar e validar este sistema, usaram-se dados reais obtidos na produção de lotes de contatos elétricos através do PSPR. Os resultados obtidos mostram que o sistema proposto é capaz de monitorar satisfatoriamente a qualidade do processo investigado, com erro médio quadrático de 16,5 N, na estimação da força de cisalhamento suportada pela solda, no pior caso. O sistema também mostrou-se capaz de identificar a causa para soldas cuja qualidade estimada foi considerada baixa, com taxa de acerto acima de 97%. Esse sistema proposto não contém especificidades de nenhum processo produtivo e, portanto, tem potencial para ser aplicado em outros processos, além do PSPR.In this work a non-destructive, non-invasive, individualized, real-time system has been proposed and evaluated to monitor the quality of welds produced by resistance spot welding process (RSWP) in industrial environment. This system is able to reduce or eliminate the need for destructive tests, leading to cost reduction and increase in productivity. This monitoring system is based on pattern recognition with multilayer Perceptron artificial neural networks (ANN). The process features used as input of the ANN are adjusted parameters of a parametric mathematic model created to reflect the fundamental properties of the process variable that is measurable in real time, in this work, the dynamic resistance curve. The adjustable model parameters values are related with the process states and conditions, so that it is possible to identify the causes for detected bad quality. In order to evaluate and validate the proposed system, real data obtained in the production of electric contacts by RSWP were used. The results show that the proposed system is capable of properly monitoring the investigated process quality, with a mean square error of 16.5 N, in the estimation of the shear force supported by the weld, in the worst case. The system proved to be able to identify the causes for detected bad quality, with a reliability of more than 97%. The proposed system contains no productive process specificities, and, therefore, can be applied to other processes.Biblioteca Digitais de Teses e Dissertações da USPMoscato, Lucas AntonioSampaio, Daniel Julien Barros da Silva2010-04-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/3/3152/tde-17082010-113505/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:09Zoai:teses.usp.br:tde-17082010-113505Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:09Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
Automatic quality monitoring of resistance spot welding process.
title Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
spellingShingle Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
Sampaio, Daniel Julien Barros da Silva
Artificial intelligence
Inteligência artificial
Process quality (monitoring)
Qualidade do processo (monitoramento)
Soldagem por ponto
Spot welding
title_short Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
title_full Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
title_fullStr Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
title_full_unstemmed Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
title_sort Automação do monitoramento da qualidade do processo de solda a ponto resistiva.
author Sampaio, Daniel Julien Barros da Silva
author_facet Sampaio, Daniel Julien Barros da Silva
author_role author
dc.contributor.none.fl_str_mv Moscato, Lucas Antonio
dc.contributor.author.fl_str_mv Sampaio, Daniel Julien Barros da Silva
dc.subject.por.fl_str_mv Artificial intelligence
Inteligência artificial
Process quality (monitoring)
Qualidade do processo (monitoramento)
Soldagem por ponto
Spot welding
topic Artificial intelligence
Inteligência artificial
Process quality (monitoring)
Qualidade do processo (monitoramento)
Soldagem por ponto
Spot welding
description Neste trabalho é proposto e avaliado um sistema capaz de monitorar de forma não-destrutiva, não-invasiva, individualizada, em tempo real e em ambiente industrial, a qualidade de soldas produzidas através do processo de solda a ponto resistiva (PSPR), diminuindo ou mesmo eliminando a necessidade dos testes destrutivos, reduzindo custos e aumentando a produtividade. Este sistema de monitoramento é baseado em reconhecimento de padrões, através de redes neurais artificiais do tipo Perceptron multicamadas. As características do processo usadas na entrada da rede neural são os parâmetros ajustados de um modelo matemático parametrizável, criado com o intuito de refletir as propriedades fundamentais da grandeza do processo passível de ser medida e monitorada em tempo real, neste caso a curva de resistência dinâmica. Estes valores ajustados dos parâmetros do modelo são ainda relacionados com os estados ou condições do processo, de forma a permitir a identificação de possíveis causas para falhas detectadas. Para avaliar e validar este sistema, usaram-se dados reais obtidos na produção de lotes de contatos elétricos através do PSPR. Os resultados obtidos mostram que o sistema proposto é capaz de monitorar satisfatoriamente a qualidade do processo investigado, com erro médio quadrático de 16,5 N, na estimação da força de cisalhamento suportada pela solda, no pior caso. O sistema também mostrou-se capaz de identificar a causa para soldas cuja qualidade estimada foi considerada baixa, com taxa de acerto acima de 97%. Esse sistema proposto não contém especificidades de nenhum processo produtivo e, portanto, tem potencial para ser aplicado em outros processos, além do PSPR.
publishDate 2010
dc.date.none.fl_str_mv 2010-04-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/3/3152/tde-17082010-113505/
url http://www.teses.usp.br/teses/disponiveis/3/3152/tde-17082010-113505/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090805959229440