Otimização dos parâmetros de soldagem Gmaw automatizada utilizando redes neurais

Abstract

RESUMO: A otimização e qualidade da produção tornaram-se aspectos centrais da indústria devido à alta concorrência. A busca por alta qualidade no processo de soldagem exige um preciso controle que pode ser obtido utilizando o conceito de estabilidade operacional. Neste cenário, o atual trabalho visa avaliar as variáveis no processo GMAW robotizado utilizando redes neurais e compará-las com resultados obtidos a partir dos ensaios experimentais. Para tal, a metodologia se baseou na discussão da correlação entre os parâmetros de soldagem e o índice de estabilidade, com posterior elaboração de uma rede neural. Os experimentos utilizaram o arame comercial do tipo sólido ER70S6 e foram executados pelo robô de soldagem industrial. Após a preparação dos corpos de prova, delineamento experimental e programação dos parâmetros de soldagem a coleta dos dados dos ensaios foi feita utilizando o sistema de aquisição de dados portátil (SAP). A análise dos dados por componentes principais e “clustering” foi construída utilizando o Software PAST4®, onde a redução da base de dados em componentes principais foi um passo fundamental para a implementação do algoritmo da rede neural, que foi construída utilizando o software Python, cujos dados foram tratados via Excel. A rede neural utilizada tem a arquitetura formada por quatro neurônios na camada de entrada, quatro neurônios na camada escondida e um na camada de saída. A rede Neural Artificial treinada apresentou uma taxa de 0,001 de erro. Dessa forma, a rede neural mostrou-se eficaz para predizer o índice de variância de tensão proposto.

ABSTRACT: Production optimization and quality have become central aspects of the industry due to high competition. The seek for high quality in the welding process requires a precise control that can be obtained using the concept of operational stability. In this scenario, the current work aims to evaluate the variables in the robotic GMAW process using neural networks and compare them with results obtained from experimental tests. To this end, was based on the discussion of the hypothesis between the foundations of fixation and the stability index, with subsequent elaboration of a neural network. Commercial solid type ER70 wires were run experiments to use shutdown and industrial equipment. After the preparation of the specimens, the adjustment of experimental parameters and the programming of the data collection tests was done using the portable data acquisition system (SAP). The analysis of the main data components was built using the PAST4® software, where the reduction of the database into main components was a fundamental for the implementation of the neural network animal, which was built using Python software, data generated using Excel The neural network used has an architecture designed by four interfaces and an input layer in the hidden layer and an output layer. The trained Artificial Neural Network presented an error rate of 0.001. Thus, a neural network proved to be effective in predicting the variance index of the contract.