Title

IA PREDIÇÃO DE LIMITE DE RESISTÊNCIA

AI PREDICTION OF TENSILE STRENGTH

Authorship

SANTIAGO, MAX VIEIRA; SOUSA, GUSTAVO HENRIQUE; QUARESMA, CARLOS GERALDO; SILVA, GILBERSON GERALDO; MOTA, CAIO CESAR MAGALHAES DIONISIO; NETO, JOAQUIM GONCALVES COSTA

SANTIAGO, MAX VIEIRA

I am this author

SOUSA, GUSTAVO HENRIQUE

I am this author

QUARESMA, CARLOS GERALDO

I am this author

SILVA, GILBERSON GERALDO

I am this author

MOTA, CAIO CESAR MAGALHAES DIONISIO

I am this author

NETO, JOAQUIM GONCALVES COSTA

I am this author

DOI

10.5151/2594-5335-41372

Downloads

Abstract

ESTE ARTIGO ABORDA A APLICAçãO DE INTELIGêNCIA ARTIFICIAL (IA) NA PREDIçãO DO LIMITE DE RESISTêNCIA DE AçOS DE BAIXO CARBONO, MéDIO CARBONO, ALTO CARBONO E AçOS LIGADOS. O OBJETIVO PRINCIPAL é DESENVOLVER UM MODELO DE IA CAPAZ DE PREVER COM PRECISãO O LIMITE DE RESISTêNCIA DESSES MATERIAIS, CONSIDERANDO SUAS COMPOSIçõES QUíMICAS, DIâMETROS E TAXAS DE RESFRIAMENTO. A METODOLOGIA ENVOLVE A COLETA DE UM EXTENSO CONJUNTO DE DADOS EXPERIMENTAIS, SEGUIDO PELA UTILIZAçãO DE ALGORITMOS DE MACHINE LEARNING, COMO REDES NEURAIS ARTIFICIAIS E REGRESSãO, PARA TREINAR E VALIDAR OS MODELOS PREDITIVOS. OS 120 MIL DADOS FORAM PRé-PROCESSADOS PARA ELIMINAR RUíDOS E GARANTIR A QUALIDADE DAS PREVISõES. OS RESULTADOS DEMONSTRARAM QUE OS MODELOS DE IA DESENVOLVIDOS PODEM PREVER O LIMITE DE RESISTêNCIA DOS DIFERENTES TIPOS DE AçO COM ALTA PRECISãO, SUPERANDO MéTODOS TRADICIONAIS BASEADOS EM EQUAçõES EMPíRICAS. AS CONCLUSõES DESTACAM A EFICáCIA E A EFICIêNCIA DA IA NA ENGENHARIA DE MATERIAIS, SUGERINDO QUE ESSA ABORDAGEM PODE SER AMPLAMENTE APLICADA NA INDúSTRIA METALúRGICA PARA OTIMIZAR O DESENVOLVIMENTO E A PRODUçãO DE AçOS COM PROPRIEDADES MECâNICAS DESEJADAS. ESTE ESTUDO REFORçA O POTENCIAL DA IA COMO UMA FERRAMENTA VALIOSA PARA MELHORAR A COMPREENSãO E A APLICAçãO DOS MATERIAIS METáLICOS.

THIS PAPER ADDRESSES THE APPLICATION OF ARTIFICIAL INTELLIGENCE (AI) IN PREDICTING THE TENSILE STRENGTH OF LOW CARBON, MEDIUM CARBON, HIGH CARBON, AND ALLOY STEELS. THE PRIMARY OBJECTIVE IS TO DEVELOP AN AI MODEL CAPABLE OF ACCURATELY PREDICTING THE TENSILE STRENGTH OF THESE MATERIALS, CONSIDERING THEIR CHEMICAL COMPOSITIONS, SIZES AND COOLING RATES. THE METHODOLOGY INVOLVES COLLECTING AN EXTENSIVE SET OF EXPERIMENTAL DATA, FOLLOWED USING MACHINE LEARNING ALGORITHMS, SUCH AS ARTIFICIAL NEURAL NETWORKS AND REGRESSION, TO TRAIN AND VALIDATE THE PREDICTIVE MODELS. THE 120 THOUSAND DATA LINES WERE PRE-PROCESSED TO ELIMINATE NOISE AND ENSURE THE QUALITY OF THE PREDICTIONS. THE RESULTS DEMONSTRATED THAT THE DEVELOPED AI MODELS CAN PREDICT THE TENSILE STRENGTH OF DIFFERENT TYPES OF STEEL WITH HIGH ACCURACY, OUTPERFORMING TRADITIONAL METHODS BASED ON EMPIRICAL EQUATIONS. THE CONCLUSIONS HIGHLIGHT THE EFFECTIVENESS AND EFFICIENCY OF AI IN MATERIALS ENGINEERING, SUGGESTING THAT THIS APPROACH CAN BE WIDELY APPLIED IN THE METALLURGICAL INDUSTRY TO OPTIMIZE THE DEVELOPMENT AND PRODUCTION OF STEELS WITH DESIRED MECHANICAL PROPERTIES. THIS STUDY REINFORCES THE POTENTIAL OF AI AS A VALUABLE TOOL FOR IMPROVING THE UNDERSTANDING AND APPLICATION OF METALLIC MATERIALS.

Keywords

Inteligência Artificial; Predição do Limite de Resistência; Engenharia Metalúrgica

Artificial Intelligence; Tensile Strength Prediction; Metallurgical Engineering