Title

MODELAGEM PREDITIVA DA DUREZA EM PROCESSOS DE FORJAMENTO DE AçO BAINíTICO UTILIZANDO INTELIGêNCIA ARTIFICIAL

PREDICTIVE MODELING OF HARDNESS IN BAINITIC STEEL FORGING PROCESSES USING ARTIFICIAL INTELLIGENCE

Authorship

PETERSON DIEHL; ROSIAK, ANDRÉ; MARCELINO, RODERVAL; SCHAEFFER, LIRIO

PETERSON DIEHL

1 Article, 3 downloads

ROSIAK, ANDRÉ

I am this author

MARCELINO, RODERVAL

I am this author

SCHAEFFER, LIRIO

I am this author

DOI

10.5151/2594-5297-42135

Downloads

Abstract

Este estudo investiga a aplicação de técnicas de aprendizado de máquina para a predição da dureza de aços bainíticos forjados, com o objetivo de aprimorar o controle inteligente do processo. Para isso, foi desenvolvida uma base de dados experimental, contemplando os principais parâmetros termomecânicos do processo e os valores de dureza dos componentes forjados. Foram avaliados os desempenhos dos modelos de Rede Neural Artificial (RNA), Máquina de Vetores de Suporte (SVM) e Floresta Aleatória (RF). A RNA, configurada com três camadas ocultas (64, 128 e 256 neurônios), apresentou o melhor desempenho, com um Erro Absoluto Médio (MAE) de 1,3518 HV, Erro Quadrático Médio (MSE) de 8,8448 HV² e Coeficiente de Determinação (R²) de 0,994. Testes de inferência confirmaram a robustez e a aplicabilidade prática do modelo, validando seu uso em cenários reais de forjamento, como na predição da dureza de bielas forjadas. Os resultados demonstram que modelos baseados em inteligência artificial podem efetivamente apoiar a tomada de decisão e o ajuste dinâmico do processo de forjamento, permitindo a identificação de inconsistências produtivas e a implementação de correções em tempo real.

THIS STUDY INVESTIGATES THE APPLICATION OF MACHINE LEARNING TECHNIQUES FOR THE PREDICTION OF THE HARDNESS OF FORGED BAINITIC STEELS, AIMING TO ENHANCE THE INTELLIGENT CONTROL OF THE PROCESS. FOR THIS PURPOSE, AN EXPERIMENTAL DATABASE WAS DEVELOPED, INCLUDING KEY THERMOMECHANICAL PARAMETERS OF THE PROCESS AND THE HARDNESS OF THE FORGED COMPONENTS. THE PERFORMANCE OF ARTIFICIAL NEURAL NETWORK (ANN), SUPPORT VECTOR MACHINE (SVM), AND RANDOM FOREST (RF) MODELS WAS EVALUATED. THE ANN, CONFIGURED WITH THREE HIDDEN LAYERS (64, 128, AND 256 NEURONS), EXHIBITED THE BEST PERFORMANCE, ACHIEVING A MEAN ABSOLUTE ERROR (MAE) OF 1.3518 HV, MEAN SQUARED ERROR (MSE) OF 8.8448 HV², AND A COEFFICIENT OF DETERMINATION (R²) OF 0.994. INFERENCE TESTS CONFIRMED THE ROBUSTNESS AND PRACTICAL APPLICABILITY OF THE MODEL, VALIDATING ITS USE IN REAL-WORLD FORGING SCENARIOS, SUCH AS THE PREDICTION OF THE HARDNESS OF FORGED CONNECTING RODS. THE RESULTS DEMONSTRATE THAT THE USE OF ARTIFICIAL INTELLIGENCE-BASED MODELS CAN EFFECTIVELY SUPPORT DECISION-MAKING AND THE DYNAMIC ADJUSTMENT OF THE FORGING PROCESS, ENABLING THE IDENTIFICATION OF PRODUCTION INCONSISTENCIES AND THE IMPLEMENTATION OF REAL-TIME CORRECTIONS.

Keywords

Inteligência Artificial, Forjamento, Aço Bainítico, Aprendizado de Máquina

Artificial Intelligence, Forging, Bainitic Steel, Machine Learning