Título

Revisão sistemática de arquiteturas de redes neurais para predição da carga de laminação

A Systematic Review of Neural Network Architectures for Rolling load Prediction

Autoria

DINIZ, SERGIO RUTOWITSCH KREPPEL; SHIGAKI, YUKIO

DINIZ, SERGIO RUTOWITSCH KREPPEL

Eu sou esse autor

SHIGAKI, YUKIO

Eu sou esse autor

DOI

10.5151/2594-5297-43172

Downloads

Resumo

A predição da força de laminação permanece um problema desafiador devido às interações termomecânicas não lineares, aos parâmetros operacionais complexos e à disponibilidade limitada de dados industriais consistentes, especialmente no caso da laminação a quente. Este trabalho apresenta uma revisão sistemática da literatura sobre a aplicação de redes neurais artificiais para a predição da força de laminação, com o objetivo de estudar a evolução metodológica dessas abordagens e a incorporação progressiva de conhecimento físico aos modelos de aprendizado. Foi realizada uma busca estruturada, e os estudos publicados ao longo de quase três décadas foram classificados de acordo com a arquitetura, a fonte de dados e a estratégia de modelagem. Os resultados revelam uma clara transição de redes neurais puramente empíricas, utilizadas como substitutas diretas de formulações analíticas, para modelos híbridos que combinam redes neurais com simulações analíticas e por elementos finitos. Trabalhos mais recentes introduzem estratégias informadas pela física, seja por meio de variáveis de entrada derivadas fisicamente, seja pela incorporação das equações governantes na função de perda. Essas abordagens melhoram a acurácia das predições, a estabilidade numérica e a capacidade de extrapolação em condições operacionais com instrumentação deficiente. Entretanto, elas também introduzem desafios adicionais relacionados ao custo computacional, à calibração dos modelos e à implementação industrial.

Rolling force prediction remains a challenging problem due to nonlinear thermomechanical interactions, complex operational parameters and limited availability of consistent industrial data, especially for the hot rolling case. This work presents a systematic literature review on the application of artificial neural networks for rolling force prediction, aiming to study the methodological evolution of these approaches and the progressive incorporation of physical knowledge into learning models. A structured search was conducted, and studies published over nearly three decades were classified according to architecture, data source and modelling strategy. The results reveal a clear transition from purely empirical neural networks used as direct substitutes for analytical formulations to hybrid models combining neural networks with analytical and finite element simulations. More recent works introduce physics informed strategies, either through physically derived input variables or by embedding governing equations into the loss function. These approaches improve prediction accuracy, numerical stability, and extrapolation capability under poorly instrumented operating conditions. However, they also introduce additional challenges related to computational cost, model calibration, and industrial implementation.

Palavras-chave

Laminação a quente, Laminação a frio, Redes neurais informadas pela física, Método dos elementos fin

Hot rolling, Cold rolling, Physics-informed Neural Network, Finite element method, Hybrid modelling