Título

PREDIÇÃO DE PROPRIEDADES MECÂNICAS EM AÇOS LAMINADOS A QUENTE UTILIZANDO REDES NEURAIS ADAPTATIVAS

USING NEURAL NETWORKS TO PREDICT MECHANICAL PROPERTIES IN HOT ROLLED STEEL

Autoria

Morais, Willy Ank de; Borges, Herbert Christian; Plaut, Ronald Lesley

DOI

10.5151/2594-5327-15191

Downloads

Baixar Artigo 50 Downloads

Resumo

O crescente desenvolvimento tecnológico dos setores consumidores de aço aumenta a competição no setor siderúrgico e obriga os produtores a estreitar cada vez mais as faixas de tolerâncias dimensionais e propriedades mecânicas de seus produtos. Neste sentido, as Redes Neurais Adaptativas (RNA’s) constituem uma importante ferramenta a ser explorada na previsão de propriedades mecânicas dos aços, possibilitando: otimização dos processos produtivos, redução no custo de desenvolvimento de novos produtos e flexibilizar as características do aço às necessidades dos usuários. Neste trabalho, foram levantados dados básicos de processo (composição química, temperaturas de laminação e dimensão do produto final) para a construção de uma RNA que preveja o Limite de Escoamento e Limite de Resistência de materiais laminados a quente, processados na forma de bobinas.

 

The constant technological development in the steel consuming sectors increased the competition that forces steel makers to narrow dimensional tolerances and mechanical properties range of their products. In this way, Artificial Neural Networks (ANN’s) became an important tool explored to forecast mechanical properties of steels, which enables: optimization of processing, cost reductions during new products development and make steel products more adequate to consumers need. In the present work, basic process data (chemical composition, rolling temperatures, product dimensions) have been used in order to build a ANN relating those to the yield and tensile strength of hot rolled materials, in the form of steel coils.

Palavras-chave

Laminados a quente; Redes neurais; Propriedades mecânicas; Modelamento.

Hot rolled; Neural network; Mechanical properties; Modeling.