Título

PREVISÃO DAS TEMPERATURAS DE INÍCIO E FIM DE TRANSFORMAÇÃO DE DIFERENTES TIPOS DE METAIS DE SOLDA ATRAVÉS DE TÉCNICAS DE MACHINE LEARNING

PREDICTION OF START AND FINISH TRANSFORMATION TEMPERATURE FOR DIFERENT TYPES OF WELD METALS USING MACHINE LEARNING

Autoria

Borba, Tadeu Messias Donizete; Finamor, Felipe Pereira; Vilarinho, Louriel Oliveira

DOI

10.5151/2594-5327-34914

Downloads

Baixar Artigo 10 Downloads

Resumo

A INTERAÇÃO DE DIFERENTES ELEMENTOS NA COMPOSIÇÃO QUÍMICA DAS LIGAS METÁLICAS, ASSOCIADA À APLICAÇÃO DE CICLOS TÉRMICOS E/OU ÀS OPERAÇÕES DE SOLDAGEM, AFETAM SIGNIFICATIVAMENTE AS CARACTERÍSTICAS MICROESTRUTURAIS E, POR SUA VEZ, AS PROPRIEDADES MECÂNICAS DOS MATERIAIS. OS DIAGRAMAS DE TRANSFORMAÇÃO NO RESFRIAMENTO CONTÍNUO (CONTINUOUS COOLING TRANSFORMATION - CCT), OBTIDOS POR MEIO DE ENSAIOS DILATOMÉTRICOS, DESCREVEM AS TRANSFORMAÇÕES DE FASES DURANTE A APLICAÇÃO DE CICLOS TÉRMICOS EM UMA DETERMINADA LIGA METÁLICA. PORÉM, ESSA METODOLOGIA EXIGE UM TEMPO ELEVADO PARA A SUA EXECUÇÃO, ALÉM DE EQUIPAMENTO E CONHECIMENTO ESPECIALIZADOS, NÃO SENDO ADEQUADA PARA UMA RÁPIDA TOMADA DE DECISÃO. ESTE TRABALHO APRESENTA UM MODELO DESENVOLVIDO EMPREGANDO TÉCNICAS DE MACHINE LEARNING E VALIDADO PARA A PREVISÃO DA DECOMPOSIÇÃO DA AUSTENITA DURANTE O RESFRIAMENTO CONTÍNUO, BASEADO EM UM CONJUNTO DE DIAGRAMAS CCTS EXPERIMENTAIS DE DIFERENTES METAIS DE SOLDA DISPONÍVEIS NA LITERATURA. OS RESULTADOS COMPROVAM QUE A ABORDAGEM COMPUTACIONAL EMPREGANDO A TÉCNICA DE MACHINE LEARNING É UMA FERRAMENTA VÁLIDA PARA O ESTUDO DAS ALTERAÇÕES MICROESTRUTURAIS QUE OCORREM DURANTE O RESFRIAMENTO CONTÍNUO DE METAIS DE SOLDA E COMPLEMENTAR ÀS ANÁLISES DILATOMÉTRICAS, REDUZINDO OS TEMPOS E CUSTOS EXPERIMENTAIS E PROPORCIONANDO RESPOSTAS RÁPIDAS E ASSERTIVAS QUE PODEM AUXILIAR NO DESENVOLVIMENTO DE PROCEDIMENTOS DE SOLDAGEM.

 

THE INTERACTIONS OF DIFFERENT ALLOYING ELEMENTS IN THE CHEMICAL COMPOSITION OF THE METALLIC ALLOYS, ASSOCIATED WITH THE APPLICATION OF THERMAL CYCLES AND/OR WELDING OPERATIONS HAS A SIGNIFICANT IMPACT ON MICROSTRUCTURAL CHARACTERISTICS AND IN THE MECHANICAL PROPERTIES OF MATERIALS. THE CONTINUOUS COOLING TRANSFORMATION (CCT) DIAGRAMS, GENERALLY OBTAINED THROUGH DILATOMETRIC TESTS, DESCRIBE THE PHASE TRANSFORMATION IN A SPECIFIC ALLOY DURING THE APPLICATION OF THERMAL CYCLES. HOWEVER, THIS METHODOLOGY REQUIRES LONG PERIODS OF TIME ADDED TO SPECIALIZED EQUIPMENT AND KNOWLEDGE AND CAN NOT BE TAKEN AS A TOOL FOR A FAST DECISION MAKING. THIS WORK PRESENTS A MACHINE LEARNING DEVELOPED AND VALIDATED MODEL FOR PREDICT THE AUSTENITE DECOMPOSITION DURING CONTINUOUS COOLING, BASED ON A SET OF EXPERIMENTAL CCT DIAGRAMS OF DIFFERENT WELD METALS AVAILABLE IN THE LITERATURE. THE RESULTS PROVED THAT THE CCT PREDICTED BY A MACHINE LEARNING APPROACH CAN BE A PROMISING TOOL TO ASSIST THE STUDY OF MICROSTRUCTURAL CHANGES THAT OCCUR DURING THE CONTINUOUS COOLING OF WELD METALS AND COMPLEMENTED TO THE DILATOMETRIC ANALYSIS REDUCING TIME AND COST OF EXPERIMENTS AND PROVIDING FAST AND ASSERTIVE RESPONSES THAT COULD HELP IN THE DEVELOPMENT OF WELDING PROCEDURES.

Palavras-chave

Diagrama CCT; Metal de Solda; Machine Learning

CCT Diagrams; Weld Metal; Machine Learning