ISSN 2594-5297
59º Seminário de Laminação, Conformação de Metais e Produtos — vol. 59, num.59 (2024)
Título
Autoria
DOI
Downloads
Resumo
A INDúSTRIA SIDERúRGICA BUSCA CONSTANTEMENTE APRIMORAR SEUS PROCESSOS PARA OTIMIZAR A PRODUçãO DE AçOS COM PROPRIEDADES MECâNICAS SUPERIORES E CARACTERíSTICAS DE SUPERFíCIE ENQUANTO REDUZ OS CUSTOS DE PRODUçãO. A INTEGRAçãO DE MéTODOS DE APRENDIZADO DE MáQUINA SURGE COMO UMA FERRAMENTA PROMISSORA PARA AUXILIAR NESSA EMPREITADA. ESTE ESTUDO TEM COMO OBJETIVO EXPLORAR A APLICAçãO DE TéCNICAS DE APRENDIZADO DE MáQUINA SUPERVISIONADO PARA PREVER O LIMITE DE ESCOAMENTO DE AçOS UTILIZADOS NA INDúSTRIA AUTOMOTIVA QUANDO SUBMETIDOS A UM PROCESSO DE RETRABALHO EM LAMINADOR DE ENCRUAMENTO DEVIDO A PROBLEMAS RELACIONADOS AO ACABAMENTO SUPERFICIAL OU PLANICIDADE. A MODELAGEM FOI BASEADA NA ANáLISE DE DADOS HISTóRICOS INDUSTRIAIS, INCLUINDO COMPOSIçãO QUíMICA, RESISTêNCIA AO ESCOAMENTO E TAXAS DE ALONGAMENTO ANTES E DEPOIS DO SKIN PASS. OS RESULTADOS ALCANçADOS DEMONSTRARAM UM ERRO PERCENTUAL ABSOLUTO MéDIO DE 2,3% PARA A PREVISãO DA RESISTêNCIA AO ESCOAMENTO E UM COEFICIENTE DE DETERMINAçãO (R²) DE 0,996, SUBLINHANDO A PRECISãO E EFICáCIA DA FERRAMENTA DESENVOLVIDA. ESSES ACHADOS APOIAM A VIABILIDADE DA IMPLEMENTAçãO DESTE MODELO EM UM CONTEXTO INDUSTRIAL, CONTRIBUINDO SIGNIFICATIVAMENTE PARA A OTIMIZAçãO E PRECISãO DAS PROPRIEDADES MECâNICAS DOS AçOS PRODUZIDOS E REDUZINDO AS INCERTEZAS DO RETRABALHO DESSES MATERIAIS.
THE STEEL INDUSTRY CONSTANTLY SEEKS TO ENHANCE ITS PROCESSES TO OPTIMIZE THE PRODUCTION OF STEELS WITH SUPERIOR MECHANICAL PROPERTIES AND SURFACE CHARACTERISTICS WHILE REDUCING PRODUCTION COSTS. INTEGRATING MACHINE LEARNING METHODS EMERGES AS A PROMISING TOOL TO ASSIST IN THIS ENDEAVOR. THIS STUDY AIMS TO EXPLORE THE APPLICATION OF SUPERVISED MACHINE LEARNING TECHNIQUES FOR PREDICTING THE YIELD STRENGTH OF STEELS USED IN THE AUTOMOTIVE INDUSTRY WHEN SUBJECTED TO AN OVER-ROLLING PROCESS IN A COLD ROLLING MILL DUE TO PROBLEMS RELATED TO SURFACE FINISH OR FLATNESS. THE MODELING WAS BASED ON THE ANALYSIS OF INDUSTRIAL HISTORICAL DATA, INCLUDING CHEMICAL COMPOSITION, YIELD STRENGTH, AND ELONGATION RATES BEFORE AND AFTER THE SKIN PASS. THE ACHIEVED RESULTS DEMONSTRATED A MEAN ABSOLUTE PERCENTAGE ERROR OF 2.3% FOR THE YIELD STRENGTH PREDICTION AND A COEFFICIENT OF DETERMINATION (R²) OF 0.996, UNDERLINING THE PRECISION AND EFFECTIVENESS OF THE DEVELOPED TOOL. THESE FINDINGS SUPPORT THE FEASIBILITY OF IMPLEMENTING THIS MODEL IN AN INDUSTRIAL CONTEXT, SIGNIFICANTLY CONTRIBUTING TO THE OPTIMIZATION AND ACCURACY OF THE MECHANICAL PROPERTIES OF THE PRODUCED STEELS AND REDUCING THE UNCERTAINTIES OF REWORKING THESE MATERIALS.
Palavras-chave
MACHINE LEARNING; PREVISÃO LIMITE ESCOAMENTO; SKIN PASS MILL;
Machine Learning; Yield Strength Prediction; Skin Pass Mill; Mechanical Properties.
Como citar
FINAMOR, FELIPE PEREIRA;
TEPEDINO, JOSÉ OSVALDO AMARAL;
CORREIA, MYLENA INAIÊ;
CORRÊA, SILVIO;
KRETZCHEMAR, FABIANO JOSÉ;
MEI, PAULO ROBERTO.
PREVISÃO DO LIMITE DE ESCOAMENTO EM AÇOS LAMINADOS A FRIO E GALVANIZADOS APÓS RETRABALHO EM UM LAMINADOR DE ENCRUAMENTO
,
p. 431-441.
In: 59º Seminário de Laminação, Conformação de Metais e Produtos,
São Paulo, Brasil,
2024.
ISSN: 2594-5297
, DOI 10.5151/2594-5297-41067
