Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Centro de Ciências, Tecnologias e Saúde

Departamento: CTS - Computação/DEC

Dimensão Institucional: Pesquisa

Dimensão ODS: Econômica

Tipo do Documento: Projeto de Pesquisa

Título: OTIMIZAÇÃO DOS PROCESSOS DE MANUFATURA POR FORJAMENTO E ESTAMPAGEM EMPREGANDO TÉCNICAS DE INTELIGÊNCIA ARTIFICIAL

Coordenador
  • RODERVAL MARCELINO
Participante
  • IURY MELO AMERICO
  • JEFERSON BORGES CARDOSO
  • RODERVAL MARCELINO (D)
  • WESLEY ZYTKOSKI

Conteúdo

Este projeto tem foco na otimização dos process...este projeto tem foco na otimização dos processos de manufatura por forjamento e estampagem na fabricação de componentes de ultra alta resistência mecânica. desde que as indústrias mais modernas iniciaram com a implementação da indústria 4.0 esses avanços somente estão se tornando viáveis com o emprego dessas novas técnicas, onde se começou a se implementar a simulação computacional de processos (cad/cae), a inteligência artificial (ai), a internet das coisas (iot), a memorização de dados em nuvens e gêmeos digitais. essas são as ferramentas que se pretende empregar como resultados deste projeto. na primeira fase, serão estudadas e realizadas simulações computacionais baseadas em elementos finitos para modelar as peças e lotes de produção para aplicação de algoritmos de inteligência artificial para detectar eventuais desvios de produção nos lotes simulados. numa segunda fase, junto ao desenvolvimento da tecnologia de conformar estas novas ligas, através de análises práticas e estudos teóricos, iniciando com a fabricação (forjamento e estampagem) de aços de alta resistência, onde serão monitorados os principais parâmetros de processos com ajuda de sensores. estes parâmetros medidos (por exemplo: força, deslocamento e velocidade do ferramental, temperatura, etc.) em conjunto com outros parâmetros da literatura (como por exemplo: parâmetros térmicos para avaliação das transferências de calor, coeficientes de atrito, cálculos de tamanho de grão, etc.) irão formar um banco de dados que serão utilizados na simulação computacional dos processos a serem analisados. estes conjuntos formarão a base para que as empresas possam corrigir eventuais erros que estão ocorrendo durante a produção em “tempo real” e construção de um modelo de indústria 4.0.

Índice de Shannon: 3.06072

Índice de Gini: 0.768747

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
1,74% 4,91% 2,46% 2,48% 2,19% 2,91% 5,85% 3,84% 45,69% 1,91% 5,70% 5,84% 3,45% 3,99% 3,11% 3,92%
ODS Predominates
ODS 9
ODS 1

1,74%

ODS 2

4,91%

ODS 3

2,46%

ODS 4

2,48%

ODS 5

2,19%

ODS 6

2,91%

ODS 7

5,85%

ODS 8

3,84%

ODS 9

45,69%

ODS 10

1,91%

ODS 11

5,70%

ODS 12

5,84%

ODS 13

3,45%

ODS 14

3,99%

ODS 15

3,11%

ODS 16

3,92%