Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/34741
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2021_RafaelGasparBessaDeOliveira_tcc.pdfTrabalho de Conclusão de Curso6,84 MBAdobe PDFver/abrir
Título: Inteligência artificial para predição da porosidade de materiais cerâmicos fabricados por freeze casting
Autor(es): Oliveira, Rafael Gaspar Bessa de
Orientador(es): Silva, Alysson Martins Almeida
Assunto: Inteligência artificial
Redes neurais (Computação)
Cerâmica
Data de apresentação: 9-Nov-2021
Data de publicação: 11-Mai-2023
Referência: OLIVEIRA, Rafael Gaspar Bessa de. Inteligência artificial para predição da porosidade de materiais cerâmicos fabricados por freeze casting. 2021. 55 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecânica) — Universidade de Brasília, Brasília, 2021.
Resumo: Freeze Casting é um processo de fabricação inovador, que possibilita controlar e desenvolver diferentes microestruturas. Diversas pesquisas têm sido realizadas para determinar os efeitos de diferentes composições e técnicas aplicadas sobre a microestrutura resultante. Além disso, novas técnicas e variações do método têm sido desenvolvidas recentemente. No entanto, existem poucas pesquisas sobre a predição destas microestruturas. Este projeto propõe utilizar modelos de inteligência artificial para a predição da porosidade. Os modelos são treinados a partir de um banco de dados de artigos experimentais, e tem seus hiperparâmetros ajustados. Desta forma, realiza-se a predição da porosidade a partir dos parâmetros mais relevantes do processo de fabricação. Para embasar a tomada de decisão no projeto e identificar limitações inerentes ao banco de dados, foi realizada a análise exploratória dos dados. Em seguida, foram desenvolvidos três modelos pela biblioteca H2O, dentre eles duas árvores de decisão e uma rede neural. A rede neural apresentou performance levemente superior aos outros modelos, obtendo o R2 , coeficiente de Pearson, médio de 0.640 entre os resultados para diferentes seeds
Abstract: Freeze Casting is an innovative manufacturing process that makes it possible to control and develop different microstructures. Several researches have been carried out to deter mine the effects of different compositions and techniques over the resulting microstructure. Furthermore, new techniques and variations of the method have been developed recently. However, there is little research on the prediction of these microstructures. This project proposes to use artificial intelligence models to predict porosity. Models are trained from a database of experimental articles and have their hyperparameters adjusted. In this way, the porosity is predicted from the most relevant parameters of the manufacturing process. To support the decision making in the project and to identify limitations inherent to the database an exploratory analysis was carried out. Three models were developed from the H2O library, among them two decision trees and one neural network. The neural network model performed slightly better than the other models, obtaining the R2 , Pearson’s coeffici ent, with an average of 0.640 in the results for different seeds
Informações adicionais: Trabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2021.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Engenharia Mecânica



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.