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.