Mestrado Profissional em Engenharia Mecânica
https://repositorio.ucs.br/11338/64
2024-03-28T21:46:10ZSistema vestível para monitoramento remoto de pacientes com paralisia cerebral
https://repositorio.ucs.br/11338/12787
Sistema vestível para monitoramento remoto de pacientes com paralisia cerebral
Longhi Junior, Mosart Roque
2023-11-15T00:00:00ZMachine learning para predição de rugosidades e desgastes de fresas com diferentes polimentos por arraste
https://repositorio.ucs.br/11338/12720
Machine learning para predição de rugosidades e desgastes de fresas com diferentes polimentos por arraste
Moraes, Nathalia Tessari
Tool edge preparation is considered one of the key aspects of modern and accurate cutting tools. It is a process that allows longer tool life, better cutting performance and surface quality of the machined material. In order to better understand the role of cutting edge preparation, it is necessary to deepen the understanding of the roughness of the machined material, tool wear and their relationships. This task, although challenging, as it is dependent on many configuration factors of the cutting process, is fundamental for process optimization. Predicting roughness and wear is a means of reducing production times and costs, as it reduces process operations and makes better use of the tool possible, where one seeks to use the tool until the end of its life, but without leaving reach a wear that compromises the quality of the surface machined by this tool. In order to explore these two fields of development, edge preparation and wear and roughness prediction, this work developed experiments to collect wear and roughness data obtained by tools with different edge preparations to understand the effects of this preparation and to train and evaluate prediction models. Through the evaluation of the experiments, it was confirmed a greater stability and homogeneity in milling with the tools with drag polishing when evaluating the roughness and a longer useful life of the tools with edge preparation with the media HSC 1/300 and H 4/ 400 of 18.62% and 20.49% higher, respectively, when compared to tool life without any edge preparation. For the predictions of wear and roughness, different methods were compared that achieved mean percentage absolute errors for wear, Ra, Rz and Rt around 0.1%, 2.3%, 10.4% and 23.8%, respectively. The comparison of new models brought new contributions to the literature testing new machine learning models, highlighting models based on decision trees such as Random Forest, Extra Tree and XGBoost potential for roughness predictions and NuSVR for wear prediction. [resumo fornecido pelo autor]
A preparação do gume da ferramenta é considerada um dos aspectos principais da fabricação de ferramentas de corte modernas e precisas. É um processo que possibilita maior vida útil para a ferramenta, melhor desempenho de corte e qualidade superficial do material usinado. Para compreender melhor o papel da preparação de gume, torna-se necessário o aprofundamento no entendimento das rugosidades do material usinado, desgaste da ferramenta e suas relações. Esta tarefa, embora seja desafiadora, pois é dependente de muitos fatores de configuração do processo de corte, é fundamental para uma otimização do processo. Prever as rugosidades e desgastes é um meio de redução de tempos e custos de produção, uma vez que diminui as operações de processo e viabiliza um melhor aproveitamento da ferramenta. Onde busca-se utilizar a ferramenta até o fim da sua vida, mas sem deixar chegar a um desgaste que comprometa a qualidade da superfície usinada por esta ferramenta. Em vista de explorar estes dois campos de desenvolvimento, preparação do gume e predição de desgastes e rugosidades, este trabalho desenvolveu experimentos para coleta de dados de desgaste e rugosidades obtidas por ferramentas com diferentes preparações de gume para compreender os efeitos desta preparação e treinar e avaliar modelos de predição. Por meio da avaliação dos experimentos, confirmou-se uma estabilidade e homogeneidade maior no fresamento com as ferramentas com polimento por arraste, ao avaliar as rugosidades e uma maior vida útil das ferramentas com preparação de gume com as mídias HSC 1/300 e H 4/400 de 18,62% e 20,49% maior, respectivamente, quando comparadas a vida útil das ferramentas sem qualquer preparação de gume. Para as predições dos desgastes e rugosidades, comparou-se diferentes métodos que alcançaram erros absolutos percentuais médios para desgaste, Ra, Rz e Rt em torno de 0,1%, 2,3%, 10,4% e 23,8%, respectivamente. A comparação de novos modelos trouxe novas contribuições para a literatura com testes de modelos de machine learning, ressaltando modelos baseados em árvores de decisão como Random Forest, Extra Tree e XGBoost potenciais para predições de rugosidades e NuSVR para desgaste. [resumo fornecido pelo autor]
2023-09-20T00:00:00ZDeterminação do intervalo de máxima eficiência na usinagem de tambores de freio fundido cinzento SAE J431 G3500 com ferramentas de CBN
https://repositorio.ucs.br/11338/11843
Determinação do intervalo de máxima eficiência na usinagem de tambores de freio fundido cinzento SAE J431 G3500 com ferramentas de CBN
Velho, Samuel Inácio
This dissertation aims to identify the range of maximum efficiency in the machining of brake drums made from gray cast iron SAE J431 G3500. For this determination, distinct groups of brake drums were machined with cutting speeds of 800, 900, 1.000, 1.100, and 1.200 meters per minute. After the end of the tests, the wear that each CBN insert presented was identified, relating the number of machined brake drums with the cutting speed used, the time used, and the cost associated with the machining process. As a result, the economic machining condition could be determined when the cutting speed of 800 meters per minute is used, presenting a machining cost of $ 9,18 per machined drum. The maximum production condition was identified using a speed of 900 meters per minute, where it was possible to machine 29 brake drums per hour. With cutting speeds of 800 to 900 meters per minute, productive strategies must be used within this range to obtain maximum efficiency in the machining process of brake drums manufactured from gray cast iron, when using inserts of CBN. [resumo fornecido pelo autor]
Esta dissertação tem por objetivo realizar a identificação do intervalo de máxima eficiência na usinagem de tambores de freio fabricados a partir de ferro fundido cinzento SAE J431 G3500. Para esta determinação, grupos distintos de tambores de freio foram usinados com velocidades de corte de 800, 900, 1.000, 1.100 e 1.200 metros por minuto. Após o término dos ensaios,
identificou-se o desgaste que cada inserto de CBN apresentou, relacionando a quantidade de tambores de freio usinados com a velocidade de corte empregada, o tempo utilizado e o custo associado ao processo de usinagem. Como resultado, a condição econômica de usinagem pôde ser determinada quando a velocidade de corte de 800 metros por minuto é utilizada, apresentando um custo de usinagem de $ 9,18 por tambor usinado. A condição de máxima produção foi identificada no emprego da velocidade de 900 metros por minuto, onde foi possível a usinagem de 29 tambores de freio por hora. Com o emprego de velocidades de corte de 800 à 900 metros por minuto, estratégias produtivas devem ser utilizadas dentro deste intervalo, para a obtenção de uma máxima eficiência no processo de usinagem de tambores de freio fabricados a partir de ferro fundido cinzento, quando utilizado insertos de CBN. [resumo fornecido pelo autor]
2023-04-07T00:00:00ZModelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
https://repositorio.ucs.br/11338/11488
Modelo de média-variância de Markowitz em conjunto com modelo ARIMA e inteligência artificial para maximização de resultados financeiros em operações aplicável em engenharia
Ferreira, Rafael
Expectations about the future outcome of markets and companies are largely responsible for their quotations. The form of variation of the data involved can be considered complex, since several methods are developed in order to try to make predictions and, at the same time, generate greater returns in investments such as variable income, a subject that in recent years has awakened the interest of an increasing portion of the population. In the financial market, the possibility of obtaining rates of return above the rates obtained in fixed income is one of the main factors that lead to the migration of resources from fixed income to variable income. This greater return is linked to a greater risk assumed by the investor, and using mathematical knowledge to guide decision-making is highly recommended. This work aimed at the study and application of Artificial Neural Networks (ANN) and the integrated autoregressive moving averages model (ARIMA), as well as the Markowitz Mean-Variance model in the Brazilian capital market, with the objective of maximizing the creation of value to the investor by controlling the risk of the portfolio and predicting the price of its assets. For this, asset selection criteria were used, to then predict the quotation of listed companies and later apply the Mean-Variance model to calculate the participation percentages of each asset, thus creating the Optimized Portfolio. For this prognosis, a comparison of time series forecasting models was carried out in 243 trading days of the Brazilian stock exchange (B3) in the year 2021, using RNA and ARIMA. Previous results show that the methodology is capable of generating financial returns and can be applied to similar cases. [resumo fornecido pelo autor]
As expectativas sobre o resultado futuro dos mercados e das empresas são grandes responsáveis pelas suas cotações. A forma de variação dos dados envolvidos pode ser considerada como complexa, uma vez que vários métodos são desenvolvidos de forma a tentar realizar previsões e, ao mesmo tempo, gerar maiores retornos em investimentos como a renda variável, assunto que nos últimos anos tem despertado o interesse de uma parcela cada vez maior da população. No mercado financeiro, a possibilidade de obtenção de taxas de retorno acima das taxas obtidas em renda fixa é um dos principais fatores que levam a migração de recursos da renda fixa para a renda variável. Esse retorno maior está atrelado a um maior risco assumido pelo investidor, e utilizar de conhecimentos matemáticos para nortear a tomada de decisão é altamente recomendado. Esse trabalho visou o estudo e aplicação das Redes Neurais Artificiais (RNA) e do modelo autorregressivo integrado de médias móveis (ARIMA), assim como o modelo de Média-Variância de Markowitz no mercado de capitais brasileiro, com o objetivo de maximizar a criação de valor ao investidor por meio do controle de risco da carteira e da predição da cotação dos seus ativos. Para isso, utilizou-se critérios de seleção de ativos, para em seguida, prever a cotação das empresas listadas e posteriormente aplicar o modelo de Média-Variância para o cálculo dos percentuais de participação de cada ativo, montando assim a Carteira Otimizada. Para essa prognose, foi realizada uma comparação dos modelos de previsão de séries temporais em 243 dias de negociações da bolsa de valores brasileira (B3) no ano de 2021, com o uso de RNA e ARIMA. Resultados prévios mostram que a metodologia é capaz de gerar retornos financeiros, podendo ser aplicada a casos similares. [resumo fornecido pelo autor]
2023-01-24T00:00:00Z