FACULDADE DE ENGENHARIA CAMPUS BAURU ...... ESTIMAÇÃO DO DIÂMETRO E RUGOSIDADE EM UM PROCESSO DE FURAÇÃO UTILIZANDO MULTI SENSORES E REDES NEURAIS ARTIFICIAIS CARLOS EDUARDO DORIGATTI CRUZ BAURU – SP Agosto / 2010 FACULDADE DE ENGENHARIA CAMPUS BAURU ...... ESTIMAÇÃO DO DIÂMETRO E RUGOSIDADE EM UM PROCESSO DE FURAÇÃO UTILIZANDO MULTI SENSORES E REDES NEURAIS ARTIFICIAIS CARLOS EDUARDO DORIGATTI CRUZ Orientador: Prof. Dr. Paulo Roberto de Aguiar Dissertação apresentada à Faculdade de Engenharia da UNESP - Campus de Bauru, para obtenção do Título de Mestre em Engenharia Elétrica. BAURU – SP Agosto / 2010 Cruz, Carlos Eduardo Dorigatti. Estimação do diâmetro e rugosidade em um processo de furação utilizando multi sensores e redes neurais artificiais / Carlos Eduardo Dorigatti Cruz, 2010. 132 f. Orientador: Paulo Roberto de Aguiar Dissertação (Mestrado)–Universidade Estadual Paulista. Faculdade de Engenharia, Bauru, 2010 1. Monitoramento do processo de furação 2. Redes neurais artificiais 3. Diâmetro do furo usinado 4. Rugosidade I. Universidade Estadual Paulista. Faculdade de Engenharia. II. Título. 1 i. DEDICATÓRIA Aos meus pais Raimundo e Maria, aos meus irmãos João Henrique e Ana Carolina e a minha noiva Amanda pelo amor e incentivo dedico 2 ii. AGRADECIMENTOS Agradeço de antemão a Deus, principal responsável por todas as conquistas e realizações de minha vida, que com sua infinita bondade e sabedoria guia meu ser e me concede capacitação à resolução de minhas atividades. Agradeço e presto minha admiração aos meus pais, Raimundo Leite Cruz e Maria Aparecida Dorigatti Cruz pelo incentivo e apoio incondicional à minha vida e a meus estudos que possibilitaram minha caminhada até aqui. Agradeço ainda pelo amor que sempre me deram, pela educação e formação, sendo eles, os principais responsáveis pela minha formação como ser humano. Agradeço aos meus irmãos e grandes amigos, por quem tenho grande respeito e consideração, João Henrique Dorigatti Cruz e Ana Carolina Dorigatti Cruz pelo carinho, amizade e incentivo. Agradeço a minha noiva, Amanda do Nascimento Morgado, pelo carinho, amor e compreensão nos momentos de ausência. Ao seu enorme companheirismo e amizade agradeço. Ao meu Orientador, Prof. Dr. Paulo Roberto de Aguiar que já me acompanha desde minha graduação, e com quem tenho grande prazer e orgulho de trabalhar, por todo ensinamento passado, apoio e amizade, agradeço. Agradeço a todos os meus amigos pelo apoio e ajuda das mais diversas formas. Em especial, aos amigos e engenheiros, João Gabriel Contrucci e Arthur Alves Fiocchi pela grande amizade, companheirismo de longa data e participação nesta pesquisa. Agradeço a UNESP e a todos os seus docentes, discentes e funcionários que fizeram parte de minha formação desde a graduação. Tenho grande orgulho de aqui ter estudado e de carregar o nome desta Universidade em meu diploma. Agradeço ao Prof. Dr. Luiz Sanchez, coordenador do Latus (Laboratório de Tecnologia da Usinagem) que permitiu a utilização das máquinas e equipamentos deste laboratório, fundamentais à realização desde trabalho 3 Presto meus agradecimentos à FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo), pela aprovação do processo de Auxilio à Pesquisa, fornecendo assim a verba necessária à realização deste trabalho. Agradeço a Embraer, por ter permitido a continuidade de meus estudos, e presto meus agradecimentos pessoais aos meus antigos chefes por terem acreditado no meu potencial e na importância deste trabalho para meu desenvolvimento pessoal e da empresa. Agradeço a empresa OSG e a seu engenheiro de aplicações Gustavo Santos pelo fornecimento gratuito das ferramentas utilizadas neste trabalho e por todo auxilio durante o desenvolvimento, desde a concepção, dos métodos utilizados neste trabalho. A todos os outros que participaram direta ou indiretamente deste trabalho, agradeço, e deixo os meus votos de sucesso pessoal e profissional. 4 iii. LISTA DE FIGURAS Figura 1. Movimentos do processo de furação. (DINIZ; MARCONDES; COPPINI, 2000). ................................................................ ................................ ......................... 17 Figura 2. Principais variáveis de um processo de furação convencional. ...................... 19 Figura 3. Principais ângulos de uma broca helicoidal. (BOEIRA et al., 2010).............. 20 Figura 4. Formas de desgaste de uma broca. (Adaptado de SILVA; MACHADO; COSTA) ................................................................ ................................ ..................... 21 Figura 5. Percentual global dos materiais utilizados na fabricação de aeronaves. (adaptado de MELO; DEL’ARCO, 2007). Distribuição % global em peso a) Boing 777; b) Airbus A380 e c) Embraer 170. ................................................................ ............... 27 Figura 6. Principais cargas envolvidas na operação de uma aeronave (REZENDE, 2007 - Adaptado) ................................................................ ................................ ................. 34 Figura 7. Estrutura do neurônio biológico (adaptado de http://www.icmc.usp.br) ........ 41 Figura 8. Estrutura do neurônio artificial (TAFNER, 1999 - Adaptado) ....................... 43 Figura 9. Estrutura básica de uma rede neural artificial (adaptado de HAYKIN, 2001) 45 Figura 10. Estrutura da rede Feedforward de única camada (adaptado de HAYKIN, 2001) ................................................................ ................................ .......................... 46 Figura 11. Estrutura da rede Feedforward de múltiplas camadas (Adaptado de HAYKIN, 2001) ................................................................ ................................ ......... 46 Figura 12. Estrutura da rede associativa (Adaptado de HAYKIN, 2001) ...................... 47 Figura 13. Diagrama esquemático da rede “Perceptron” multicamadas (Adaptado de HAYKIN, 2001) ................................................................ ................................ ......... 49 Figura 14. Ilustração dos corpos de prova utilizados nos ensaios. ................................ 58 Figura 15. Código de identificação dos corpos de prova. ............................................. 60 Figura 16. Broca helicoidal de metal duro da empresa OSG utilizada para realização dos ensaios ................................................................ ................................ ........................ 61 Figura 17. Medição do diâmetro externo das brocas utilizando projetor de perfis ........ 62 Figura 18. Vistas e perspectiva do banco de ensaios projetado para os ensaios ............ 64 Figura 19. Ilustração do banco de ensaios em vista explodida...................................... 64 Figura 20. Máquina ferramenta e dispositivos posicionados para a realização dos ensaios. ................................................................ ................................ ....................... 66 Figura 21. Esquema de montagem dos sensores para realização dos ensaios. ............... 67 Figura 22. Posição de instalação dos sensores de E.A. e acelerômetro ......................... 71 Figura 23. Interface LabVIEW do programa desenvolvido para a coleta e armazenamento de dados ................................................................ ............................ 73 Figura 24. Sinal de emissão acústica apresentando elevado nível de ruído e regiões de saturação ................................................................ ................................ ..................... 74 Figura 25. Característica do sinal de força em Z utilizado para determinação do ponto inicial "1" e final "6" do corte................................................................ ...................... 76 Figura 26. Correlação entre o processo e os sinais dos sensores ................................... 77 5 Figura 27. Divisão dos sinais referente à região de usinagem de cada um dos materiais ................................................................ ................................ ................................ ... 79 Figura 28. Esquema representativo do funcionamento do aparelho utilizado na medição da rugosidade ................................................................ ................................ .............. 81 Figura 29. Processo de medição do diâmetro máximo e mínimo dos furos................... 81 Figura 30. Medição da rugosidade e demonstração dos furos escolhidos como amostra de cada corpo de prova ................................................................ ................................ 83 Figura 31. Arquitetura da rede neural artificial utilizada na estimação do diâmetro do furo usinado ................................................................ ................................ ................ 85 Figura 32. Arquitetura da rede neural artificial utilizada na estimação da rugosidade média da parede interna do furo ................................................................ .................. 86 Figura 33. Média e desvio padrão dos sinais de força em Z para as diferentes condições de usinagem ensaiadas ................................................................ ................................ 89 Figura 34. Média e desvio padrão dos sinais de força em X para as diferentes condições de usinagem ensaiadas ................................................................ ................................ 90 Figura 35. Média e desvio padrão dos sinais de força em Y para as diferentes condições de usinagem ensaiadas ................................................................ ................................ 91 Figura 36. Média e desvio padrão dos sinais de potência para as diferentes condições de usinagem ensaiadas ................................................................ ................................ ..... 93 Figura 37. Média e desvio padrão dos sinais de aceleração para as diferentes condições de usinagem ensaiadas ................................................................ ................................ 94 Figura 38. Média e desvio padrão dos sinais de emissão acústica para as diferentes condições de usinagem ensaiadas ................................................................ ................ 95 Figura 39. Média dos valores do diâmetro dos furos para as diferentes condições de usinagem testadas ................................................................ ................................ ....... 98 Figura 40. Rede neural aplicada à determinação do diâmetro mínimo na liga de titânio99 Figura 41. Rede neural aplicada à determinação do diâmetro máximo na liga de titânio ................................................................ ................................ ................................ ... 99 Figura 42. Rede neural aplicada à determinação do diâmetro mínimo na liga de alumínio ................................................................ ................................ ................................ . 100 Figura 43. Rede neural aplicada à determinação do diâmetro máximo na liga de alumínio ................................................................ ................................ .................... 100 Figura 44. Distribuição de amostras em classes de erro (estimação do diâmetro) Material Ti6Al4V ................................................................ ................................ ..... 102 Figura 45. Distribuição de amostras em classes de erro (estimação do diâmetro) Material 2024T3 ................................................................ ................................ ....... 103 Figura 46. Média e desvio padrão da rugosidade medida para as condições de usinagem testadas ................................................................ ................................ ..................... 105 Figura 47. Rede neural aplicada à determinação da rugosidade média aritmética na liga de titânio ................................................................ ................................ ................... 106 Figura 48. Rede neural aplicada à determinação da rugosidade média aritmética na liga de alumínio ................................................................ ................................ ............... 107 Figura 49. Distribuição de amostras em classes de erro (Estimação do Ra) Material Ti6Al4V ................................................................ ................................ ................... 108 6 Figura 50. Distribuição de amostras em classes de erro (Estimação do Ra) Material 2024T3 ................................................................ ................................ ..................... 109 Figura 51. Variação do diâmetro do furo (500 rpm | 22,4 mm/min) ........................... 120 Figura 52. Variação do diâmetro do furo (500 rpm | 90 mm/min) .............................. 121 Figura 53. Variação do diâmetro do furo (500 rpm | 250 mm/min) ............................ 121 Figura 54. Variação do diâmetro do furo (1000 rpm | 22,4 mm/min) ......................... 122 Figura 55. Variação do diâmetro do furo (1000 rpm | 90 mm/min) ............................ 122 Figura 56. Variação do diâmetro do furo (1000 rpm | 250 mm/min) .......................... 123 Figura 57. Variação do diâmetro do furo (2000 rpm | 22,4 mm/min) ......................... 123 Figura 58. Variação do diâmetro do furo (2000 rpm | 90 mm/min) ............................ 124 Figura 59. Variação do diâmetro do furo (2000 rpm | 250 mm/min) .......................... 124 Figura 60. Variação da rugosidade - Ra (500 rpm | 22,4 mm/min) ............................. 125 Figura 61. Variação da rugosidade - Ra (500 rpm | 90 mm/min) ................................ 126 Figura 62. Variação da rugosidade - Ra (500 rpm | 250 mm/min) .............................. 126 Figura 63. Variação da rugosidade - Ra (1000 rpm | 22,4 mm/min) ........................... 127 Figura 64. Variação da rugosidade - Ra (1000 rpm | 90 mm/min) .............................. 127 Figura 65. Variação da rugosidade - Ra (1000 rpm | 250 mm/min) ............................ 128 Figura 66. Variação da rugosidade - Ra (2000 rpm | 22,4 mm/min) ........................... 128 Figura 67. Variação da rugosidade - Ra (2000 rpm | 90 mm/min) .............................. 129 Figura 68. Variação da rugosidade - Ra (2000 rpm | 250 mm/min) ............................ 129 Figura 69. Cavacos gerados com a rotação de 500 rpm.............................................. 130 Figura 70. Cavacos gerados com a rotação de 1000 rpm ............................................ 131 Figura 71. Cavacos gerados com a rotação de 2000 rpm ............................................ 132 7 iv. LISTA DE TABELAS Tabela 1 – Ligas de alumínio divididas em classes segunda a Aluminum Association (HATCH, 1984) ................................................................ ................................ .......... 29 Tabela 2 – Funções de ativação típicas utilizadas por redes neurais artificiais.............. 44 Tabela 3 – Principais propriedades físicas, mecânicas e térmicas dos materiais utilizados. (Fonte: www.matweb.com) ................................................................ ........ 59 Tabela 4– Identificação e diâmetro inicial das brocas escolhidas para os ensaios. ........ 62 Tabela 5 – Valores de ganho utilizados no módulo do sensor de força ......................... 69 Tabela 6 – Valores ajustados para o módulo de E.A. ................................................... 70 Tabela 7 – Especificação dos canais utilizados para leitura dos sensores ..................... 72 Tabela 8 – Parâmetros de corte utilizados nos ensaios ................................................. 74 Tabela 9 – Parâmetros da rede utilizada na estimação do diâmetro .............................. 86 Tabela 10 – Parâmetros da rede utilizada na estimação da rugosidade (Ra) ................. 87 Tabela 11 – Resumo dos diâmetros medidos nos ensaios para ambas as ligas .............. 97 Tabela 12 – Valores de erros médios apresentados pelas redes na determinação do diâmetro dos furos ................................................................ ................................ .... 101 Tabela 13 – Valores de erros médios apresentados pelas redes na determinação do diâmetro dos furos ................................................................ ................................ .... 107 8 v. RESUMO A crescente competitividade do mercado, exigência por qualidade, padronização cada vez superior e necessidade de redução de desperdícios trazem cada vez mais a automação às indústrias. Por suas características, os processos automatizados podem ser melhorados com a utilização de métodos de controle e supervisão e, neste campo, a utilização de sensores e redes neurais artificiais têm cada vez mais destaque em pesquisas. No processo de furação, estudos relatam a aplicação bem sucedida destas técnicas na determinação do fim da vida de ferramentas, contudo, em muitas aplicações, apenas o controle do desgaste da broca não é suficiente para garantir a qualidade do produto. Diâmetro do furo usinado, rugosidade e a formação de rebarbas são alguns exemplos de importantes resultados do processo que não dependem exclusivamente da condição da ferramenta de corte e, neste âmbito, estudos dedicados ao controle destas variáveis são limitados, senão inexistentes. Desta forma, este estudo foi conduzido buscando gerar uma contribuição à supervisão do processo de furação com foco na estimação do diâmetro e rugosidade do furo usinado. Utilizando um sistema de multi sensores instalados em uma máquina ferramenta e corpos de prova compostos por uma liga de titânio seguida de uma liga de alumínio, registraram-se os sinais dos sensores durante o corte para variados parâmetros de usinagem. Os dados coletados serviram de entrada a uma rede neural artificial, que foi treinada com os valores de diâmetro e rugosidade medidos parte das amostras. Depois do treinamento, a rede capacitou-se a estimar os valores de diâmetro e rugosidade média a partir dos sinais coletados somados aos parâmetros de corte utilizados na concepção do furo. Os erros do processo foram então calculados da diferença entre os valores medidos e as saídas obtidas. Os resultados demonstraram alta capacidade da rede em determinar as variáveis desejadas nas diferentes condições de usinagem com erros baixos e até mesmo desprezíveis para a maior parte das aplicações industriais, mostrando assim eficiência do método proposto. Palavras-chave: monitoramento do processo de furação, redes neurais artificiais, diâmetro do furo usinado, rugosidade. 9 vi. ABSTRACT The growing market competitiveness, product quality requirements and just in time production concept is bringing every time more automation to manufacturing industries. Productivity and quality in machining process can be improved by using monitoring and controlling methods. Along the last decades, sensors and Artificial Neural Network have been successfully utilized in many drill wear monitoring systems. However, in many industrial fields, to supervise the tool wear is not enough to assure the product qualities. Roughness, burr formation and hole diameter are some examples of important process results does not exclusively depend on the tool condition and in this area of knowledge the number of studies is limited or inexistent. Thus, this work brings a contribution on drilling process monitoring where the target was to determine the hole diameter and roughness using a multi-sensor system and artificial neural network. The specimens used were composed by a titanium alloy and aluminum alloy plates. The sensors were installed in a machine tool and the process was accomplished using several drilling parameters. The acquired sensors data were used as input in an artificial neural network which was trained with the roughness and diameter measured in some samples. After trained, the system was qualified to output the expected variables from the input signals. To calculate the errors these output values were compared with the samples measured. The results showed efficiency of the system in determining the roughness and hole diameters as the obtained errors can be considered low or negligible for the majority of drilling industrial application. Keywords: drilling process monitoring, artificial neural network, hole diameter, roughness. 10 SUMÁRIO I. DEDICATÓRIA ................................................................ ................................ ........ 1 II. AGRADECIMENTOS ................................................................ .......................... 2 III. LISTA DE FIGURAS ................................................................ ............................ 4 IV. LISTA DE TABELAS ................................................................ ........................... 7 V. RESUMO ................................................................ ................................ ............... 8 VI. ABSTRACT ................................................................ ................................ ........... 9 1. INTRODUÇÃO ................................................................ ................................ ... 12 2. OBJETIVO ................................................................ ................................ .......... 14 3. JUSTIFICATIVA PARA A REALIZAÇÃO DESTA PESQUISA ................... 15 4. REVISÃO BIBLIOGRÁFICA ................................................................ ............ 16 4.1. IMPORTÂNCIA DOS PROCESSOS DE USINAGEM......................................................... 16 4.2. FUNDAMENTOS DO PROCESSO DE FURAÇÃO ............................................................. 17 4.2.1. A GEOMETRIA DA FERRAMENTA DE CORTE .............................................................. 19 4.2.2. MECANISMOS DE DESGASTE DA FERRAMENTA ........................................................ 21 4.2.3. PARÂMETROS DE CORTE E FORMAÇÃO DO CAVACO ............................................... 23 4.2.4. MÁQUINAS FERRAMENTA E GEOMETRIA DA PEÇA USINADA ................................ 25 4.3. USINAGEM DE LIGAS UTILIZADAS NA INDÚSTRIA AERONÁUTICA ...................... 26 4.3.1. LIGAS DE ALUMÍNIO ................................................................ ................................ ....... 28 4.3.2. LIGAS DE TITÂNIO ................................................................ ................................ ........... 31 4.3.3. FADIGA DE COMPONENTES AERONÁTICOS ................................................................ 32 4.4. ERROS MICRO-GEOMÉTRICOS E MACRO-GEOMÉTRICOS RESULTANTES DO PROCESSO DE USINAGEM ................................................................ ................................ ............. 35 4.5. SISTEMAS DE CONTROLE E MONITORAMENTO DE PROCESSOS ........................... 37 4.6. REDES NEURAIS ARTIFICIAIS ................................................................ ......................... 40 4.6.1. MODELO DE NEURÔNIO BIOLÓGICO ................................................................ ............ 40 4.6.2. MODELO DE NEURÔNIO ARTIFICIAL ................................................................ ............ 42 4.6.3. TOPOLOGIA DAS REDES NEURAIS ARTIFICIAIS ......................................................... 45 4.6.4. TREINAMENTO DAS REDES NEURAIS ARTIFICAIS ..................................................... 47 4.6.5. REDES NEURAIS ARTIFICIAIS APLICADAS NA MANUFATURA ................................ 55 5. MATERIAIS E MÉTODOS ................................................................ ............... 57 5.1. CONFECÇÃO DOS CORPOS DE PROVA ................................................................ .......... 57 5.2. FERRAMENTA DE CORTE ................................................................ ................................ . 60 5.3. CONFECÇÃO DO BANCO DE ENSAIOS ................................................................ ........... 63 5.4. PREPARAÇÃO DA MÁQUINA FERRAMENTA ................................................................ 65 5.5. MONTAGEM, POSICIONAMENTO E AJUSTE DOS SENSORES ................................... 67 5.5.1. SENSOR DE CORRENTE ELÉTRICA TIPO EFEITO HALL ............................................. 68 5.5.2. SENSOR DE FORÇA ................................................................ ................................ .......... 68 5.5.3. SENSOR DE EMISSÃO ACÚSTICA................................................................ ................... 69 5.5.4. ACELERÔMETRO ................................................................ ................................ .............. 70 11 5.5.5. LIGAÇÃO DOS SENSORES À PLACA DE AQUISIÇÃO .................................................. 71 5.6. DEFINIÇÃO DOS PARÂMETROS DE CORTE E REALIZAÇÃO DOS ENSAIOS ......... 72 5.7. TRATAMENTO E ANÁLISE DOS SINAIS COLETADOS ................................................. 75 5.8. MEDIÇÃO DO DIÂMETRO DOS FUROS ................................................................ ........... 80 5.9. MEDIÇÃO DA RUGOSIDADE ................................................................ ............................. 82 5.10. CONSTRUÇÃO DAS REDES NEURAIS ................................................................ .............. 84 5.10.1. REDES NEURAIS NA ESTIMAÇÃO DO DIÂMETRO .................................................. 84 5.10.2. REDES NEURAIS NA ESTIMAÇÃO DA RUGOSIDADE MÉDIA ................................ 86 6. RESULTADOS E DISCUSSÕES ................................................................ ....... 88 6.1. COMPORTAMENTOS DOS SINAIS LIDOS E SUA VARIAÇÃO COM OS DIFERENTES PARÂMETROS DE CORTE ................................................................ ................................ .............. 88 6.2. COMPOTAMENTO DO DIÂMETRO DO FURO USINADO E UTILIZAÇÃO DAS REDES NEURAIS ARTIFICIAIS ................................................................ ................................ ...... 96 6.3. RESULTADO DAS REDES NEURAIS APLICADAS À ESTIMAÇÃO DA RUGOSIDADE DO FURO USINADO ................................................................ ................................ ......................... 104 7. CONCLUSÕES ................................................................ ................................ . 111 8. SUGESTÕES PARA TRABALHOS FUTUROS ............................................. 114 REFERÊNCIAS BIBLIOGRÁFICAS ................................................................ ........ 115 ANEXO 1 – COMPORTAMENTO DIÂMETRAL DAS AMOSTRAS ENSAIADAS ................................................................ ................................ ................ 120 ANEXO 2 – COMPORTAMENTO DA RUGOSIDADE NAS AMOSTRAS ENSAIADAS ................................................................ ................................ ................ 125 ANEXO 3 – CAVACOS COLETADOS DURANTE OS ENSAIOS .......................... 130 12 ___________________________________CAPÍTULO 1 1. INTRODUÇÃO Robôs e Máquinas de Controle Numérico Computadorizado (CNC) são cada vez mais comuns em campos industriais. Estes equipamentos reduzem o tempo de produção, melhoram a qualidade, repetibilidade e padronização dos produtos fabricados. Quando utilizados na usinagem de peças, permitem um controle preciso em parâmetros de corte e auxiliam engenheiros de manufatura a reduzir custos de fabricação e a obter os requisitos especificados no projeto de cada produto. Contudo, apenas a utilização de robôs e máquinas CNC convencionais não é suficiente para assegurar a qualidade de operações de usinagem não assistidas. Chama-se de usinagem não assistida ou processos autônomos, as operações nas quais a máquina ferramenta é capaz de realizar sua atividade com a quase ausência de interferência humana. Nestes processos, o sistema deve ser capaz de ler e interpretar alterações ocorridas no meio, máquina ou processo, e tomar a ação de auto-correção ou de advertência ao operador (ABU-MAHFOUZ, 2003). Dentre os processos de usinagem, a furação é um dos mais comuns e largamente utilizados em indústrias, com destaque para os ramos aeronáutico, automobilístico, médico, eletrônico, e em fabricação de moldes e estampos (PIRTINI; LAZOGLU, 2005). Furação de precisão é um processo cujo são exigidas apertadas tolerâncias dimensionais e bom acabamento superficial. Durante as últimas décadas estes furos podiam ser obtidos apenas com a utilização de vários passes de furação e terminados com ferramentas de geometria especial denominadas de alargadores. Todavia, a incorporação de máquinas automáticas à produção e o desenvolvimentos de ferramentas de material e geometria superior permitiram a utilização do processo denominado de one step drilling - OSD, que tratam da furação de um único ciclo ou furação em cheio. O desenvolvimento do processo OSD tem uma importância especial à indústria aeronáutica. A maior parte da carga dimensionante da aeronave é transferida da fuselagem 13 aos reforçados estruturais (perfis, longarinas e cavernas), através de prendedores, instalados em furos ao redor das juntas (LIU et al., 2006). Em um pequeno jato, de quatro a seis passageiros, são utilizados em torno de 30 a 50 mil prendedores, apenas na fuselagem externa. A maior parte destes prendedores são rebites ou pinos. A má qualidade ou perda de tolerância nestes furos causam uma sensível redução na vida em fadiga da aeronave, devido à existência de concentradores de tensão, corrosão e princípio de trincas (LIU et al., 2006). Nestes ambientes, a ausência de um sistema robusto que garanta a qualidade em tempo real traz a necessidade da criação de etapas de controle produtivo, o que onera a produção, aumenta o tempo de ciclo das atividades e não garante cem por cento de eficiência. O controle de um processo de usinagem requer equipamentos capazes de manter constante todas as variáveis relevantes ao processo, o que é impossível para a maior parte dos casos. Desgaste da ferramenta, e o fim da vida de rolamentos do cabeçote do motor de furação são alguns exemplos de importantes variáveis ao resultado do processo em que é impossível evitar variações. Para estes casos, sistemas capazes de ler e interpretar oscilações são requeridos. Um sistema inteligente de controle precisa ser capaz de alterar os parâmetros de usinagem da máquina ferramenta retornando suas características à condição inicial sempre que uma perturbação é detectada, ou estimar uma possível falha antes que ela ocorra ou se repita demonstrando ao operador que o processo deve ser avaliado evitando assim que ocorram danos ao produto, ferramenta ou máquina. 14 ___________________________________CAPÍTULO 2 2. OBJETIVO O objetivo deste trabalho é estudar as relações intrínsecas entre os sinais de sensores provindos do corte em um processo de furação e sua relação com o diâmetro e rugosidade dos furos produzidos. A partir destas relações, buscou-se criar um sistema capaz de estimar estes resultados durante a furação de um pacote composto de uma liga de titânio (Ti6Al4V) sobre uma liga de alumínio (2024T3), utilizando como ferramenta uma broca helicoidal de metal duro. Um sistema de multi-sensores, equipado com um acelerômetro, sensor de corrente elétrica, tipo efeito Hall, sensor de emissão acústica e dinamômetro tri- dimensional foi utilizado. Esses sinais foram coletados durante o processo de furação realizado com diferentes velocidades de corte e avanço, e serviram como entrada a uma rede Neural Artificial, que após treinamento se capacitou a estimar os diâmetros partindo dos sinais de entrada. 15 ___________________________________CAPÍTULO 3 3. JUSTIFICATIVA PARA A REALIZAÇÃO DESTA PESQUISA A crescente demanda por sistemas autônomos de controle ou monitoramento da manufatura dentro das empresas motivou a realização deste trabalho. Ainda hoje, muito se desperdiça em linhas de produção com o descarte, retrabalho e etapas de verificação da qualidade de peças produzidas em processos de usinagem. Este trabalho visa contribuir com esta área de conhecimento, mais especificamente com o controle de variáveis de saída de um processo de furação, em um projeto pioneiro, que busca a partir dos sinais oriundos de sensores instalados numa máquina ferramenta e utilizando redes neurais artificiais, estimar o diâmetro e a rugosidade de furos usinados. A ferramenta proposta neste trabalho aplica-se a qualquer indústria que utilize o processo de furação em máquina CNC na confecção de seu produto, e tem especial importância às indústrias do ramo aeronáutico que se utilizam do processo de furação de precisão em larga escala para fabricação da fuselagem das aeronaves, e mais recentemente o fazem de forma automática. Nestas empresas, a falta de um sistema de controle confiável onera significativamente os custos de produção e não garante a qualidade plena de seus componentes. Este trabalho também buscou contribuir com o desenvolvimento de métodos inteligentes aplicados ao controle e monitoramento da usinagem na manufatura, sendo assim mais um exemplo bem sucedido da aplicação de redes neurais artificiais. Isso demonstra novamente que a aplicação destes sistemas pode ser uma poderosa ferramenta utilizada para obtenção de melhorias em qualidade e redução de custos em indústrias. 16 ___________________________________CAPÍTULO 4 4. REVISÃO BIBLIOGRÁFICA Este capítulo visa abordar os principais tópicos que dão subsídio a discussão técnica e acadêmica do trabalho, assim como fundamentam aspectos futuramente abordados na definição dos materiais e métodos aplicados à pesquisa, às discussões apresentadas e à conclusão final deste trabalho. Esta revisão literária trata em detalhes as características do processo de furação e sua aplicação e importância às indústrias aeronáuticas, a utilização de sensores e sistemas de monitoramento e a utilização de redes neurais artificiais no controle e monitoramento de processos de usinagem. 4.1. IMPORTÂNCIA DOS PROCESSOS DE USINAGEM De todos os componentes mecânicos fabricados mundialmente, estima-se que 15% dos custos agregados a peças são oriundos de gastos com processos de usinagem durante sua produção (GOVINDHASAMY, 2005). De acordo com Konig & Klocke (2002), atualmente os três processos de usinagem mais tradicionais na confecção de componentes mecânicos são o torneamento, o fresamento e a furação, sendo que dentre eles, este último é o menos estudado. Entretanto, estima-se que nos dias atuais, a participação da furação com brocas helicoidais no total dos processos de usinagem encontra-se na faixa da 20 a 25%, demonstrando a importância deste processo frente aos demais métodos produtivos. É difícil, senão impossível imaginar qualquer componente mecânico de média e alta complexidade que não tenha ao menos um furo em sua concepção. A competitividade mundial existente nos diversos ramos industriais requer que as empresas busquem constante redução dos custos na produção e a eliminação dos desperdícios. Quanto se trata de processos de usinagem, esta redução é buscada através do 17 aumento da qualidade da peça produzida, verificada através da menor incidência de retrabalho ou desgaste de peças, redução no consumo de ferramentas e aumento nas velocidades de ciclo. Em contra partida, ao mesmo tempo em que se busca a redução dos custos, a necessidade por produtos mais precisos, mais leves, de menores tamanhos, e mais eficientes faz com que os requisitos e tolerâncias dimensionais de projeto sejam cada dia mais apertadas. A pesquisa bibliográfica descrita a seguir objetiva a formação de uma base teórica para aplicação nos procedimentos experimentais deste estudo. 4.2. FUNDAMENTOS DO PROCESSO DE FURAÇÃO A furação é um processo mecânico de usinagem destinado a obtenção de um furo geralmente cilíndrico numa peça, com auxílio de uma ferramenta multi cortante. Para tanto, a ferramenta ou a peça se desloca segundo uma trajetória retilínea, coincidente ou paralela ao eixo principal da máquina. A Figura 1 ilustra os movimentos de corte envolvidos em um processo de furação por meio de brocas helicoidais. Figura 1. Movimentos do processo de furação. (DINIZ; MARCONDES; COPPINI, 2000). 18 Tem-se por furação, não apenas os processos realizados em furadeiras manuais ou de bancada, máquinas mais comuns ao processo, mas todo e qualquer processo que se destine a abertura de um furo respeitando o movimento retilíneo de avanço da ferramenta, mostrado na Figura 1. Assim, este processo pode ser realizado ora em máquinas onde o movimento de rotação é dado pela ferramenta, como furadeiras ou fresadoras, ora com a peça em movimento, como é o caso da utilização de tornos. De acordo com Ferraresi (2003), o processo de furação distingue-se em furação em cheio; com presença de pré-furo; com furo escalonado ou chanfro; furação de centro; e trepanação. Os erros geométricos e dimensionais, a presença de rebarbas e a integridade superficial definem a qualidade do processo de furação. A precisão resultante dos furos depende do tipo de processo de furação, da ferramenta, da máquina, dos parâmetros de corte, da rigidez do sistema máquina-ferramenta-peça, assim como do próprio material a ser usinado. Além disso, o grau de afiação e a taxa de desgaste da broca também influenciam fortemente na precisão do furo (DROZDA; WICK, 1983). Inúmeros fatores são capazes de afetar os resultados finais do processo de furação. A Figura 2 mostra um diagrama de Ishikawa que resume as variáveis mais relevantes de um processo convencional de furação, de acordo com a revisão literária que segue. As variáveis mostradas na Figura 2 têm uma complexa interação entre si, e determinar a combinação ótima entre elas é geralmente uma tarefa difícil. Os tópicos que seguem visam discutir mais extensivamente estas variáveis e sua interferência sobre os resultados do processo de furação. 19 Figura 2. Principais variáveis de um processo de furação convencional. 4.2.1. A GEOMETRIA DA FERRAMENTA DE CORTE Apesar da sua aparente simplicidade, a furação é um processo complexo que sofre interferência de diversos fatores. Dentre eles, um dos mais influentes é a geometria da ferramenta de corte. Dentre as inúmeras geometrias, ângulos e gumes presentes em uma broca destacam-se: aresta principal de corte, aresta secundária de corte, aresta transvesval, ângulo de ponta (σ), ângulo de hélice (φ), ângulo de incidência normal (αn), ângulo normal de cunha (βn) e ângulo de saída (γn). Soma-se ainda a estes fatores, a rigidez da ferramenta e a dureza do material usinado, principalmente devido ao fato de que na furação as arestas cortantes trabalham imersas no interior da peça. (FERRARESI, 2003). A Figura 3 mostra os ângulos descritos em um esquema representativo de uma broca helicoidal. 20 Figura 3. Principais ângulos de uma broca helicoidal. (BOEIRA et al., 2010) A qualidade de um furo é determinada por uma síntese de erros devido à dinâmica do processo e também ao regime térmico na interferência peça/broca. Os mecanismos que induzem estes erros incluem desvios ou rotação anormal da broca na entrada, deflexões na broca devido às forças desbalanceadas, erros devidos à falha de processo, entre outros. Além das geometrias, os materiais empregados na ferramenta de corte também têm influência no processo de usinagem. Nas últimas décadas muito se evoluiu nesta área com a introdução de brocas de aço rápido revestido, ferramentas inteiriças de metal duro, e utilização de pastilhas intercambiáveis de metal duro ou cerâmica. Apesar desta evolução, constata-se que, no Brasil, ainda há predominância na utilização de ferramentas de aço rápido devido principalmente à grande existência de máquinas antigas, que apresentam baixa rigidez construtiva e rotações insuficientes para obter os benefícios provenientes da utilização destes novos materiais. De acordo com Kalidas, Devor e Kapoor (2001), a rigidez da broca determina, em grande parte, os erros induzidos devido aos mecanismos dinâmicos, mas não é afetado pela presença/ausência de revestimento da broca. 21 4.2.2. MECANISMOS DE DESGASTE DA FERRAMENTA Não bastasse a já complexa interação entre a geometria da ferramenta e os resultados esperados no processo, ao longo da vida da ferramenta esta interação está constantemente se alterando devido à perda do fio de corte e variação geométrica provocada pelos mecanismos de desgaste. Hutchings (1992) define o desgaste como a destruição de uma ou de ambas as superfícies que compõem um sistema tribológico da ferramenta, geralmente envolvendo perda progressiva de material. O desgaste na broca é caracterizado principalmente por: desgaste de flanco, desgaste das arestas principal e transversal, desgaste de cratera e lascamento (PANDA et al., 2006). A Figura 4 mostra os principais tipos de desgaste mencionados. Figura 4. Formas de desgaste de uma broca. (Adaptado de SILVA; MACHADO; COSTA [s.d.]) De acordo com Abu-Mahfouz (2003), pesquisas que visam determinar o desgaste das ferramentas durante o processam atem-se exclusivamente ao desgaste de flanco, por se tratar de um desgaste progressivo e de mais fácil mensuração. O autor ressalta, contudo, que apesar de ser uma boa indicação da severidade do desgaste, outros tipos de desgaste 22 são de igual importância e podem ter influência igual ou superior na qualidade do furo produzido e em seu acabamento superficial. Uma das principais implicações do desgaste da ferramenta, é que ele leva a alterações geométricas que causam um desbalanceamento nas forças de corte, e conseqüentemente maior vibração e impacto com a parede do furo (ABU-MAHFOUZ, 2003; JANTUNEN, 2002). Abu-Mahfouz (2003) afirma que a detecção do desgaste da ferramenta de corte é um dos primeiros passos à construção de um sistema de monitoramento de processo, já que afeta a capacidade de corte do sistema, influenciando em todos os seus resultados, a saber: diâmetro, circularidade dos furos, rugosidade, centralização e formação de rebarbas. Como o principal modo de falha das ferramentas de usinagem é o desgaste, pode-se afirmar que a taxa de falhas de uma ferramenta tem uma ocorrência crescente no tempo. A confiabilidade do processo de desgaste de uma ferramenta utilizada em operações de usinagem representa a probabilidade de que, em um tempo T, o valor do desgaste da ferramenta atinja um nível tal que comprometa as tolerâncias exigidas no projeto. Atualmente a utilização de máquinas-ferramenta mais modernas e com maior rigidez estrutural, potência disponível e velocidade de operação, permitem a utilização de condições de usinagem mais robustas, aumentando significativamente a produtividade dos processos de usinagem nelas desenvolvidas. Paralelamente, houve nos últimos anos uma enorme evolução na qualidade das ferramentas de corte que foi impulsionada não apenas pela necessidade de incremento das velocidades de corte, como também pela aplicação da usinagem de materiais endurecidos e de novas ligas. (MARCELINO et al, 2004). A seleção assertiva do material e geometria da ferramenta, somado aos corretos parâmetros de usinagem e a boa estabilidade do sistema máquina-peça-ferramenta podem minimizar o desgaste da ferramenta de corte aumentando assim sua vida útil (BRAGA, 1999). Os problemas de desgaste em ferramentas de corte sempre foram motivos de preocupação, devido ao controle dimensional e à necessidade de parada no processo para troca de ferramentas, significando custos adicionais e perda de produtividade. 23 4.2.3. PARÂMETROS DE CORTE E FORMAÇÃO DO CAVACO O processo de usinagem em metais é altamente não linear e envolve fenômenos como a deformação plástica e elástica do material usinado, fratura, impacto, contato contínuo e/ou intermitentes de ponto único ou múltiplo, atrito e desgaste (ABU-MAHFOUZ, 2003). Devido à precisão e ao sofisticado controle eletrônico existente nas modernas máquinas CNC e Robôs empregados atualmente na usinagem, o avanço e a velocidade de corte, uma vez definidos no modelamento de um processo de usinagem, podem ser assumidos como constantes. Contudo, esses parâmetros têm fundamental importância nos resultados da furação e a combinação ótima entre eles sempre deve ser cuidadosamente estudada durante o desenvolvimento do processo. De acordo com Batzer et al. (1998) o avanço é entre todos os parâmetros controláveis, aquele que mais influência no tamanho do cavaco e no acabamento superficial da parede dos furos. Quando a velocidade de avanço é maior, aumenta a taxa de penetração da ferramenta na peça a cada ciclo de rotação sobre seu eixo, e com isso aumenta a espessura do cavaco gerado, conduzindo a uma porção maior de material, com maior dificuldade de deformação, o que dificulta a quebra. Avanço e velocidade de corte são ainda responsáveis por variações na rugosidade, devido ao efeito de formação de rosca. Além disso, estes parâmetros têm influência na vibração da máquina ferramenta e flexão da ferramenta de corte, devido ao aumento das forças de corte e conseqüente torque requerido, o que afeta diretamente o diâmetro do furo usinado. Em geral, na furação, cavacos pequenos e quebradiços são desejados. Isso ocorre, pois quando o cavaco cresce sua movimentação nos canais da ferramenta de corte torna-se mais difícil, o que causa um aumento do atrito entre o material cortado e a parede do furo, levando a uma necessidade de torque maior por parte da máquina ferramenta, elevando a temperatura do processo e causando prejuízos à forma e à rugosidade da parede do furo (PIRTINI; LAZOGLU, 2005). 24 Nos processos de usinagem, quando a ferramenta de corte entra na peça e retira material, há calor gerado devido à deformação plástica e ao atrito (CARVALHO; ABRÂO; RUBIO, 2004). A temperatura atingida no ponto de corte depende diretamente das condições de usinagem empregadas, tais como velocidade de corte, avanço, profundidade de corte, presença ou ausência de fluido refrigerante, tipo de material da peça e da ferramenta e da geometria da broca (CARVALHO; ABRÂO; RUBIO, 2004). Na broca, temperaturas elevadas aumentam o desgaste e também enfraquecem o material, diminuindo sua resistência ao cisalhamento. Na peça, o aumento da temperatura pode ser útil quando se considera que ela reduz a resistência ao cisalhamento e, conseqüentemente, diminui as forças de corte, e assim, a potência de usinagem, contudo pode também ocasionar problemas, provocando dilatação e subseqüentes erros de precisão dimensional, ou ainda, influenciar algumas propriedades do material, devido a possíveis alterações de sua microestrutura (KALIDAS; DEVOR; KAPOOR, 2001). Particularmente no processo de furação, a formação do cavaco se dá de forma oculta, dificultando a refrigeração na região de corte e levando a um aumento de temperatura, o que propicia o aparecimento dos fenômenos de oxidação e difusão no desgaste da ferramenta (SCHROETER; WEINGAERTNER, 2001). Estes fenômenos são nitidamente percebidos quando as velocidades de corte não são adequadas à usinagem do material. O aumento da temperatura do processo, principalmente na usinagem de materiais de baixo ponto de fusão causa a formação de arestas postiças de corte (APC). A formação da aresta postiça de corte se dá através da aderência térmica de parte do material do cavaco sobre a superfície de saída da ferramenta. O posterior fluxo de material sobre a parte aderida causa seu encruamento, eleva sua resistência e faz dela uma extensão da aresta cortante (FERRARESI, 2003). Como reduz o ângulo de saída da ferramenta, a formação da aresta postiça diminui o valor das forças de corte. Apesar deste benefício, sua formação é responsável pela ocorrência de prejuízos, tais como: pobre acabamento superficial, desbalanceamento nas forças de corte e desgaste acelerado da ferramenta (FERRARESI, 2003). A formação da aresta postiça de corte cresce com o aumento da velocidade de corte, uma vez que há uma relação direta desta com a temperatura do processo. Contudo, quando a temperatura do cavaco na região de interface entre o cavaco e a ferramenta atinge a 25 temperatura de recristalização do material usinado, cessa-se a formação da aresta postiça, uma vez que esta depende do encruamento do material, que não mais ocorre a temperaturas acima da recristalização. Dá-se o nome de velocidade crítica, a velocidade de corte limite de formação da aresta postiça de corte (FERRARESI, 2003). Quando presente, o fluido de corte tende a diminuir o tamanho dos cavacos, uma vez que ele esfria o material cortado reduzindo assim sua ductilidade, o que favorece a quebra, ou lubrifica os canais de escoamento do cavaco favorecendo sua saída (PIRTINI; LAZOGLU, 2005). Apesar da utilização de fluídos de corte trazer incontestável beneficio ao controle térmico dos processos de usinagem, reduzindo os problemas anteriormente mencionados, a tentativa de se produzirem alternativas é facilmente percebida em ambientes industriais e em publicações acadêmicas, para a redução ou eliminação do fluído de corte durante a usinagem (SANTOS; ALMEDIA; TU, 1999; SCHROETER; WEINGAERTNER, 2001; MIRANDA, 2003; BIANCHI et al., 2010). Este fato deve-se aos transtornos provocados por essas substâncias, como: danos à saúde humana, problemas ambientais, altos custos operacionais e legislações cada vez mais rígidas. 4.2.4. MÁQUINAS FERRAMENTA E GEOMETRIA DA PEÇA USINADA Este trabalho não objetiva discutir o projeto de máquinas ferramenta, tampouco aspectos aprofundados sobre a influência da geometria da peça fabricada. Entretanto, como o trabalho aborda ferramentas de monitoramento de processos de usinagem aplicados ao campo industrial, é importante observar que muitos problemas que podem ser encontrados no modelamento destes sistemas provêem desses fatores. O tipo de máquina empregada no processo, com destaque à sua rigidez, seu sistema de fixação da peça de trabalho, o tipo de mandril utilizado e a sua manutenção, são alguns fatores que devem ser observados durante a arquitetura de um sistema de monitoramento (GUIBERT; PARIS; RECH, 2008). Como exemplo, pode-se citar possíveis variações no diâmetro de furos produzidos por brocas fixadas em mandris gastos e que permitam montagens inclinadas em relação ao eixo que passa pelo centro geométrico do cabeçote ou do sistema de fixação. Esta montagem 26 deficiente acarretará em contato desbalanceado das arestas da ferramenta de corte e conseqüente vibração. Outro exemplo é o desgaste excessivo das pistas dos rolamentos do motor do eixo do cabeçote da máquina. Quando o fim da vida de um mancal está próximo, o desgaste existente na pista de esferas ocasiona vibrações com alta amplitude durante o funcionamento do motor. Estas vibrações certamente influenciarão no resultado final do processo e devem ser, portanto, de alguma forma, detectadas pelo sistema de monitoramento utilizado, sendo que, em muitos casos, podem substanciar a manutenção preditiva da máquina (GUIBERT; PARIS; RECH, 2008). Alterações na geometria das peças usinadas também podem dificultar significativamente a arquitetura do sistema de controle e monitoramento. Como exemplo disso pode-se citar peças ora com presença, ora com ausência de furos guias na peça de trabalho. De acordo com Ralph et al. (2006), testes mostram que a presença de furos guias representa significativa diferença na qualidade dos furos e no desgaste das ferramentas. Essa diferença é ocasionada pela redução da quantidade de material removido pela aresta primária da ferramenta e pelo paralelismo do caminho gerado pelo guia, sendo que, na maioria dos casos, a presença de furo guia melhora a rugosidade dos furos. Esses exemplos demonstram as influências que a máquina ferramenta e a geometria da peça produzida podem ter sobre o sistema planejado. Como regra, é possível afirmar que, quanto maior o número de variações possíveis, maior também a complexidade requerida do sistema de controle. 4.3. USINAGEM DE LIGAS UTILIZADAS NA INDÚSTRIA AERONÁUTICA Além dos itens anteriormente discutidos, os materiais a serem usinados influenciam de maneira expressiva na seleção dos parâmetros e resultados obtidos no processo de furação. 27 Neste tópico serão abordadas as características de ligas de Alumínio e ligas de Titânio, materiais largamente utilizados na indústria aeronáutica e que serviram de materiais bases para a concepção dos corpos de prova utilizados nos ensaios desta pesquisa. A indústria aeronáutica está constantemente à procura de obter reduções no peso das estruturas para lograr melhorias nas características dinâmicas das aeronaves. A forma mais eficiente de conseguir tais ganhos de peso na estrutura se dá através da seleção de materiais de menor densidade. A Figura 5 apresenta a distribuição de materiais utilizados em três aeronaves modernas fabricadas por diferentes empresas. A análise desta figura permite afirmar que, apesar de materiais compostos estarem ganhando espaço entre os materiais utilizados na fabricação de aeronaves, os metais, liderados pelo alumínio, ainda representam maioria absoluta na composição de aeronaves comerciais. Figura 5. Percentual global dos materiais utilizados na fabricação de aeronaves. (adaptado de MELO; DEL’ARCO, 2007). Distribuição % global em peso a) Boing 777; b) Airbus A380 e c) Embraer 170. 28 4.3.1. LIGAS DE ALUMÍNIO O alumínio é um material de suma importância entre os metais vigentes na indústria. Dentre os metais não-ferrosos, se destaca por ter alta resistência à corrosão e apresenta um comportamento de melhor tenacidade a baixas temperaturas quando comparado aos metais ferrosos. O alumínio e suas ligas têm grande importância técnica devido a sua baixa densidade, elevada relação resistência/peso, endurecibilidade de muitas ligas, aparência, fabricabilidade, possibilidade de tratamento superficial e propriedades físicas e mecânicas (WEINGAERTNER et al., 1994; HATCH, 1984). Dentre os materiais de engenharia, a utilização do alumínio é uma das que mais cresce (HATCH, 1984). A indústria aeronáutica e aeroespacial, frente às mudanças ocorridas nos últimos tempos no transporte aéreo de massa e com o desenvolvimento de novos produtos, exige uma disponibilidade maior de novos materiais, aos quais se tenha qualidade de informações suficientes para seu processamento (HEINZ et al., 2000). Dentre esses materiais, o alumínio possui uma importância significativa devido ao seu grande potencial de produção, principalmente na indústria nacional e sua grande quantidade de características físicas e mecânicas intrínsecas. Atualmente, o esforço para redução de peso nas indústrias aeronáutica e automobilística, selecionando materiais mais leves, é tão importante quanto a redução nos custos de manutenção. Sendo assim, a seleção do material deve ser feita criteriosamente. Segundo Kolesnikov e Herbeck (2003), os conceitos propostos para redução de custos prevêem uma redução de peso na ordem de 20%, no entanto, é considerada realista uma previsão de redução de peso de cerca de 10% com a adoção de novos materiais metálicos e novas tecnologias de fabricação. As indústrias automobilísticas e aeronáuticas desenvolveram numerosas ligas de alumínio que apresentam valores de resistência à corrosão e à tração bem elevadas. Isto foi possível com a adição de certos elementos de liga e adequados tratamentos térmicos e mecânicos. As ligas de alumínio são eficientes na substituição do aço na confecção de partes ou peças estruturais submetidas a tensões mecânicas elevadas, por possuírem uma boa relação densidade / tensão limite de escoamento (WEINGAERTNER et al., 1994). As ligas de alumínio, segundo a Aluminum Association (AA), são divididas nas nove classes mostradas na Tabela 1 (HATCH, 1984): 29 Tabela 1 – Ligas de alumínio divididas em classes segunda a Aluminum Association (HATCH, 1984) Série Características 1xxx: Série do alumínio puro (99,9%) ou comercial. Destacado pela resistência a corrosão, altas condutividades térmica e elétrica. Porém, apresenta baixa resistência mecânica. 2xxx: O cobre é o principal elemento de liga. Se receberem tratamentos tais como solubilização e envelhecimento, ter-se-á grandes aplicações na indústria aeronáutica, devido a alta resistência mecânica. 3xxx: O manganês é o principal elemento de liga. Não são ligas tratáveis termicamente, tendo como principal aplicação os produtos estampados. 4xxx: O silício é o principal elemento de liga. Apresenta baixo ponto de fusão e impossibilidade de tratamento térmico. São utilizados também como material de adição para solda. 5xxx: O magnésio é o principal elemento de liga. Sua aplicação é similar a da série 3xxx. 6xxx: Ligas de Al-Mg-Si, tendo como resultado a fase Mg2Si o que tornará possível o tratamento térmico de solubilização e envelhecimento. Não são tão resistentes quanto as classes 2xxx e 7xxx, porém são utilizadas na fabricação de bicicletas, pois podem ser soldadas. 7xxx: Ligas de Al-Zn. Dos tratamentos térmicos, resultam os mais altos índices de resistência mecânica e tenacidade. Ampla aplicação no setor aeronáutico. 8xxx: O principal elemento de liga é o lítio. São tratáveis termicamente e apresentam alta resistência mecânica específica. 9xxx: Outras ligas Tomadas como base às propriedades mecânicas do Alumínio, as forças de corte necessárias para o processo de remoção de material são menores quando comparadas aos aços de baixo carbono e, por essa razão, a potência requerida para usinagem é menor. Embora algumas Ligas de Alumínio apresentem um limite de resistência equivalente ao de 30 alguns aços de baixo carbono em temperaturas ambientes, o mesmo não ocorre em temperaturas elevadas, onde o Alumínio apresenta resistência reduzida ao processo de remoção de material. Este fato favorece a potência requerida na usinagem destas ligas, uma vez que a elevação da temperatura é inerente ao processo de usinagem. De modo geral, existe pouco conhecimento das vantagens que as ligas de alumínio podem oferecer com respeito a sua usinabilidade, principalmente porque estas ligas carregam um falso estigma de impróprias a esta operação. Entretanto, nota-se que se forem escolhidas as ligas de alumínio adequadas, aliadas as operações de usinagem otimizadas, é possível obter ótimos resultados, tanto em termos de qualidade da peça final, quanto em termos de custos (WEINGAERTNER et al., 1994). Nesta condição, a usinagem do alumínio comparada a outras ligas metálicas traz inúmeras vantagens, tais como: possibilidade de utilização de velocidades de corte elevadas, bom acabamento superficial, baixas forças e temperatura de corte, bom controle dimensional e longa vida da ferramenta de corte. Na maioria das ligas trabalhadas a frio o desgaste é bem menor que o apresentado em na usinagem dos aços (WEINGAERTNER et al., 1994). Os elementos acrescentados ao alumínio na formação da liga a fim de conferir-lhe propriedades superiores, afetam também sua usinabilidade. As ligas de Magnésio e Silício (Al-Mg-Si) e Magnésio e Zinco (Al-Mg-Zn), séries 6xxx e 7xxx respectivamente, apresentam influência benéfica sobre a usinabilidade do material, uma vez que fragilizam os cavacos e permitem o uso de ferramentas com ângulos de cunha maiores, mais robustas e duráveis. (WEINGAERTNER et al., 1994). Elementos insolúveis no alumínio, que baixam o ponto de fusão da liga, tais como o chumbo, estanho e cádmio também trazem benefícios a usinabilidade uma vez que precipitam na forma de pequenos glóbulos imersos na matriz, gerando descontinuidades que fragilizam o material (HATCH, 1984). Ao contrário dos anteriores, a adição de silício às ligas de alumínio (ex.: ligas da série 4xxx) aumenta a capacidade abrasiva do material base, aumentando o processo de desgaste, e conseqüentemente reduzindo a vida da ferramenta (HATCH, 1984). Ligas não tratáveis termicamente e as tratáveis no estado recozido tendem a formar cavacos contínuos e em formas de fita na usinagem, apresentar acabamento superficial ruim e elevada tendência de empastamento na ferramenta de corte (WEINGAERTNER et al., 1994). 31 4.3.2. LIGAS DE TITÂNIO Constata-se que o titânio e suas ligas são normalmente utilizados na indústria aeronáutica e aeroespacial, em componentes como longarinas, fuselagem, reforçadores estruturais e prendedores. Trata-se de um excelente material na aplicação de componentes estruturais, devido à sua alta resistência mecânica, baixa massa específica, boa resistência à corrosão e estabilidade metálica. A alta resistência do titânio à fluência tem sido de grande importância para uso em motores (NORRIS, 1994). Porém, a afinidade do titânio com oxigênio se apresenta como um dos principais fatores limitantes de sua aplicação como material estrutural em altas temperaturas. Durante a exposição ao ar e sob elevadas temperaturas, a solubilidade sólida do oxigênio no titânio resulta em perda de material e na formação de uma frágil camada de alta dureza. A reatividade do titânio com o nitrogênio é parecida com a do oxigênio, onde uma camada de óxido é formada na superfície, como um nitreto (ABKOWITZ; BURKE; HILTZ JR., 1955). Nas últimas décadas, houve avanços significativos no desenvolvimento de ligas de titânio com o objetivo de aumentar suas propriedades em fluência, apesar da oxidação superficial limitar o uso destas ligas em temperaturas superiores a 600ºC (SECO; IRISSARI, 2001). A indústria aeroespacial utiliza cerca de setenta e cinco por cento (75%) da produção mundial de titânio, sendo a liga Ti6Al4V uma das mais utilizadas. Uma das características que mais tem contribuído para seu crescimento deve-se ao seu uso para fins estruturais, no que se refere ao alto ponto de fusão. O uso da liga Ti6Al4V concentra-se na área aeroespacial, onde as resistências à fluência, fadiga e degradação são consideradas essenciais (NORRIS, 1994). Esta liga apresenta ainda, vasta importância comercial, complementando com mais da metade das aplicações das ligas de titânio nos Estados Unidos da América e Europa, por oferecer a possibilidade de alta resistência à tração e boa capacidade de conformação, apesar de apresentar redução de soldabilidade. Estas ligas apresentam baixa condutividade térmica e elétrica. São materiais leves, fortes e de fácil fabricação com baixa densidade (quarenta por cento da densidade do aço). Quando puros são bem dúcteis e fáceis de trabalhar. O ponto de fusão relativamente alto faz com que seja útil como um metal refratário. 32 Se comparado com o alumínio, o titânio é sessenta por cento (60%) mais pesado, porém duas vezes mais resistênte. Tais características fazem com que o titânio seja muito resistente contra os tipos usuais de fadiga. Esse metal forma uma camada passiva de óxido quando exposto ao ar, mas quando está em um ambiente livre de oxigênio ele é dúctil. Ele queima quando aquecido e é capaz de queimar imerso em nitrogênio gasoso. O titânio apresenta duas formas alotrópicas, denominadas de fase alfa (α) e fase (β). A primeira apresenta estrutura cristalina hexagonal compacta a temperatura ambiente, que se transforma alotropicamente a 882 ºC para a segunda fase, com estrutura cristalina na forma de cúbica de corpo centrado (SECO; IRISSARI, 2001). Neste material, a presença de elementos de liga tende a estabilizar uma de suas fases. Elementos alfanêgicos, como o alumínio e o estanho, aumentam a temperatura de transformação alotrópica enquanto que elementos betagênicos, como o vanádio, nióbio e tântalo reduzem a temperatura de transformação. De acordo com Bhaumik (1995), a usinagem da liga de titânio é muito dificultada pela sua alta reatividade química com os materiais da ferramenta e sua baixa condutividade térmica gerando alta temperatura na interface cavaco/ferramenta/peça o que favorece o mecanismo de difusão e conseqüente desgaste prematuro da ferramenta. Segundo Ezugwo (1997), na usinagem das ligas de titânio, cerca de oitenta por cento (80%) do calor gerado fica retido na ferramenta e apenas vinte por cento (20%) se dissipa com o cavaco. Além da baixa condutividade térmica, o baixo módulo de elasticidade do titânio, quando comparado ao de aços, por exemplo, provoca forças pulsantes durante sua usinagem causando maiores atritos e vibrações. 4.3.3.FADIGA DE COMPONENTES AERONÁTICOS A maioria dos componentes mecânicos encontrados em máquinas, veículos e estruturas estão freqüentemente submetidas a esforços repetitivos, também chamados de carregamentos cíclicos, que podem causar danos microscópicos irreversíveis ao componente solicitado (DOWLING, 1999). 33 Chama-se de fadiga mecânica, o processo de danificação dos materiais associados a o acúmulo destes danos, que podem ocorrer até atingirem a forma macroscópica, podendo levar à falha catastrófica do componente (DOWLING, 1999). As cargas de fadiga têm valores inferiores às cargas estáticas dimensionantes do projeto de uma aeronave. De acordo com a FAA (Federal Aviation Administration), órgão responsável pela certificação e homologação de aeronaves no território norte-americano, as cargas estáticas dimensionantes de uma estrutura aeronáutica devem ser as denominadas cargas limite e cargas "ultimate" (FAR PART 25, 2002). Define-se como carga limite o carregamento máximo esperado durante a operação de uma aeronave, e como carga "ultimate" o carregamento limite multiplicado por um fator de segurança, que depende do componente, da manobra realizada e do número de sua ocorrência por missão. Como critério de sucesso a norma, este órgão define que a estrutura de componentes aeronáuticos deve suportar a carga limite sem a existência de deformação permanente ou plástica, e a carga "ultimate" sem ruptura ou falha catastrófica (FAR PART 25, 2002). De uma forma simplificada, a fuselagem de uma aeronave pode ser dividida em três secções principais: dianteira, central e traseira. As cargas predominantes durante um vôo comum são as cargas aerodinâmicas que causam flexões e torções na fuselagem, asas e empenagens. Os esforços resultantes destes carregamentos causam esforços de tração, compressão, flambagem e cisalhamentos. A Figura 6 mostra as principais cargas envolvidas em cada região da aeronave. Apesar do carregamento de fadiga ser geralmente muito inferior à carga estática limite e, conseqüentemente, ao limite de escoamento do material, o elevado número de ciclos destes carregamentos pode submeter a estrutura ao colapso. Estima-se que 90% das falhas em peças metálicas ocorridas no mundo são oriundas de problemas com a fadiga dos materiais (HEINZ et al, 2000; NORTON, 2005; CALLISTER JR., 2006). Os custos anuais com falha por fadiga nos Estados Unidos, segundo Dowling (1999), são altíssimos. Em 1982, estes custos já ultrapassavam a marca de 100 bilhões de dólares, com danos causados a estruturas de veículos, aviões, pontes e indústrias petrolíferas, entre outros. Além do custo, estas falhas também podem envolver riscos à vida humana, 34 provocando desastres aéreos, como por exemplo, os desastres sofridos com os aviões da British Comet, em 1954. Figura 6. Principais cargas envolvidas na operação de uma aeronave (REZENDE, 2007 - Adaptado) Há algumas décadas, as aeronaves eram projetadas em um critério denominado de "Save Life". Este critério restringia a existência de trincas nos componentes aeronáuticos durante sua vida, geralmente medida em horas de vôo ou operação. As estruturas eram condenadas ao descarte e à substituição toda vez que fosse detectada a existência de uma trinca ou fosse atingido o número de horas ao qual o componente foi projetado. Este critério levou os Estados Unidos a construírem os denominados cemitérios de aeronaves, sendo o mais famoso deles é o cemitério localizado no deserto de Monjave, no estado da Califórnia, que abriga hoje mais de 4.400 aeronaves civis e militares. O avanço das técnicas e cálculos estruturais e o conhecimento mais profundo dos materiais possibilitaram a inserção de um novo conceito ao projeto aeronáutico, denominado de "Fail Safe". Por este critério, se aceita a presença de trincas na estrutura, e através de métodos de cálculos e estatística, estima-se o comportamento de colapso da 35 estrutura, principalmente no que se refere à velocidade de propagação de trincas (DOWLING, 1999). Hoje, uma aeronave projetada para 20.000 horas de vôo não está mais fadada ao descarte no momento que atingir esta idade, porém é importante ressaltar que, neste momento, sua operação torna-se mais cara e onerosa, pois aumentam os custos decorrentes de maior freqüência de inspeção e manutenção para operação. Por estes motivos, a qualidade da usinagem dos componentes estruturais de uma aeronave é fundamental para sua vida em fadiga. De acordo com Liu et al. (2006), a maior parte da carga dimensionante da aeronave é transferida da fuselagem aos reforçados estruturais (perfis, longarinas e cavernas), através de prendedores instalados em furos ao redor das juntas. Em um pequeno jato, de quatro a seis passageiros, são utilizados em torno de 30 a 50 mil prendedores, apenas na fuselagem externa. A maior parte destes prendedores são rebites ou pinos. A má qualidade ou perda de tolerância nestes furos causam uma sensível redução na vida em fadiga da aeronave, devido à existência de concentradores de tensão, corrosão e princípio de trincas (LIU et al., 2006). A ação mecânica exercida pela broca deforma plasticamente a zona ao redor da superfície do furo. Estas pequenas irregularidades aumentam a probabilidade de se verificar uma iniciação de fissura, devido ao aumento de tensões localizadas. 4.4. ERROS MICRO-GEOMÉTRICOS E MACRO-GEOMÉTRICOS RESULTANTES DO PROCESSO DE USINAGEM Apesar do desenvolvimento tecnológico, é impossível obter superfícies perfeitamente exatas. Todas as peças, por mais precisa que sejam, apresentam erros de forma, que correspondem à diferença entre a superfície real da peça e a forma geométrica teórica (AGOSTINHO, RODRIGUES E LIRANI ,1981). Os principais erros geométricos podem ser classificados como: erros macro geométricos e erros micro geométricos. Os primeiros estão ligados a falta de retineilidade, 36 planeza, circularidade, paralelismo, posicionamento, entre outros; enquanto que o segundo destaca-se a rugosidade. As superfícies de peças apresentam irregularidades quando observadas em detalhes. Estas irregularidades são provocadas por sulcos ou marcas deixadas pela ferramenta que atuou sobre a superfície da peça. A importância do estudo do acabamento superficial aumenta na medida em que cresce a precisão de ajuste entre as peças a serem acopladas, onde somente a precisão dimensional, de forma e de posição não é suficiente para garantir a funcionabilidade do par acoplado. Agostinho, Rodrigues e Lirani (1981) descrevem a rugosidade como micro- irregularidades geométricas decorrentes do processo de fabricação. Sua quantificação é feita pelos parâmetros de altura e largura das irregularidades, medidos geralmente por perfilômetros de contato mecânico, também conhecidos como rugosímetros. Os processos de usinagem afetam diretamente a rugosidade superficial da peça e o controle da mesma é feito pelo gerenciamento e otimização dos processos e condições de usinagem. As alterações da rugosidade ocorrem em função do tipo da ferramenta, afiação da ferramenta, condições de usinagem, dentre outros (FUSSE et al., 2004). O acabamento superficial sofre influência de vários parâmetros de usinagem, incluindo: a geometria da ferramenta de corte, geometria da peça, rigidez da máquina-ferramenta, material da peça, condições de corte, material da ferramenta (FUSSE et al., 2004). Diversos são os parâmetros de rugosidade medidos pelos rugosímetros, sendo cada qual mais aplicada a determinada situação. No Brasil, o mais utilizado deles é a rugosidade média aritmética (Ra) que é calculada a partir da média aritmética dos valores absolutos das ordenadas de afastamento dos pontos do perfil de rugosidade em relação à linha média, dentro do percurso de medição. 37 4.5. SISTEMAS DE CONTROLE E MONITORAMENTO DE PROCESSOS A grande competição entre as empresas e a crescente busca pelo aumento de eficiência nos processos fazem com que as indústrias invistam em novas tecnologias e busquem alternativas para redução de custos, principalmente em períodos de turbulência econômica e crise financeira. Neste contexto, o controle avançado de processos ganha espaço por permitir que a planta opere em condições próximas aos limites de operação, trabalhando na direção do máximo de produção e com a mínima variabilidade na qualidade do produto. De acordo com Groover (1994), a aplicação de controle a automação industrial têm o potencial de aumentar a produtividade, reduzir custos, aumentar a qualidade, a repetibilidade e a flexibilidade de processos industriais, tornando-o capaz de verificar seu próprio funcionamento e agir sobre ele mesmo, reduzindo a necessidade da intervenção humana. Em qualquer processo industrial, as condições de operação estão sujeitas às variações ao longo do tempo. Controlar um processo significa atuar sobre ele, ou sobre as condições a que o processo está sujeito, de modo a atingir algum objetivo. Por exemplo, pode-se achar necessário ou desejável manter o processo sempre próximo de um determinado estado estacionário, mesmo que efeitos externos tentem desviá-lo desta condição. Este estado estacionário pode ter sido escolhido por atender melhor aos requisitos de qualidade e segurança do processo. Para se controlar um processo é geralmente necessário obter um modelo matemático que atenda as características do sistema. Com a utilização dos computadores nos controles de processos, os cálculos passaram a integrar os sistemas o que potencializou seu uso. Contudo, dificilmente estes modelos conseguem prever ou contornar situações que na prática são prejudiciais as ações de controle (OGATA, 2003). Além disso, sistemas de controle tradicionais geralmente baseiam-se no modelamento matemático do processo, contudo, a obtenção de um modelo matemático para um processo de usinagem é geralmente dificultosa, devido ao grande número de variáveis relevantes e sua complexa interação e alteração ao longo do tempo (ABU-MAHFOUZ, 2003). 38 Para suprir esta carência, métodos indiretos de medição e avaliação são utilizados. Nestes sistemas, sensores são geralmente empregados para antever falhas inesperadas. Sistemas como esses têm tido expressiva evolução na realização de sistemas de manufatura avançada. Entretanto, também não é tarefa fácil decidir qual sensor utilizar para registrar as variações relevantes no processo. (ABU-MAHFOUZ, 2003; NOORI-KHAJAVI; KOMANDURI, 1995) Sensores associados a sistemas computacionais inteligentes foram utilizados com sucesso em inúmeros trabalhos. Recentemente, alguns exemplos podem ser vistos nas publicações de Guibert, Paris e Rech (2008), Ozel e Karpat (2005), e Aguiar et al. (2008), respectivamente para torneamento, fresamento e retificação. No primeiro caso, um sensor de força foi utilizado. No fresamento foram utilizados um acelerômetro e um sensor de proximidade e finalmente para a retificação, foi lida a corrente do motor elétrico, utilizando sensores de efeito Hall e emissão acústica. Em todos os casos, a rugosidade e o desgaste da ferramenta foram preditos com sucesso. Na furação dois métodos de monitoramento de processo foram estudados. Estes métodos podem ser classificados como diretos ou off-line e indiretos ou on-line. Métodos diretos usualmente utilizam sistemas ópticos para medir a geometria do furo ou da perda de aresta da ferramenta pela análise direta da imagem coletada, enquanto que, métodos indiretos utilizam sensores para ler grandezas associadas ao processo. A principal desvantagem dos métodos diretos está na dificuldade de medição continua, pois a ferramenta e o furo não podem ser observados durante o corte, enquanto que métodos indiretos fazem a leitura contínua do processo (NOORI-KHAJAVI; KOMANDURI, 1995). Métodos on-line de medição, como sensores de força, acelerômetros e sensores de emissão acústica, a princípio podem ser facilmente utilizados, pois eles não interferem na operação de corte. Por outro lado, é difícil obter uma boa correlação entre esses sinais adquiridos e os resultados obtidos no processo (NOORI-KHAJAVI; KOMANDURI, 1995). De acordo com Lin e Ting (1996) dentre os inúmeros sistemas sensoriais disponíveis, o sensor de efeito Hall, para medição da corrente elétrica do motor do cabeçote da máquina, é um dos mais efetivos sistemas de controle de processos de usinagem. A maior vantagem 39 da utilização desse tipo de sensor é o fato dele ser instalado longe do ponto de corte, em um circuito elétrico independente, não tendo qualquer influência sobre o processo. Soma- se a isso, o fato de ele ser um dos mais baratos sistemas sensoriais disponíveis. De acordo com Abu-Mahfouz (2003), acelerômetros são de simples operação e também não tem influência sobre a rigidez ou sobre processo em si. Além disso, são de simples montagem e apresentam boa resistência à degradação pelo fluido de corte e cavacos e sofrem baixas ou nenhuma influência de eletromagnetismo e variações térmicas. Para sua boa operação, precisam, contudo ser montados próximo ao ponto de corte (GUIBERT; PARIS; RECH, 2008). Os procedimentos de monitoramento baseados em vibrações mecânicas fundamentam- se no fato de que os sistemas mecânicos, com partes móveis e com ciclo de movimento fechado e repetitivo, como ocorrem no processo de furação, são compostos de elementos flexíveis que oscilam em torno de suas posições de equilíbrio estático, devido às excitações dinâmicas oriundas das vibrações de esforços dinâmicos que atuam sobre o sistema como, por exemplo, massas desbalanceadas, força de inércia e outras (EL-WARDANY; ELBESTAWI, 1996). De acordo com Abu-Mahfouz (2003), sensores de emissão acústica (EA) são mais caros que acelerômetros industriais, e sua aplicação exige uma alta taxa de aquisição, utilização de filtros, sistema de armazenamento de dados e alta memória computacional. Essas exigências estão associadas ao seu projeto feito para captar sinais de altas freqüências resultantes da deformação dos materiais, fratura, e quebra de cavaco. Por outro lado, de acordo com Abu-Mahfouz (2003), a grande vantagem na aplicação de sensores emissão acústica é sua alta sensibilidade e exclusividade em ler alguns fenômenos do processo, sendo que dentre eles, pode-se citar a capacidade do sensor em captar a energia dissipada durante a retração elástica dos materiais após a ruptura da porção cortada ou quebra do cavaco. Sensores de força apresentam como principal vantagem o fato de lerem diretamente umas das variáveis mais importantes e influentes no processo. Apesar disso, de acordo com Abu-Mahfouz (2003), medir o torque e a força de avanço durante o processo requer instrumentação cara, como o uso de dinamômetros, e na maioria dos casos necessita de um 40 sistema de fixação especial, o que pode influenciar na dinâmica e rigidez características do sistema de furação. Um sistema de controle confiável permite operar próximo aos limites impostos pela segurança, pelo meio-ambiente e pelo processo (temperatura máxima, pureza mínima), o que permite alterar as condições de operação normais para uma condição mais favorável. A seleção de uma boa estratégia de controle permite reduzir o tempo de produção fora da especificação e, conseqüentemente, melhora o resultado econômico do processo. As técnicas de controle e monitoramento de processos existem há vários anos e tem consolidado grandes avanços tecnológicos ao longo do tempo. 4.6. REDES NEURAIS ARTIFICIAIS Uma das áreas de pesquisa mais fascinante atualmente é a simulação de capacidades cognitivas de um ser humano. O objetivo desta ciência é de projetar máquinas capazes de exibir um comportamento inteligente como se fossem reações humanas. Como base de processamento, o celebro contêm os neurônios, células que interconectados em redes permitem a troca de informação, criando a inteligência biológica. Dentro desta ciência há a tentativa de copiar a estrutura e o funcionamento do cérebro em um ambiente técnico. Isso significa que a pesquisa tenta entender o funcionamento da inteligência residente nos neurônios e mapeá-la para uma estrutura artificial, por exemplo, uma combinação de hardware e software, assim transformando as redes neurais biológicas em redes neurais artificiais (TAFNER, 1999). 4.6.1. MODELO DE NEURÔNIO BIOLÓGICO O neurônio biológico, ou célula nervosa é o principal componente do sistema nervoso. Estima-se que no cérebro humano existam aproximadamente 100 bilhões de neurônios, responsáveis por todas as funções do sistema nervoso. 41 A Rede Neural Humana é baseada nesses conjuntos de neurônios, onde todas as funções e movimentos do organismo estão relacionados ao funcionamento destas pequenas células (CARVALHO, 2004). No cérebro humano ocorrem várias reações químicas e impulsos elétricos que representam os processamentos de cada neurônio. As Redes Neurais Artificiais procuram reproduzir estas reações e impulsos químicos através de funções matemáticas e algoritmos iterativos de atualização de pesos. As principais partes do neurônio biológico podem ser observadas na Figura 7. Figura 7. Estrutura do neurônio biológico (adaptado de http://www.icmc.usp.br) Os principais elementos que compõem esta célula são o corpo celular, os dendritos e os axônios. O Corpo Celular é também chamado de soma, e é formado por um conjunto de estruturas celulares, como núcleo, citoplasma e suas organelas. Sua principal função é dar suporte metabólico para manter a célula viva, além de ser responsável por coletar e combinar informações vindas de outros neurônios (CARVALHO, 2004). Os dendritos são prolongamentos na forma de ramificações que normalmente formam uma árvore dendrital que pode ter um volume maior que o corpo celular. Possuem poucos milímetros de comprimento e têm como função fazer a comunicação entre os neurônios através das conexões sinápticas possuindo para isso uma região receptora e outra efetora; 42 Os axônios são também chamados de fibras nervosas e são extensões tubulares, longas e únicas encontradas no corpo celular. São responsáveis por transmitir impulsos elétricos para outras células (CARVALHO, 2004). De acordo com Tafner (1998), o neurônio pode ser considerado um dispositivo computacional a base de carbonos que possui muitas entradas e uma única saída. Os estímulos de entrada são recebidos através de ligações, denominadas de sinapses, entre os dendritos e os axônios de outras células. As informações fluem, em forma de impulsos elétricos do axônio para o dendrito. No próximo neurônio, esta informação é então processada e, através de funções ativadoras ou inibidoras, é produzida a resposta. A transferência de um impulso elétrico se dá pela sinapse e é feita por mediadores químicos que processam em sentido único, do axônio para o dendrito. A substância responsável pela emissão do impulso elétrico é chamada de neurotransmissor. Sua intensidade varia de acordo com sua concentração, dimensão geométrica da sinapse e distância do axônio ao neurônio (CARVALHO, 2004). 4.6.2. MODELO DE NEURÔNIO ARTIFICIAL Assim como o sistema nervoso é composto por bilhões de células nervosas, a rede neural artificial também é formada por várias unidades de processamento, ou neurônios artificiais, que são pequenos módulos que simulam o funcionamento de um neurônio biológico. Estes módulos são ligados por conexões sinápticas, que estão associadas a determinados pesos. As unidades fazem operações apenas sobre seus dados locais, que são entradas recebidas pelas suas conexões. O comportamento inteligente de uma rede neural artificial vem das interações entre as unidades de processamento da rede (TAFNER, 1998). Para simular o comportamento das sinapses, os terminais de entrada do neurônio são influenciados por pesos sinápticos, cujos valores podem ser positivos ou negativos. O efeito de uma sinapse no neurônio é dado pela multiplicação do peso pelo seu valor de entrada. A estrutura de um neurônio artificial pode ser observada na Figura 8. 43 Figura 8. Estrutura do neurônio artificial (TAFNER, 1999 - Adaptado) De forma resumida pode-se dizer que um neurônio artificial funciona através da multiplicação dos dados apresentados em sua entrada pelo peso sináptico de sua próxima ligação ou camada de saída. Neste momento é feita a soma ponderada dos sinais, através da função de transferência ou ativação, e caso esse valor exceda um determinado nível de atividade, chamado de limite de ativação (“threshold”), a unidade neural produz uma saída. As equações básicas de funcionamento das redes neurais são mostradas abaixo: � � �� N i ii bxwu 1 . (1) )(ugy � (2) onde: x1 , x2,... xN são os sinais de entrada; w1 , w2 , ... wN são os pesos ou conexões sinápticas; bN é o limiar de ativação do neurônio; uN é a saída do combinador linear; g(u) é a função de ativação (limita a saída do neurônio); y é o sinal de saída do neurônio. A escolha da função de ativação depende do problema estudado. Sua função é de processar o sinal de entrada e transformá-lo em estado de ativação. Para isso as funções mais comumente usadas são: Função de Ativação Combinador Linear Saída 44 �Função degrau: fornece uma saída de dados binária (0,1) ou bipolar (-1,1). Com esta função, a saída do neurônio assumirá o valor 1 se o nível de atividade interna total do neurônio for não-negativo, caso contrário a saída do neurônio assumirá o valor 0 ou -1. �Função Rampa: Função linear onde a saída pode assumir valores reais entre -1 e 1, dentro do limite dos valores de abscissa dados pela inclinação da reta. �Função Sigmóide: Função exponencial onde o expoente da função é o parâmetro que define a inclinação (ganho) da função. Nesse tipo de função, a saída do neurônio assumirá valores reais entre 0 e 1. �Função Tangente Hiperbólica: Similar à função sigmóide está função apresenta gráfico em formato de arco hiperbólico com saídas limitas a -1 e 1. A Tabela 2 mostra a representação gráfica e a equação das funções de ativação descritas acima. Tabela 2 – Funções de ativação típicas utilizadas por redes neurais artificiais Função Degrau (bipolar) Função rampa +1 -1 )u(g u +1 -1 )u(g u-a +a � � � � � 01 01 )( use use ug � � � � � � � ause auaseu ause ug 1 1 )( Função Sigmóide Função Tangente Hiperbólica +1 )u(g u0 +1 -1 )u(g u � �ue ug � � � 1 1)( u u e euug � �� 1 1)tanh()( 45 4.6.3. TOPOLOGIA DAS REDES NEURAIS ARTIFICIAIS As redes neurais podem ser formadas por uma ou mais camadas de neurônios sendo que a escolha da topologia de uma rede é um fator importante na obtenção de sucesso em sua aplicação. Basicamente, a estrutura de uma rede neural artificial se divide em três partes, sendo elas: a camada de entrada, onde os padrões de entrada são apresentados à rede; as camadas intermediárias, onde grande parte do processamento é executado, através de ligações ponderadas; e a camada de saída que apresenta o resultado final. A Figura 9 mostra a estrutura básica de uma rede neural artificial. Figura 9. Estrutura básica de uma rede neural artificial (adaptado de HAYKIN, 2001) Redes neurais são também classificadas de acordo com a arquitetura (estrutura) em que foram implementadas, características de seus nós, regras de treinamento e tipos de modelos de neurônio empregados. Do ponto de vista topológico, Haykin (1999) classifica as RNA em três classes de arquiteturas fundamentalmente distintas, sendo elas: redes Feedforward de Camada Única, Feedforward Multicamadas e redes Recorrentes. As redes Feedforward de camada única caracterizam-se por apresentar uma camada de entrada e uma única camada de neurônios que já é a própria saída da rede, justificando seu nome. A Figura 10 mostra o esquema representativo deste tipo de rede. 46 Figura 10. Estrutura da rede Feedforward de única camada (adaptado de HAYKIN, 2001) As redes Feedforward têm aplicação na resolução de problemas que envolvem memória associativa e reconhecimento de padrões. As redes Feedfoward de múltiplas camadas se distinguem da anterior pela presença de uma ou mais camadas escondidas de neurônios. São aplicadas em reconhecimento de padrões, aproximador universal de funções e em controle, como será visto mais adiante. A Figura 11 mostra a arquitetura deste tipo de rede. Figura 11. Estrutura da rede Feedforward de múltiplas camadas (Adaptado de HAYKIN, 2001) As redes recorrentes distinguem-se das Feedforward por apresentarem ao menos um laço de realimentação entre neurônios de camadas diferentes, mostrado na Figura 12. Estas redes têm capacidade de “lembrar” seu comportamento com relação aos padrões anteriormente apresentados, e desta forma, processar seqüência de informações. Suas 47 principais aplicações são em sistemas dinâmicos, memórias associativas, previsão e estimação, otimização e no controle. Figura 12. Estrutura da rede associativa (Adaptado de HAYKIN, 2001) 4.6.4. TREINAMENTO DAS REDES NEURAIS ARTIFICAIS A principal característica que adjetiva uma rede neural artificial como um sistema inteligente é a sua capacidade de aprendizado com a experiência. Depois de treinada, a rede é capaz de generalizar e extrapolar soluções. O conhecimento contido em uma rede está representado em sua estrutura e nos pesos sinápticos das conexões entre os neurônios. Deste modo, ao se modificar os pesos, pode-se atualizar os conhecimentos contidos, induzindo a adaptação do sistema. A este processo de modificação dos pesos das conexões denota-se o nome de treinamento da rede neural (TAFNER, 1999). Denota-se por treinamento de uma rede neural a sua capacidade de adquirir experiência a partir dos casos reais conhecidos, adquirindo, a partir daí, a sistemática necessária para executar adequadamente o processo desejado dos dados fornecidos. Sendo assim, a rede neural é capaz de extrair regras básicas a partir de dados reais (conhecimento implícito), diferindo da computação convencional, onde é necessário um conjunto de regras rígidas pré-fixadas e algoritmos (conhecimento explícito). A rede aprende sobre um conjunto de regras bem definidas denominada de algoritmo de treinamento. Existem vários tipos de algoritmos de aprendizagem que são usados em 48 redes neurais artificiais, sendo que, o que diferencia um do outro é a forma com que cada um altera os pesos sinápticos (KOVACS, 1996). Há dois tipos básicos de treinamento das redes neurais, denominados de aprendizado supervisionado e não supervisionado. No primeiro são apresentados os dados de entrada e saídas desejadas, sendo que rede atualiza seus pesos sinápticos em seguidas iterações até que os valores convirjam para soluções próximas às saídas esperadas. Ao final de cada iteração a saída da rede é comparada ao valor de treinamento, e a diferença entre eles fornece o erro, que é então retropropagado de forma a ajustar os pesos sinápticos e limiares de acordo com algum algoritmo que minimize esse erro. Nessa categoria destacam-se as redes “Perceptron” (HAYKIN, 2001), as redes de função de Base Radial (RBF) e as redes “Learning Vector Quantization” (LVQ). O aprendizado não supervisionado por sua vez, é utilizado em sistemas de classificação e é preciso apenas do conjunto de entradas. A rede classifica os dados por características de entrada e cria automaticamente novas classes ou grupos sempre que um padrão novo é adicionado. Nesta rede, os neurônios são do tipo classificador e os conjuntos de entradas são denominados de elementos para classificação (KOVACS, 1996). Dentre os algoritmos de treinamento supervisionado destaca-se o algoritmo backpropagation (ou Regra Delta Generalizada) que utiliza pares de entradas e saídas desejadas, para ajustar os pesos sinápticos da rede, por meio de um mecanismo de correção de erros. A aprendizagem ocorre em duas fases, denominadas de foward e backward. (HAYKIN, 2001). Na fase forward, o padrão é apresentado à entrada da rede, e as informações fluem pela rede até alcançar a camada de saída. Durante a fase forward não há alteração dos pesos sinápticos que ocorre apenas quando se inicia a backward. Nesta etapa, a saída obtida é comparada à saída desejada para esse padrão particular. Se essa não estiver correta, o erro é calculado. O erro é então retropropagado a partir da camada de saída até a camada de entrada, e os pesos das conexões das unidades das camadas internas vão sendo modificados conforme o erro é retropropagado (HAYKIN, 2001). Esse processo é repetido para todos os vetores de entrada da rede até que o erro quadrático médio das saídas alcance um valor aceitável. Por esta característica foi lhe atribuído o nome de backpropagation (HAYKIN, 49 2001). A derivação do algoritmo “backpropagation”, para redes “Perceptron” com uma única camada escondida é realizada conforme a notação apresentada na Figura 13. Figura 13. Diagrama esquemático da rede “Perceptron” multicamadas (Adaptado de HAYKIN, 2001) A partir da Figura 13, adota-se a seguinte convenção: O parâmetro N especifica o número de variáveis que constitui cada vetor de entrada; O parâmetro N1 especifica a quantidade de neurônios utilizados na camada neural escondida; O parâmetro N2 especifica o número de variáveis que constitui cada vetor de saída, e também indica a quantidade de neurônios utilizados na camada neural de saída; O vetor x = [x1, x2, ..., xN]T denota o vetor de entrada da rede; O vetor y = [y1, ..., yN]T denota o vetor de saída da rede; O símbolo w1ji fornece o valor do peso sináptico conectando o j-ésimo neurônio da primeira camada ao i-ésimo neurônio da camada; O símbolo I1j fornece o valor correspondente à entrada ponderada do j-ésimo neurônio da camada 1, ou seja: 1,...,1;.11 0 NjxwI N i ijij �� � � (3) 2,...,1;122 0 NjywI N i ijij �� � � (4) 50 O símbolo ylj fornece o valor correspondente à saída do j-ésimo neurônio da primeira camada (l), ou seja: 2,...,1);1(1 NjIgy jj �� (5) 2,...,1);2(2 NjIgy jj �� (6) Para determinação dos critérios de parada e desempenho das redes são utilizadas as funções de erro quadrático E(k) e erro quadrático médio EM. A primeira fornece o valor instantâneo da soma dos erros quadráticos (em relação ao k-ésimo padrão de treinamento) de todos os neurônios da camada de saída da rede, demonstrado pela equação 7: � � � 2 1 2))(2)(( 2 1)( N j jj kykdkE (7) onde: dj(k) é o valor da saída desejada no neurônio j em relação à k-ésima entrada. Já o erro quadrático médio é obtido a partir da soma dos erros quadráticos relativos a todos os padrões de entrada utilizados no conjunto de treinamento da rede, mostrado pela equação 8: � � � p k M kE p E 1 )(1 (8) onde: o parâmetro p especifica o número de padrões de treinamento ou a quantidade de vetores de entrada. Os erros calculados representam o desempenho do aprendizado. A busca por sua minimização representa o sucesso da aplicação da rede. No aprendizado, o processo de ajuste dos pesos é feito através da retropropagação do erro. Para uma rede Perceptron com uma única camada escondida, este processo pode ser dividido em duas fases: Na primeira etapa é realizado o ajuste dos pesos dos neurônios da camada de saída a partir da minimização da função erro quadrático em relação aos pesos w2ji. Utilizando a regra de diferenciação em cadeia, tem-se: jji w I y y E w EE ji 2 2 . 22)2( � � � � � � � �� (9) 51 onde i ji j x w I � � � 1 1 (10) )1( 1 1 '´ j j j Ig I y � � � (11) )2( 2 jyd y E j j � � � (12) O símbolo dj indica a resposta desejada para o neurônio j e g’(.) a derivada da função de ativação associada ao neurônio. A derivada parcial representa um “fator de sensibilidade”, determinando a direção de busca no espaço de pesos, para o peso sináptico w2ji. Substituindo as expressões (10), (11) e (12) na expressão (9), obtém-se: jjj ji yIgyd w E ).2().2( 2 ´ � � � (13) O ajuste deverá ser feito na direção oposta ao gradiente a fim de minimizar a função erro quadrático, ou seja: ji ji w Ew 2 2 � � � �� � (14) ijji yw 122 �� �� �� ou ainda: jjiji ytwtw 2)(2)1(2 ����� �� (15) onde � é uma constante que determina a taxa de aprendizagem (tamanho do passo em direção ao ponto de mínimo da função erro quadrático) do algoritmo Backpropagation, e �2j denota o gradiente local (o qual aponta para as modificações necessárias nos pesos sinápticos) sendo auto-definido por: �2j = (dj – y2j ).g’( I2j ) (16) Após o ajuste dos neurônios da camada de saída, inicia o ajuste dos pesos dos neurônios da camada intermediária (1ª camada neural). Este processo é feito normalmente a partir da função erro quadrático em relação aos pesos w1ji. Utilizando a regra de diferenciação em cad