|
Abstract:
|
A falha (avaria e/ou desgaste) da ferramenta de corte em usinagem está direta ou indiretamente ligada a diferentes grandezas físicas, relacionadas com: o material da peça, o tipo de ferramenta, as condições do processo etc. A análise e a caracterização destas grandezas em tempo real envolve a implementação de sistemas de monitoramento. O sucesso destes sistemas depende da qualidade das informações extraídas dos sinais coletados pelos sensores posicionados em locais estratégicos da máquina-ferramenta, e do algoritmo de inteligência computacional usado para analisá-las e tomar a decisão correta. No primeiro caso, a técnica de multisensores é atrativa, principalmente porque a perda de sensibilidade de um sensor pode ser compensada pela informação captada por outro. No segundo, as redes neurais artificiais destacam-se por suas habilidades em descrever características altamente não-lineares, típicas dos processos de usinagem. Dentro deste enfoque, objetiva-se apresentar o desenvolvimento e a aplicação de um sistema monitor inteligente em torneamento usando a fusão de sinais de força, vibração e emissão acústica com o intuito de reconhecer os padrões de falha da ferramenta de corte (estimação de desgastes e detecção de avarias) e com isso diagnosticar em tempo real o seu estado. A partir do diagnóstico, o sistema monitor realiza o prognóstico da vida da ferramenta (estimação do tempo de vida restante) com a ambição de definir o momento mais apropriado para sua troca. |
