Page 34 - Revista Fundição & Matérias-Primas

CASE

Essa última abordagem é ideal para Tab. - Variáveis escolhidas para a definição do planejamento de experimentos
a avaliação de uma faixa mais am- virtuais.
pla de variáveis. Esse método tam- Variáveis Graus de liberdade
bém se mostra bastante eficiente Nº de massalotes 5, 6, 7, 8, 9, 10
na busca pelo melhor projeto/pro- Tamanho dos massalotes Tipo 1 – 10
cesso face a objetivos conflitantes, Comprimento dos resfriadores do fundo (mm) 50, 60, 70, 80, 90, 100, 110,
como rechupe X rendimento ou 120, 130, 140, 150
junta fria X aprisionamento de ar, Ângulo de abertura dos resfriadores do fundo (°) 10, 15, 20, 25, 30
por exemplo [1, 2] . Diâmetro dos resfriadores do topo (mm) 20, 30, 40, 50, 60
Altura dos resfriadores do topo (mm) 20, 30, 40, 50, 60
Otimização do sistema de Entretanto, como neste primei- jeto de alimentação com foco não
alimentação de um anel de ro momento busca-se apenas a só na redução do rechupe, mas
aço [2] identificação dos parâmetros que também na diminuição do tama-
O uso da otimização autônoma mais impactam na formação do nho dos massalotes, dois novos
no projeto de um sistema de ali- rechupe, um planejamento de ex- planejamentos de experimentos
mentação é mostrado no exem- perimentos parcial, com 16 expe- virtuais foram avaliados:
plo a seguir. Para alimentar um rimentos, é suficiente para retratar
anel de aço, o número, o posicio- o comportamento das principais A) Considerando, além dos extremos
namento e o dimensionamento variáveis. de cada variável, alguns passos in-
dos massalotes e resfriadores são A figura 3 mostra quais parâmetros termediários. Essa combinação de
investigados, enquanto o impacto exercem maior impacto. Pode-se parâmetros resultou em 49 designs
dessas variáveis na formação de observar que o número e o tipo de possíveis.
rechupes é avaliado. A configura- massalote têm maior impacto na B) Otimização autônoma baseada
ção inicial do conjunto é mostra- qualidade do fundido. em algoritmo genético, que resul-
da na figura 2. Com o objetivo de otimizar o pro- tou em 180 designs calculados.
As variáveis escolhidas para a defini-
ção do planejamento de experimen-
tos virtuais são mostradas na tabela.
Para avaliar todos os designs possí-
veis resultantes das combinações
de variáveis e seus graus de liberda-
de definidos na tabela, seria neces-
sário analisar 82.500 designs.
A fim de identificar quais variáveis
mais impactam e de que forma in-
fluenciam no objetivo (rechupe),
um planejamento de experimentos
baseado somente nos extremos de
cada variável foi definido. Para um
conjunto de seis variáveis, um pla-
nejamento de experimentos com- Fig. 3 – Diagrama de impacto para a porosidade máxima na peça, considerando apenas os valores
pleto teria 64 designs possíveis. extremos de cada variável. Quanto mais inclinada é a linha, maior é o impacto da variável.

34 FMP, JULHO 2018