FORMAÇÃO 24 A maquinagem, ou usinagem como se refere no Brasil, provavelmente derivado do Francês usinage, é, talvez, o mais importante processo de fabrico utilizado na indústria de produção, com grande aplicação na indústria metalomecânica geral, no fabrico de moldes e matrizes, no fabrico de componentes para a indústria automóvel, aeronáutica e aeroespacial. Quase todas as peças obtidas por outros processos de fabrico (incluindo o fabrico aditivo) necessitam de maquinagem para garantir o acabamento de superfície e a precisão dimensional e geométrica requerida [1-3]. O valor acrescentado num produto com esta tecnologia é de grande importância económica, o que justifica divulgar uma nova abordagem para o fabrico por maquinagem inteligente. Este tipo de fabrico revela-se da maior importância para a inovação produtiva e o desenvolvimento económico com respeito pela sociedade, em linha com a transição digital e a indústria 5.0. MAQUINAGEM INTELIGENTE A maquinagem inteligente consiste na integração de sensores e inteligência artificial (IA) nos processos de maquinagem para otimizar o desempenho, a qualidade e a eficiência. Utiliza dados de sensores (por exemplo, de vibração, de força, de temperatura), para tomar decisões em tempo real, como o ajuste dos parâmetros de corte, o planeamento das trajetórias das ferramentas e a previsão do desgaste da ferramenta, o que conduz a produção mais precisa, rápida e económica. A simulação dos fenómenos físicos envolvidos nos processos de maquinagem tem sido considerada uma das principais atividades de investigação. Os processos de maquinagem são complexos e apresentam grandes desafios para serem simulados com precisão. As investigações neste campo utilizam abordagens que vão desde técnicas estatísticas tradicionais até métodos mais avançados, bem como o método dos elementos finitos (MEF). Além disso, têm-se também empregado tecnologias sofisticadas de inteligência artificial (IA), como ‘artificial neural networks’ (ANNs), ‘fuzzy logic’ e ‘neuro fuzzy systems’. Técnicas evolutivas, como a computação evolutiva, ‘simulation annealing’ (SA), ‘ant-colony optimization’ (ACO) e ‘particle swarm optimization’ (PSO), também desempenham um papel crucial na otimização de sistemas complexos, superando as limitações enfrentadas pelos métodos clássicos [4-6]. Mais recentemente, técnicas de Machine Learning (ML) e Deep Learning (DL) têm ganhado destaque, apresentando resultados muito interessantes [7]. Nos livros de circulação internacional apresentados na Figura 1 é possível apreciar diversos estudos que envolvem aplicações de métodos computacionais e estatísticos na maquinagem e aplicações de ML e DL na indústria. FORMAÇÃO E INVESTIGAÇÃO O curso básico, certificado, de Maquinagem CNC da UNAVE [8] (informações em https://www.unave.pt/ courses/show.html?id=14769), com e-Learning, funciona com uma estratégia de ensino personalizado à distância, combinando manuais de ensino com testes formativos, visionamento de vídeos tecnológicos selecionados e apoio tutorial individualizado. Destina-se sobretudo a Figura 1 – a) Statistical and Computational Techniques in Manufacturing, Springer; b) Hybrid Modeling and Optimization of Manufacturing: Combining Artificial Intelligence and Finite Element Method, Springer; c) Machine Learning in Industry, Springer. A) B) C)
RkJQdWJsaXNoZXIy Njg1MjYx