FORMAÇÃO 25 licenciados ou mestres que pretendam exercer funções ligadas a maquinagem CNC, a engenheiros mecânicos, industriais, de produção, de materiais ou de áreas afins, gestores e técnicos da indústria ou ainda a qualquer interessado em obter formação nesta área. Pode ser realizado ao ritmo de aprendizagem do formando em qualquer lugar (por exemplo, em casa, no gabinete, na empresa) e tem como objetivo atualizar ou aperfeiçoar conhecimentos na área da maquinagem CNC para melhorar a produtividade e inovação na indústria. Fornece conhecimentos importantes, para quem exerce ou pretende exercer a sua atividade na área da moderna tecnologia de maquinagem, com ênfase na teoria do corte, no planeamento do fabrico, na programação CNC, e na maquinagem a alta velocidade. Trabalhos de investigação a nível de mestrado, doutoramento ou estágios de pós-doutoramento em maquinagem inteligente podem ser desenvolvidos no seio do grupo de investigação MACTRIB [9] em ambiente académico nos laboratórios da universidade ou em ambiente industrial, de acordo com a preferência do interessado. O plano de trabalhos a desenvolver com rigor científico e relevância prática pode ser ajustado em função dos interesses científicos e técnicos do candidato. SÍNTESE CONCLUSIVA Neste breve trabalho de divulgação descreveram-se alguns tópicos de maquinagem inteligente que podem ser aprofundados nos livros de circulação internacional apresentados na lista de referências. Por fim, foram apresentadas opções de formação e investigação na área da maquinagem, a nível básico um curso de Maquinagem CNC por e-Learning, ou a nível avançado, mestrado, doutoramento ou estágios de pós-doutoramento, que podem ser realizadas quer em ambiente académico quer em ambiente industrial. n REFERÊNCIAS 1. Davim, J.P. (2025). Fabrico por maquinagem sustentável e inteligente, Tecnometal, Nº 271, 56-58. https://www.metalportugal.pt/ p452-revista-tecnometal-pt 2. Davim, J.P. (ed.) (2008). Machining: fundamentals and recent advances. Springer: London, UK. https://link.springer.com/ book/10.1007/978-1-84800-213-5 3. Davim, J.P. (ed.) (2023). Nonconventional Machining. DE Gruyter: Berlin, Germany. https://www.degruyterbrill.com/document/ doi/10.1515/9783110584479/html?srsltid=AfmBOor_ebeo-pcNAOnXKu-eE2tnNbffGtmlyfIOTQ0AFcSUEOc0tNZV 4. Davim, J.P. (ed.) (2012). Statistical and Computational Techniques in Manufacturing. Springer: Heidelberg, Germany. https://link. springer.com/book/10.1007/978-3-642-25859-6 5. Kyratsis P., Tzotzis A., Davim, J.P. (2023). 3D FEA Simulations in Machining. Springer: Heidelberg, Germany. https://link.springer.com/ book/10.1007/978-3-031-24038-6 6. Quiza R., López-Armas O., Davim, J.P. (2012). Hybrid Modeling and Optimization of Manufacturing: Combining Artificial Intelligence and Finite Element Method. Springer: Heidelberg, Germany. https://link.springer.com/book/10.1007/978-3-642-28085-6 7. Datta S., Davim, J.P. (ed.) (2022). Machine Learning in Industry. Springer: Heidelberg, Germany. https://link.springer.com/ book/10.1007/978-3-030-75847-9 8. Curso e-Learning, Maquinagem CNC, UNAVE, https://www.unave. pt/courses/show.html?id=14769 (acedido em 17/04/2026) 9. Machining and Tribology Research Group (MACTRIB), UAveiro, https://machining.web.ua.pt/ (acedido em 17/04/2026)
RkJQdWJsaXNoZXIy Njg1MjYx