5.5-CONCLUSÕES DO CAPÍTULO

Observou-se que quando as fontes de calor aumentam as suas respectivas temperaturas, o comportamento térmico da máquina se diferencia muito daquele que foi usado com temperatura constante do início ao fim das simulações, mas que se aproxima mais da realidade de um processo de usinagem sendo, portanto mais confiável e que pode mostrar erros térmicos condizente com a realidade do projeto da máquina- ferramenta. Verificou-se também, que as deformações térmicas no eixo X são maiores no modo permanente de temperatura, devido não apenas pelo acréscimo da ferramenta e sim pelo fato das diferenças dos gradientes de temperatura se prolongar por mais tempo, através da estrutura da máquina.

O fato de haver erros térmicos mais irregulares nos primeiros 30 min comprova nas duas condições térmicas de contornos estudadas, o que é dito na literatura especializada, ou seja, a máquina-ferramenta estudada está coerente com um modelo real, considerando apenas as condições estudadas.

Os termopares virtuais, ou seja, os nós que simbolizam termopares reais localizados em pontos estratégicos, diferem seus valores das curvas provenientes da solução da equação de Newton, devido o fato de estarem a uma certa distância de cada fonte de calor, da difusividade, da inercia térmica e da resistência térmica entre o contato da fonte de calor com a estrutura da máquina. Mas tudo isso está condizente com a realidade de se instalar um termopar em qualquer ponto da estrutura real de uma máquina, até por quer existe alguns pontos que é muito difícil de instalar um termopar próximo a fonte de calor desejada, a exemplo a ponta da ferramenta.

Os dados coletados das deformações térmicas no modelo de máquina-ferramenta analisado, pode ser também coletado em qualquer modelo de máquina-ferramenta, desde que se aplique a mesma metodologia ou que já possua o desenho da máquina usando a tecnologia CAD e exporte para um software que trabalhe com o MEF. Com isso aplicar alguma técnica de controle ou correção de erros térmicos em cada eixo, prevendo as possíveis deformações que irão ocorrer durante cada processo de usinagem.

Observa-se que em ambos os casos, das fontes de calor sendo variável ou não a rede tem dificuldade de aprendizado no inicio das deformações. O que pode-se otimizar isto refinando a rede e aumentando o número de dados no inicio das deformações, ou seja aumentado o número de pontos coletados entre 0 e 360s.

Observa-se também, que embora as fontes de calor variantes no tempo, ou seja, o aumento de temperatura seja mais suave, possui deformações mais consideráveis principalmente nos eixos Y e Z em relação as fontes de calor constantes. Devido o fato do gradiente de temperatura ser maior e devido a estabilidade térmica ser mais lenta.

As diferenças entre as curvas de temperatura provenientes das equações de aquecimento e resfriamento de Newton ocorrem devido não conseguir também na prática, colocar os termopares exatamente onde está passando o fluxo de calor para máquina e de uma condutividade térmica ideal entre a fonte de calor e o ponto onde supostamente será instalado o termopar. Sendo possível apenas colocar nas proximidades, e por menor que seja esta aproximação surgirá sempre uma discrepância.

Em relação as redes neurais, a temperatura, as coordenadas de cada ponto analisado e os deslocamentos térmicos correspondentes a cada eixo da MF, proveniente da expansão térmica são os dados de entrada e saída da rede neural artificial respectivamente. Que através destes dados, a rede na topologia sugerida, ―aprendeu‖ significantemente as deformações em cada eixo simultaneamente sendo capaz de prever as deformações apenas com a entrada da matriz de temperatura, conforme foi verificado na seção de validação da RNA.

Constata-se principalmente neste capítulo que o objetivo de desenvolver e implementar uma sistemática para determinação e análise dos deslocamentos térmicos de máquinas-ferramenta, usando o método dos elementos finitos (MEF) e Redes Neurais Artificiais (RNA) foi alcançado, mediante a comprovação, através das simulações e correções nos três eixos simultaneamente, tanto no estado permanente como no estado transiente de temperatura ratificadas nos gráficos de aprendizado e validação das RNAs desenvolvidas.

CAPÍTULO VI

CONCLUSÕES

6.1 CONCLUSÕES FINAIS

Este trabalho de tese teve como objetivo o desenvolvimento de uma metodologia baseada no método dos elementos finitos e das redes neurais artificias, para determinação e análise dos deslocamentos térmicos de máquinas-ferramenta. De forma a contribuir para a exatidão de peças fabricadas por este processo de usinagem, como também otimizar projetos de maquinas-ferramenta, fazendo uso da tecnologia CAE/CAD, com ênfase nos deslocamentos térmicos.

Além da metodologia desenvolvida, neste trabalho de tese, é destacada as principais conclusões, que podem ser enumeradas como segue:

1. A principal contribuição deste trabalho consiste na possibilidade de ainda na fase de projeto das máquinas-ferramenta, ser possível analisar o desempenho destas máquinas no contexto dos deslocamentos térmicos, através do método dos elementos finitos e das redes neurais artificiais.

2. Uma vez treinada uma rede neural artificial, através da correlação entre as temperaturas em pontos específicos da máquina e os deslocamentos térmicos da ponta da ferramenta, é possível obter o mapa dos erros volumétricos e consequentemente a compensação destes erros por meio do sistema de controle da máquina.

3. Com a metodologia proposta não é preciso o desenvolvimento de cálculos complexos, como MTHs, cinemática dos corpos rígidos, método das diferenças finitas entre outros, em relação aos deslocamentos térmicos na máquina- ferramenta, pois a RNA é capaz de aprender tanto fenômenos lineares quanto não lineares.

4. A metodologia empregada neste trabalho tanto pode ser usada em máquinas- ferramenta na fase de projeto, como em máquinas já em uso, que possam ser instalados algum dispositivo (sensor de deslocamento, sensor capacitivo ou o sistema Ballbar de medição) que faça a leitura dos deslocamentos térmicos e a leitura de temperatura (através de sensores de temperatura) de alguns pontos estratégicos, sendo os dados enviados para uma RNA e da RNA o sinal de correção para o controlador CNC da máquina.

5. Verifica-se que é preciso um estudo mais refinado nos primeiros 6 minutos de utilização da máquina (ou simulações) para a RNA aprender mais rápidamente, principalmente no caso transiente e assim aumentar a exatidão também nesta região crítica do processo de usinagem.

6. A metodologia empregada contribuirá para atender as tolerâncias dimensionais e geométricas das peças usinadas em máquinas-ferramenta;

7. Além de contribuir para atender as tolerâncias dimensionais servirá para aperfeiçoar projetos de maquinas-ferramenta, fazendo uso da tecnologia CAE/CAD, com ênfase nos deslocamentos térmicos.

8. A contribuição também pode ser dada para se verificar a margem de erro de uma máquina-ferramenta ou uma máquina de medição por coordenada, no uso das deformações térmicas, através do MEF e em programas desenvolvidos no ambiente do MatLab.

9. Observa-se que o erro em relação a distância de um ponto próximo ao centro do círculo base ou em relação aos nós pertencentes a circunferência é menor que o erro das coordenadas da ponta da ferramenta na análise transiente.

6.2 SUGESTÕES PARA TRABALHOS FUTUROS

1. Aplicar a técnica proposta para máquinas-ferramenta com um maior número de eixos.

2. Usar parâmetros dinâmicos para o treinamento das redes neurais artificias em casos específicos de usinagem.

3. Refinar tanto a RNA como a malha da máquina no MEF para estabelecer um nível maior de exatidão.

4. Aplicar a metodologia experimentalmente em uma máquina-ferramenta específica. 5. Desenvolver uma comunicação entre a RNA com um controlador de uma máquina

CNC.

6. Estender a metodologia desenvolvida neste trabalho de tese para diminuir os efeitos térmicos em outros dispositivos eletromecânicos.

7. Usar a metodologia, também, para inovar o sistema de arrefecimento de máquinas- ferramenta.