AgradecimentosDesejo que a lembrança dos nomes demonstre minha extrema gratidão por terem tornado possível, de diversas maneiras, esta dissertação.Primeiramente, à Deus pela oportunidade de fazer mestrado e, além disso, por todas as outras ocasiões em que esteve ao meu lado.Ao meus pais, Claudia e Sebastião, por terem se dedicado à minha educação como ser humano, com muito amor e carinho. Ao meu irmão, Igor, por sempre estar ao meu lado e meus avós, Ermelinda e Ricardo, por sempre terem me apoiado.Ao meu orientador Mário Luiz Tronco, por todo o tempo que dedicou a me ajudar durante o processo de realização deste trabalho. À USP por proporcionar-me as condições necessárias para que eu alcançasse meus objetivos.Aos professores Alessandro Roger Rodrigues e Renato Goulart Jainevicius que ajudaram no desenvolvimento e melhoramento deste trabalho de mestrado.Aos técnicos do LAMAFE José Carlos Risardi e Mauro, e aos orientados dos professores Renato e Roger Igor e Marcel por terem me ajudado durante a realização dos experimentos.Às secretarias da Pós-Graduação da Engenharia Meânica, Ana Paula e Iara, por toda a disposição em nos ajudar durante o processo.Ao CNPq por ter fornecido a bolsa de mestrado, permitindo, deste modo, a conclusão deste trabalho.Para finalizar, mas não menos importante, aos meus amigos, , que fiz durante esta caminhada, auxiliando-me não somente na parte técnica do trabalho, mas também propiciaram-me momentos de lazer.
ResumoBonacini, Leonardo. Sistema dedicado de aquisição de dados para obtenção de assinaturas de processo em torno CNC. 121 p. Dissertação de mestrado -Escola de Engenharia de São Carlos, Universidade de São Paulo, 2017. o primeiro consistiu em determinar a menor distância euclidiana entre os dados e os grupos, método este que obteve uma taxa de acerto de pouco mais de 53%; o outro método consistiu em uma rede neural que obteve uma taxa de acerto de aproximadamente 68%. Como o algoritmo inteligente obteve melhor resultado, fez-se uma fusão das saídas da rede neural que possui como entrada os dados das três grandezas medidas com uma outra rede neural com apenas os dados de temperatura e som. Esta configuração gerou uma taxa de acerto de 90% que é relativamente alta tendo como base esta aplicação, comprovando que os dados de entradas são suficientes para classificar as condições de torneamento. Sendo assim, pode-se concluir que a média desses dados foi suficiente para gerar uma assinatura de processo de torneamento.
Palavras-chave: Assinaturas de processos. Instrumentação. Aquisição de dados. CNC. Abstract Bonacini, Leonardo. Dedicated data acquisition system for obtention of process signatures on CNC lathe. 121 p. Master Thesis -São Carlos School of Engineering, University of São Paulo, 2017.Advancement of technology and needs imposed by the market like high surface quality and reduced manufacturing costs have made machine tools focus of countless researches, aimed at improving their performance in different industrial processes. Some of these researches have the objective in instrume...
