Ver detalles 115 / 5.000 Resultados de traducción Resultado de traducción Optimización do proceso de extrusión de material mediante Machine Learning: aplicación á resistencia a tracción
| Data de defensa | 11/09/2023 |
| Titulación | Grao en Enxeñaría Aeroespacial |
| Centro | Escola de Enxeñaría Aeronáutica e do Espazo |
| Dirección |
Titoría: Diego Carou Porto Cotitoría: Francisco de Arriba Pérez |
| Tribunal |
Vogalía: Raquel Olalla Nieto Muñiz Secretaría: Fermín Navarro Medina Presidencia: Alejandro Manuel Gómez San Juan |
| Resumo | O rápido avance da tecnoloxía nos últimos anos provocou o xurdimento de novas ferramentas que, pouco a pouco, vanse abrindo paso nas nosas vidas, mudándoas para sempre. Unha destas ferramentas é a Intelixencia Artificial, unha rama do coñecemento que cada día atopa unha nova forma de cambiar o mundo. Neste Traballo de Fin de Grao realizouse un estudo dos parámetros de fabricación presentes nun proceso de fabricación aditiva, concretamente da tecnoloxía de extrusión de material, co obxectivo de optimizar a resistencia a tracción das pezas fabricadas mediante este proceso utilizando técnicas de Machine Learning, unha subconxunto da Intelixencia Artificial. A metodoloxía desenvolvida neste proxecto comeza cun estudo bibliográfico que permite familiarizarse cos conceptos teóricos relacionados coa fabricación aditiva e a Intelixencia Artificial. Posteriormente, iníciase a creación dunha base de datos de resultados das probas de resistencia a tracción de probetas realizadas por extrusión de material, acompañada dos parámetros de fabricación empregados durante o proceso. A continuación, estúdanse diferentes modelos de Machine Learning que permiten avaliar e predecir resultados de resistencia a tracción. Para iso entrénanse e probanse unha ampla gama de algoritmos cos datos recollidos previamente e escóllese aquel que ofreza mellores resultados. A continuación, a partir dos resultados obtidos da análise de diversos conxuntos de datos derivados da primeira base de datos, determínanse as relacións existentes entre os parámetros de fabricación analizados e a resistencia a tracción. Por último, estas relacións son contrastadas cos resultados de artigos de revisión sobre o proceso de extrusión de material e obsérvase que ambas coinciden, comprobando así que o modelo elixido se adapta ao obxectivo exposto. Despois de analizar un total de 513 resultados de resistencia a tracción con 17 parámetros de impresión obtidos a partir de 23 artigos diferentes e organizados en 11 conxuntos de datos segundo diversos criterios, extraíronse unha serie de conclusións, entre as que destacan as seguintes: a comprobación de que non todos os parámetros inflúen da mesma forma na resistencia a tracción, algúns como a porcentaxe de recheo, a orientación de impresión ou a altura da capa teñen unha maior influencia sobre como varía a resistencia; o descubrimento da necesidade de grandes cantidades de datos moi variados para poder obter resultados numéricos concretos e a determinación de que os modelos de Machine Learning son útiles para a optimización da resistencia a tracción, especialmente o algoritmo RandomForest, que é capaz de avaliar e predecir valores con gran precisión entre outras. |