Soft sensor baseado em redes neurais artificiais para a predição de temperaturas de partes da carroceria em estufas de secagem e cura de pintura automotiva

Abstract

Dentre os processos que compõem a pintura automotiva, a secagem/cura em estufas caracteriza-se como uma das principais etapas para garantir a qualidade final da pintura. Nesta etapa, as condições ideais de operação das estufas devem ser mantidas rigorosamente, principalmente o perfil de temperatura de partes da carroceria. A obtenção de um modelo representativo permite a previsão e o melhor controle do comportamento do processo. Com o grande avanço da tecnologia, são desenvolvidas novas estratégias de identificação de modelos, dentre as quais destaca-se a utilização de redes neurais artificiais (RNA) para a identificação e controle de processos dinâmicos não-lineares. Este estudo apresentou uma metodologia para o desenvolvimento e implementação de um modelo utilizando RNA para representar o processo que ocorre em uma estufa de secagem/cura de pintura automotiva utilizada durante a etapa de pintura por eletrodeposição (Elpo). Para a predição dos valores futuros das temperaturas nas posições de medição na carroceria (partes da carroceria), foi desenvolvido um modelo neural global, compostos por um conjunto das RNA das 13 zonas que formam a estufa. Após a avaliação do desempenho do modelo neural global, verificou-se que o modelo foi capaz de predizer, de forma satisfatória, o o valor das temperaturas das partes da carroceria ao longo de todo o processo, o que ficou evidenciado nos valores obtidos de coeficientes de ajustes R2 e de erros médios absolutos percentuais (MAPE). Dessa forma, conclui-se que a metodologia proposta neste trabalho pode ser aplicada para desenvolver estratégias inovadoras de modelagem e predição de condições do processo de secagem e cura de pintura automotiva em estufas, e que o modelo neural global obtido pode ser utilizado como um Soft Sensor baseado na aplicação da técnica de RNA.