Análise do processo de recozimento de aço inoxidável utilizando modelos de aprendizado de máquina.

Abstract

Os aços inoxidáveis austeníticos desempenham um papel fundamental na indústria devido à sua resistência, sendo amplamente utilizados em diversas aplicações. O controle da temperatura de recozimento do material é de suma importância para o processo. A sua variação pode causar mudanças de propriedades mecânicas e micro-estruturas dos materiais, gerando materiais com não conformidades, o que pode gerar perdas. Este trabalho propõe utilização e comparação de diversos modelos de aprendizado de máquinas, na análise do processo de recozimento dos aços inoxidáveis austeníticos, para classificar e identificar as principais variáveis de processo que impactam no resultado final do material processado. Em primeiro lugar, os dados de várias bobinas foram coletados considerando as variáveis de processo de recozimento e as temperaturas objetivadas alcançadas. Em seguida os dados coletados passaram por um processo de tratamento, limpeza, organização e padronização de todas as informações coletadas. Finalmente, os modelos de aprendizado de máquina são aplicados aos dados para definir as relações entre as variáveis de processo (espessura, largura, temperatura de zonas, entre outras) e a temperatura final do material. Os modelos Random Forest Classifier e XGBoost demonstraram resultados comparáveis em termos de acurácia, com uma pequena vantagem observada para o Random Forest Classifier, registrando uma taxa de acurácia de 0,89%, em comparação com os 0,88% do XGBoost. Em relação à AUC, ambos os modelos exibiram desempenhos semelhantes, com valores aproximados de 0,90 em ambas as tabelas. Quando avaliados em termos de sensibilidade, precisão e F1, os resultados indicam que ambos os modelos demonstram eficácia na identificação de classes positivas e negativas, com valores próximos a 0,89 para o Random Forest Classifier e 0,88 para o XGBoost. Os resultados mostraram que a utilização de aprendizado de máquina revelou insights importantes sobre os fatores que influenciam a temperatura final do material.