Banca de QUALIFICAÇÃO: ALEX FERNANDES DE SOUZA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE : ALEX FERNANDES DE SOUZA
DATA : 23/10/2025
HORA: 09:00
LOCAL: https://meet.google.com/pmj-bpar-wdn
TÍTULO:

ANÁLISE COMPARATIVA DE MODELOS DE LINGUAGEM NATURAL E MODELOS DE APRENDIZAGEM DE MÁQUINA PARA PREVISÃO DE RESULTADOS DE USINAGEM DE LIGAS Ti-6Al-4V

PALAVRAS-CHAVES:

Ti-6Al-4V; fresamento; previsão de força de corte; aprendizado de máquina; modelos GPT

PÁGINAS: 82
RESUMO:

A usinagem de ligas de titânio, como Ti-6Al-4V, é amplamente aplicada na indústria biomédica devido à sua alta resistência mecânica e biocompatibilidade. No entanto, apresenta desafios significativos relacionados ao controle das forças de corte e acabamento superficial. Este estudo teve como objetivo avaliar o desempenho de modelos de aprendizado de máquina e modelos de grandes linguagens na previsão da força de corte (Fc) durante o fresamento desta liga, considerando dois ângulos de aresta de corte (0,4° e 0,8°). A metodologia envolveu experimentos controlados com variação de parâmetros de corte, adquirindo dados sobre forças de corte e rugosidade da superfície. O conjunto de dados foi usado para treinar e avaliar quatro modelos de aprendizado de máquina: Random Forest, Support Vector Regression (SVR), Extreme Gradient Boosting (XGBoost) e Artificial Neural Network in the form of a Multilayer Perceptron (ANN MLP). Paralelamente, dois modelos de grandes linguagens da série GPT foram testados: GPT-5 e GPT-5 Thinking. A avaliação empregou uma divisão de teste de trem 70/30 combinada com validação cruzada k-fold. Análises estatísticas e de correlação foram realizadas para identificar as variáveis mais influentes no comportamento de Fc. Resultados parciais indicam que os modelos de aprendizado de máquina, particularmente Random Forest e XGBoost, alcançaram o melhor desempenho preditivo, com baixos erros e forte concordância com os dados experimentais. Em contraste, os modelos GPT apresentaram resultados insatisfatórios, com altos erros e coeficientes de determinação negativos, revelando limitações para tarefas de regressão industrial sem adaptação específica. A análise também mostrou que maiores avanços por dente e profundidade de corte aumentaram significativamente todos os componentes de força, enquanto o ângulo de corte de 0,8° proporcionou maior estabilidade e acabamento superficial mais consistente, tornando-o mais adequado para aplicações biomédicas que exigem controle rigoroso de forças e qualidade de superfície.

MEMBROS DA BANCA:
Presidente - 1041451 - PEDRO PAULO BALESTRASSI
Interno - 3291994 - MATHEUS BRENDON FRANCISCO
Externo ao Programa - 2351632 - PAULO HENRIQUE DA SILVA CAMPOS - UNIFEIExterno à Instituição - FILIPE ALVES NETO VERRI - ITA
Externo à Instituição - LUIZ CÉLIO SOUZA ROCHA - IFSULDEMINAS