Um novo sistema de IA foi desenvolvido para auxiliar na identificação de defeitos em soldagens a laser, utilizando machine learning para otimizar processos na manufatura. A pesquisa foi conduzida por uma equipe da Universidade Estadual da Pensilvânia.
Contexto da pesquisa
A soldagem a laser, uma técnica de manufatura de alta precisão, tem sido criticada por sua alta propensão a falhas técnicas. Com a carência de dados experimentais suficientes, a equipe buscou um método inovador para maximizar o uso de informações existentes na literatura científica.
Método proposto
O modelo implementado combina dados experimentais mínimos com informações extraídas de artigos científicos, utilizando Large Language Models (LLMs). Essa abordagem permite a criação de equações numéricas que preveem fenômenos físicos em soldagens a laser. “Com nosso modelo, podemos simplesmente inserir os dados da literatura e acelerar consideravelmente o processo” (“With our model, we can simply input the literature data and substantially speed up the process”) — Zhengxiao Yu, Candidato a doutorado, Engenharia Industrial e de Manufatura.
A equipe usou um total de 48 conjuntos de dados, sendo 5 próprios e 43 da literatura existente. O LLM analisa esses dados e recomenda equações relevantes, conseguindo gerar até 10 equações em um minuto, otimizando o tempo em comparação com métodos tradicionais.
Resultados e impacto
Os pesquisadores identificaram fenômenos como o “humping”, um defeito comum em soldagens a laser que ocorre quando o metal é soldado muito rapidamente. “Equações detalhando os parâmetros específicos envolvidos em erros de humping poderiam ajudar os pesquisadores a abordar o problema em soldagens futuras” (“Equations detailing the specific parameters involved in humping errors could help researchers address the problem in future welds”) — Zen-Hao Lai, Candidato a doutorado, Ciência e Engenharia de Materiais.
O desafio persistente está na conversão de dados textuais da literatura em um formato utilizável. A pesquisa continua buscando aplicar este modelo a outras áreas da manufatura, incluindo a manufatura aditiva. O método proposto pode ser uma solução eficiente para o avanço da engenharia e otimização dos processos de produção.
Fonte: (TechXplore – Machine Learning & AI)
