Resumo Executivo
O desgaste é um dos problemas mais desafiadores enfrentados pela indústria pesada. Por exemplo, somente na indústria de mineração, aproximadamente 17% da energia consumida é utilizada para combater falhas por desgaste, representando 2,7% das emissões globais de CO. Se esses números forem multiplicados para todos os setores (construção, petróleo e gás, etc.), a escala do problema torna-se evidente. Assim, evitar ou minimizar o desgaste é uma prioridade máxima na indústria.
Um dos métodos mais comuns para combater o desgaste é soldar consumíveis altamente ligados (materiais de revestimento) nas superfícies dos componentes. Esses consumíveis devem atender a requisitos rigorosos de segurança, custo, impacto ambiental e desempenho. O desempenho ao desgaste é determinado por uma interação complexa de propriedades, portanto, otimizar a relação custo/benefício para materiais de revestimento é uma operação altamente complexa.
Este estudo de caso descreve a jornada realizada pelo Welding Alloys Group (WAG) e pela Intellegens na aplicação de aprendizado de máquina a esse problema, que resultou no desenvolvimento de um material de revestimento aprimorado com vantagens drásticas de custo/benefício, não apenas do ponto de vista de desempenho, mas também ambiental.
Desafio
O desgaste é um fenômeno muito complexo. A concepção comum de que alta dureza garante altas propriedades de resistência ao desgaste é enganosa. A resistência ao desgaste ideal é definida por uma interação complexa de propriedades químicas e mecânicas de cada material envolvido na aplicação. Essas propriedades incluem composição, dureza, tenacidade, módulo de Young, tamanho de grão, composição de fase, etc. Parâmetros externos como temperatura, pressão e umidade também desempenham papéis importantes.
Além disso, variações aleatórias e/ou sistemáticas em arames e procedimentos de soldagem de revestimento resultam em produtos acabados com grandes discrepâncias no desempenho. Os custos ambientais devido ao uso excessivo de cromo (Cr) altamente poluente também são uma grande preocupação, assim como as regulamentações ambientais cada vez mais rigorosas que impulsionam consumíveis de soldagem mais enxutos.
O objetivo deste projeto foi pegar um consumível de soldagem à base de ferro fundido com alto teor de Cr e otimizar a relação custo/benefício em função da composição química, com base em métodos padrão de resistência à abrasão como métrica de desempenho, utilizando o kit de ferramentas de aprendizado de máquina Alchemite™.
Solução
O Alchemite™ Engine é a ferramenta exclusiva de aprendizado profundo da Intellegens, que utiliza o poder das redes neurais profundas para construir modelos abrangentes em múltiplas composições e propriedades de materiais a partir de dados experimentais esparsos. O modelo para materiais de revestimento foi construído com dados de composição e propriedades físicas da literatura, bem como dados históricos do WAG. A perda de peso foi utilizada como medida de resistência ao desgaste.
Metodologia
Etapa 1: Construção do modelo e projeto preliminar do material
O Alchemite™ definiu os parâmetros mais influentes no desempenho e sugeriu a primeira rodada de composições teóricas. Os engenheiros do WAG confirmaram e aprovaram a fabricação.
Etapa 2: Validação
As formulações foram fabricadas, testadas e validadas em relação aos valores previstos, mostrando concordância aceitável e ficando dentro da incerteza calculada.
Etapa 3: Refinamento
Iterações adicionais foram realizadas permitindo que o modelo fosse refinado.
Etapa 4: Conclusão da modelagem e trabalho de laboratório
Uma nova formulação foi definida. Os testes de laboratório mostraram desempenho comparável aos produtos existentes, mas com redução de elementos de liga de até 50% e redução de preço entre 10% e 15%.
O Alchemite™ propôs um consumível de revestimento aprimorado com vantagens drásticas de custo/benefício do ponto de vista de desempenho e ambiental
Principais resultados
- As previsões do Alchemite foram validadas experimentalmente. As composições selecionadas para validação diferiram consideravelmente dos materiais existentes. Os dados sobre esses novos materiais melhoraram significativamente o modelo.
- O Alchemite™ conseguiu propor uma alternativa aprimorada, mais econômica e mais ecológica ao material de revestimento atualmente utilizado.
- O WAG levou este material adiante e está agora realizando testes de desempenho em escala industrial.
Jean-Marie Bonnel (Diretor Técnico) e Mario Cordero (Gerente de Inovação e P&D), líderes do projeto no WAG, concordam que: “A combinação de amplo conhecimento técnico e dados experimentais fornecidos pelo WAG, e os algoritmos exclusivos de aprendizado profundo fornecidos pela Intellegens, resultou em um material aprimorado com vantagens drásticas de custo/benefício.”
Oportunidades futuras
Este resultado representa um passo significativo para o Welding Alloys Group. Demonstrou uma abordagem bem-sucedida para o uso de métodos computacionais de ponta para a melhoria de consumíveis de soldagem existentes e o projeto de novos. Esta abordagem está sendo continuada para outras linhas de consumíveis de soldagem.
Sobre o Welding Alloys Group
O Welding Alloys Group é o fornecedor de referência para consumíveis de soldagem avançados, equipamentos automatizados para proteção contra desgaste e soluções de desgaste projetadas. O Welding Alloys Group está comprometido em formar relacionamentos próximos com os clientes e estabeleceu inúmeras parcerias no setor como fornecedor de soluções totais – desde consumíveis e máquinas até soluções de engenharia integradas.
Sobre a Intellegens
A Intellegens desenvolveu um motor de inteligência artificial exclusivo, o Alchemite™, para treinar redes neurais a partir de dados esparsos e ruidosos, típicos de dados do mundo real. O Alchemite™ é a plataforma de aprendizado profundo para otimização de materiais e processos para:
- Otimizar formulações para desempenho, custo ou impacto ambiental
- Orientar experimentos, reduzindo em até 80% o número de testes necessários
- Validar e identificar valores atípicos e dados interessantes
O Alchemite™ pode ser licenciado como produto SaaS para cientistas, engenheiros e técnicos, ou para uso autônomo por equipes de análise de dados do cliente.
Referências
[1] Global energy consumption due to friction and wear in the mining industry. Tribology
International. Volume 115, novembro de 2017, páginas 116-139
Galeria
