Machine learning aplicado à usinagem: previsão de informações de um processo de usinagem por machine learning com dados de vibração obtidos com aplicativo Sci Journal

Conhecimento do processo em tempo real é uma das principais vantagens e necessidades da Indústria 4.0. Para isso, se faz necessária a aquisição de dados do processo e de equipamentos industriais por meio de sensores dos mais variados tipos. No processo de usinagem, a vibração resultando do esforço de corte do material pela ferramenta é uma fonte de informações sobre o estado do processo, o estado da ferramenta de corte, as características de qualidade que estão sendo geradas e o estado da máquina operatriz. Para medir a vibração, são utilizados acelerômetros, similares aos existentes nos mais diversos Smartphones disponíveis no mercado. Este artigo propõe a utilização dos sensores de aceleração presente em um aparelho de celular comum para obtenção de dados de um processo de usinagem através do aplicativo de coleta de dados Sci Journal, para então fornecer informações a um algoritmo de Machine Learning em linguagem Python do tipo Decision Tree Regression, buscando prever informações acerca do processo de usinagem e de qualidade da peça em tempo real baseado nas vibrações medidas.