Orientador: Paulo Roberto de Aguiar / Banca: Rogério Andrade Flauzino / Banca: José Alfredo Covolan Ulson / Resumo: Cada vez mais se observa a substituição de peças metálicas por peças cerâmicas devido às suas excelentes propriedades físicas, químicas e mecânicas. No entanto, muitas destas características que fazem a cerâmica tão atrativa também dificultam a sua fabricação por métodos tradicionais de usinagem. Esse estudo teve como objetivo o desenvolvimento de modelos neurais baseados nos sinais de emissão acústica (EA) e potência de corte para estimar os valores de regosidades da peça bem como estimar o desgaste do rebolo durante o processo de retificação de cerâmicas avançadas. Para os ensaios foi utilizada uma máquina retificadora tangencial plana com rebolo diamantado e corpos de prova de cerâmica Alumina. Foram definidas três condições de cortes com profundidades de corte de 120um, 70 um e 20um, velocidade do rebolo de 35m/s e velocidade da mesa de 2,3m/s. Foram utilizados quatro modelos neurais, Redes Neurais Perceptron Múltiplas Camadas (MLP), Redes Neurais de Função de Base Radial (RBF), Redes Neurais de Regressão Generalizada (GRNN) e o Sistema de Interferência Adaptável Neuro-Fuzzy (ANFIS). Para melhor comparação entre os desempenhos dos modelos neurais utilizados no estudo foi desenvolvido um algoritmo para executar o treinamento de todas as combinações possíveis de entradas, assim como suas características, tais como a quantidade de neurônios, a quantidade de camadas e o espraiamento (define o tamanho do agrupamento). Os resultados mostraram um ótimo desempenho das redes neurais empregadas. Os erros obtidos foram menores que 0,5% para rugosidade média aritmética e menores que 4% para o desgaste da ferramenta. Os modelos neurais propostos satisfazem as necessidades da estimação da rugosidade bem como do desgaste da ferramenta, viabilizando a implementação futura em um hardware dedicado / Abstract: Metal parts have increasingly been replaced by ceramics due to its excellent physical, chemical and mechanical, characteristics. However, many of these characteristics that make advanced ceramics so attractive also make it difficult to manufacture by traditional machining methods. Thjis study aimed to develop neural models based on signals of acoustic emission (AE) and cutting power as well as statistics derived from them to estimate the workpiece surface roughness and wear of the grinding wheel during the grinding of ceramics. A surface grinding machine with a diamond grinding wheel and alumina ceramic workpieces were used in the experimental tests. Three grinding conditions were applied with dephs of cut of 120um, 70um and 20um, grinding wheel speed of 35 m/s and table of 2.3m/s. Four neural models were used in this work by using Multilayer Perceptron Neural Networks (MLP), Radial Basics Function Neural Networks (RBF), General Regression Networks (GRNN) and Adaptive Neuro-Fuzzy Interference System (ANFIS). An algorithm was developed to train all possible combinations of inputs and other characterisitcs such as the number of neurons, number of layer and spread in order to better compare the performances of the neural models used in this study. The results showed a good performance of the neural network models employed. The errors obtained were lower than 0.5% for the average surface roughness and lower than 4% for the tool wear. The neural models proposed meet the needs of the estimation of surface roughness and tool wear, enabling a future implementation on dedicated hardware / Mestre

Orientador: Mauro Hugo Mathias / Co orientador: Mauro Pedro Peres / Banca: José Elias Tomazini / Banca: João Zangrandi Filho / Banca: Francisco Carlos Parquet Bizarria / Banca: Edson Antonio Capello Sousa / Resumo: Este trabalho descreve o desenvolvimento de um sistema de análise de imagens de partículas de desgaste encontradas em óleos lubrificantes de equipamentos industriais. Para tanto, foi utilizado um sistema de aquisição de imagem para capturar imagens de amostras de óleo retidas em membranas de filtro e, também, desenvolvida uma metodologia analítica que faz a classificação quantitativa e qualitativa das partículas, relacionando-as ao modo de desgaste na qual foram geradas. Para a classificação quantitativa utilizou-se a norma ISO 4406 e para a qualitativa, a análise por meio de Redes Neurais Artificiais. O sistema aplicado consiste em uma câmera digital, um microscópio óptico monocular, um sistema de filtragem de óleo e dois programas computacionais desenvolvidos para realização da análise automatizada das imagens das partículas de desgaste obtidas. Foram utilizados óleos minerais de redutores de máquinas industriais no processo de obtenção de amostras. As partículas de desgaste foram analisadas pelo processo de microscopia óptica para obtenção da imagem da amostra relacionada ao desgaste. Os resultados obtidos mostraram que o sistema de análise desenvolvido realiza a classificação individual das partículas, através de Redes Neurais Artificiais, com uma eficiência de até 96%, além de analisar as múltiplas partículas contidas nas amostras, exibindo um relatório de acompanhamento e evolução do desgaste. Os programas computacionais desenvolvidos para essa análise possuem interface gráfica de fácil utilização. Eles podem ser amplamente utilizados no estudo e avaliação das partículas de desgaste obtidas de amostras de óleos industriais em empresas ou em universidades para fins educacionais. O sistema pode ser utilizado para análise de superfícies de metais obtidos pelo processo de metalografia ou na análise de imagens de microorganismos obtidas... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This paper describes the development of an image analysis system for wear particles found in industrial equipment lubricating oil. Hence, it was utilized an image acquisition system to capture image samples of the oil held in filter membranes. An analytical methodology was also developed to classify the particles quantitatively and qualitatively, relating them to the wear mode where they had been generated. The ISO 4406 standard was applied for quantitative classification and Artificial Neural Networks were used for qualitative classification analysis. The applied system consists of a digital camera, a monocular optical microscope, one oil filtering system and two software programs developed to perform the automated analysis of the acquired wear particles images. Mineral oils of gearbox industrial machines were used in the process of achieving the samples. The wear particles were analyzed by an optical microscopy system, to obtain the sample image related to the wear. The results showed that the analysis system that was developed classifies the individual particles through Artificial Neural Networks with 96% accuracy, in addition to analyzing the multiple particles contained in the samples and generating an evaluation report and wear evolution. The software programs developed for the analysis have a graphical interface easy to use. They can be used in the study and evaluation of the wear particles obtained from industrial oil samples in the companies or in the universities for educational purposes. The system can be applied to analyze the surface of metals acquired by metallographic processes or in the image analysis of microorganisms acquired from blood samples, opening a wide field of application within universities and researches. / Doutor

Orientador: Ricardo de Oliveira Orsi / Banca: Silvia Maria Alves Gomes / Banca: José Paes de Almeida Nogueira Pinto / Banca: Claudemir Carvalho / Banca: Luiz Eugenio Veneziani Pasin / Resumo: O presente trabalho teve como objetivo realizar o mapeamento dos apiários da microrregião de Campos do Jordão, por meio do Sistema de Informações Geográficas (SIG), gerando uma base de dados relacionada a características referentes à procedência do apicultor regional em relação à distribuição espacial, número de colméias e produtividade. A referida microrregião apresenta, de acordo com o presente estudo, 54 apicultores distribuídos pelos seus 04 municípios, onde a atividade apícola é desenvolvida por pequenos produtores que possuem no máximo 70 colméias. O SIG mostrou-se uma ferramenta eficiente para a avaliação do desenvolvimento da atividade apícola da Microrregião de Campos do Jordão e servirá como instrumento de monitoramento da procedência do produto regional, principalmente para se orientar quanto à melhor distribuição futura de suas respectivas unidades apícolas, podendo gerar resultados positivos na produtividade melífera. / Abstract: The objective of this paper was mapping the apiaries of the micro region of Campos do Jordão, through the Geographical Information System (GIS), generating a database related to beekeeper's characteristics as their space distribution, number of beehives and productivity. According to the present study, the micro region has 54 beekeepers distributed in 04 municipalities, where beekeeping activity is developed by a small group of producers who can own at the most 70 hives. As a result, the GIS has proved to be an efficient tool to evaluate the development of the beekeeping activity at the micro region of Campos de Jordão. Furthermore, it will be useful as a reference to monitor the origin of the regional final product, especially to lead the producers for a best distribution of their respective apiaries. Moreover, the finding could produce positive results in the melliferous productivity. / Doutor

O Motor de Indução Trifásico é a máquina elétrica mais utilizada no ambiente industrial. Trata-se de um equipamento que apresenta construção robusta, facilidade de manutenção, baixo custo de aquisição e confiabilidade. Contudo, em ambiente fabril, o mesmo está exposto a esforços térmicos, elétricos e mecânicos indesejáveis, os quais, com o passar do tempo, resultam em uma falha. A presente pesquisa consiste em analisar a falha de curto-circuito de estator, uma das falhas mais recorrentes em motores de indução. Para tanto, são investigadas as peculiaridades refletidas nos sinais de corrente estatórica, a fim de correlacionar as características do sinal à falha em questão. Para tanto, os sinais de corrente são processados por meio das transformadas de Fouriere Wavelet, buscando-se isolar frequências características de uma falha de curto-circuito, as quais possam auxiliar na detecção de uma falha. Posteriormente, a classificação a partir das informações ex traídas é efetuado por meio de Redes Neurais Artificiais, especificamente, a perceptron multicamadas e a Radial Basis Function. / The Three-Phase Induction Motor is the most utilized electrical machine in industrial envi- ronments. It is an equipment that shows robust construction, ease maintenance, low cost and reliability. However, frequently, machines are exposed to thermal, electrical and mecha- nical efforts, which, over time, result in a failure. This work aims to analize the stator short circuit fault, one of the most frequent induction motor failures. Therefor, the peculiarities of the signals that are reflected in stator current are investigated, in order to correlate the signal characteristics to the failure in question. Current signals are processed through the Fourier and Wavelet transform in order to analyse short-circuit specific frequencies. Subse- quently, the classification is performed through two artificial neural networks, the multilayer perceptron and the Radial Basis Function.

Este trabalho propõe uma abordagem baseada em redes neurais artificiais para estimar a velocidade do motor de indução aplicado no controle escalar a laço fechado. Os motores de indução têm grande importância nos mais diversos setores industriais por sua robustez e baixo custo. Assim, quando a carga acoplada ao eixo necessita do controle de velocidade, parte das estratégias de controle e acionamento são baseadas na estimativa de velocidade do eixo do motor. A medida direta da velocidade diminui a robustez comprometendo o sistema de acionamento e controle bem como o aumento do custo de implementação. A proposta deste trabalho consiste em apresentar uma metodologia alternativa às tradicionais para estimativa de velocidade do motor de indução trifásico acionado por um inversor fonte de tensão utilizando modulação espacial vetorial na estratégia de controle escalar. Resultados de simulação e experimentais são apresentados para validar o método proposto com o motor submetido a variações de velocidade e torque de carga, os quais demostraram ser bem promissores. / This work proposes an artificial neural network approach to estimate the induction motor speed applied in a closed-loop scalar control. The induction motor has a great importance in many industrial sectors for the robustness and low cost. Thus, when the load coupled to the axis needs speed control, some of the drive and control strategies are based on the estimated axis speed of the motor. The direct measurement of this quantity reduces its robustness, compromises the driver system and control as well as it increases the implementation cost. The propose of this work is to present an alternative methodology for speed estimate of three phase induction motor driven by a voltage source inverter using space vector modulation in the scalar control strategy. Simulation and experimental results are presented to validate the performance of the proposed method under motor load torque and speed reference set point variations, which show very promising.

Orientador: Maria de Lourdes Boeno Trindade Galo / Banca: Nilton Nobuhiro Imai / Banca: Francisco Antônio Dupas / Resumo: Nos últimos anos, infestações de plantas aquáticas em reservatórios estão sendo estudadas como um efeito do desequilíbrio causado pela poluição e represamento dos rios. A quantidade excessiva de plantas, conseqüente desse desequilíbrio, dificulta tanto a navegação como a produção de energia elétrica. Esse tipo de ocorrência, assim como a presença de algumas substâncias na água, provocam mudanças na radiância da mesma, registradas por sensores orbitais. Nesse sentido, técnicas de processamento e análise de dados de sensoriamento remoto podem se constituir em uma fonte complementar de dados e fornecer informações relacionadas ao grau de infestação de reservatórios. Nesse contexto, o presente trabalho teve como objetivo verificar a influência da resolução espacial de imagens multiespectrais na detecção e mapeamento de áreas infestadas por plantas aquáticas emersas em um reservatório de pequeno porte, através de utilização de procedimentos de análise multiescala e classificação supervisionada usando redes neurais artificiais. Para isso foram utilizadas imagens IKONOS multiespectrais (4 metros de resolução espacial) do reservatório de Salto Grande localizado na cidade de Americana- SP. Assim, foram geradas imagens multiescala, resultando em imagens de 8, 16 e 32 metros de resolução espacial. Na classificação das imagens, utilizando Redes Neurais Artificiais, os dados de entrada constituíram-se de imagens multiespectrais IKONOS (bandas 1, 2, 3 e 4), imagem de textura (banda do IVP), e uma imagem de índice de vegetação (NDVI). O procedimento metodológico adotado mostrou-se adequado para o mapeamento das variações espectrais da água e detecção das infestações por plantas aquáticas, nos vários níveis de resolução da imagem. Os resultados obtidos mostraram que a classificação pela rede neural, com os parâmetros...(Resumo completo, clicar acesso eletrônico abaixo) / Abstract: In past few years, great infestations of aquatic plants in reservoirs have been studied as an effect of the environmental unbalance caused by pollution and damming of rivers. The excessive amount of plants, deriving from this unbalance, makes navigation and the production of electricity difficult. This kind of occurrence, as well as the appearance of some substances in the water, cause changes in the water radiance detected by satellite sensors. Thus, processing techniques and data analysis may be used as a complementary data source to give information related to the degree of infestation of these plants in reservoirs. So, the present dissertation aimed at verifying the influence of the spatial resolution of multispectral images in the detection and mapping of areas infested by aquatic plants in a small reservoir , through the use of multiscale analysis procedures and supervised classification using artificial neural networks. Multiespectral imagens IKONOS (spatial resolution of 4 meters) of the reservoir of Salto Grande, in the city of Americana-SP were used. So, multiscale images were generated, resulting in images of 8, 16 and 32 meters of spatial resolution. In the classification of these images, using Artificial Neural Networks, the input data was constituted of multispectral images IKONOS (bands 1, 2, 3 and 4), image of texture (band of NIR), and one image of vegetation index (NDVI). The method used was adequate to map the spectral variation of the water and to detect infested areas of aquatic plants in the various levels of resolution of the image. The results obtained showed that the classification by the parameters defined for the original image and applied in the training of the scheme adopted for the different resolution levels was satisfactory. Furthermore, an analysis was made comparing multiscale images classified through crossed comparison, which permits comparing...(Complete abstract click electronic access below) / Mestre

Resumo: Atualmente, a fabricação é caracterizada pela sua complexidade, pluralidade de disciplinas e crescente demanda de novas ferramentas e técnicas para a solução de difíceis problemas. As redes neurais artificiais oferecem uma nova e diferente alternativa para investigar e analisar os desafiadores tópicos relacionados à manufatura. Desta forma, estudou-se neste trabalho os assuntos relacionados à aplicação das redes neurais na predição da circularidade e rugosidade da peça retificada pela análise de algumas variáveis de saída do processo. Foram empregados nos ensaios de usinagem: um fluido de corte (óleo emulsionável), um rebolo superabrasivo de CBN com ligante vitrificado e peças temperadas e revenidas de aço VC-131. Este trabalho também utilizou outras tecnologias de otimização do processo de retificação, tais como: a utilização de defletores aerodinâmicos para a quebra da camada de ar e a refrigeração otimizada por meio de um jato de fluido direcionado. Os ensaios de usinagem foram realizados para gerar a base de dados utilizada nos testes das redes neurais (ensaios computacionais). Fez-se portanto, diversos experimentos variando-se a velocidade de avanço, ou mergulho do rebolo na peça. As variáveis de saída analisadas que serviram de dados de entrada para a RNA foram: a força tangencial de corte (Ft), a energia específica de retificação (u), o desgaste diametral do rebolo, o parâmetro DPO e a emissão acústica (EA). A rugosidade e circularidade foram utilizadas para o treinamento das RNA’s. Nos testes computacionais, foram analisadas duas bases de dados: a primeira referente às médias de todos os 40 ciclos de retificação, já a segunda utilizou todos os valores destes 40 ciclos. Ainda foram examinadas diferentes combinações de dados de entrada para verificar a influência do parâmetro DPO na predição. Os resultados... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Nowadays, the manufacturing is characterized by its complexity, plurality of subjects and increasing demand of new tools and techniques for the solution of difficult problems. Artificial neural nets propose a new and different alternative to investigate and analyze the challenging topics related to the manufacturing. The objective of this work is to study the use of artificial neural nets in the prediction of roundness and roughness of a ground workpiece. It was used a CBN wheel, emulsion oil and workpieces made of VC-131 steel. This work also used other technologies of grinding optimization, such as: the use of a coolant shoe to break the air curtain layer in addition and the high pressure fluid jet. Grinding tests had been carried through to generate the database used in the artificial neural nets (computational tests). Different feed rates were used in these experiments to generate outputs such as: tangential cutting force (Ft), specific energy of grinding (u), diametrical wear of the wheel, DPO parameter and acoustic emission (EA). The roughness and roundness were used to train the RNA's. In the computational tests, it was verify the influence of the DPO parameter in the prediction as well as two different databases. The results suggest that this parameter (DPO) was not able to substitute the tangential cutting force (Ft) and the acoustic emission (EA) in the prediction. Moreover, it was verify the need of an input that represents the dynamic stiffness of the machine-tool-workpiece system to improve the roundness prediction. / Orientador: Paulo Roberto de Aguiar / Coorientador: Eduardo Carlos Bianchi / Banca: Leonardo Roberto da Silva / Banca: Rodrigo Eduardo Catai / Mestre

Resumo: Métodos estatísticos de interpolação são freqüentemente utilizados para se obter as características dos solos em locais não amostrados, visando diminuir o número de amostras necessárias para um bom mapeamento do campo. Nesse trabalho, a estimativa da variabilidade espacial de atributos do solo foi realizada de duas maneiras: primeiramente utilizando-se os métodos estatísticos da krigagem e da co-krigagem e posteriormente as redes neurais artificiais. Os resultados obtidos pelos dois métodos foram comparados, com a finalidade de se verificar a eficiência das redes neurais artificiais na estimativa de atributos do solo. Os resultados mostraram que as redes neurais artificiais, em particular as redes Perceptron, com uma e com duas camadas de neurônios, são capazes de estimar as variabilidades espaciais dos solos com precisão maior do que os métodos estatísticos da krigagem e da co-krigagem. As redes neurais artificiais também se mostraram eficientes na estimativa de uma determinada variável do solo em função de sua classe textural. / Abstract: Statistic methods of interpolation are often used to get the soil characteristics in non-sampled places in order to decrease samples numbers, which are necessary to obtain a good field mapping. In this project, the estimation of soil spatial variability attributes was done in two different ways. First, it was used statistic methods of kriging and cokriging, and in second instance, it was used artificial neural networks. The results computed by both techniques were compared each other in order to verify the efficiency of the artificial neural networks in estimating soil attributes. The results indicated that artificial neural networks, especially Perceptron networks, both with one and two layers of neurons, are able to estimate the soil spatial variability much better than the kriging and the cokriging methods. The artificial neural networks have also showed very efficient in estimating soil variables with respect to its textural class. / Orientador: Ivan Nunes da Silva / Coorientador: José Alfredo Covolan Ulson / Banca: Angelo Cataneo / Banca: Luiz Gonzaga Campos Porto / Banca: Gastão Moraes da Silveira / Banca: Casimiro Dias Gadanha Júnior / Doutor

Orientador: João Antonio Pereira / Banca: Marcio Antonio Bazani / Banca: Vicente Lopes Júnior / Resumo: A necessidade de controle no tratamento de sistemas dinâmicos, com complexidade crescente e diante de fatores de incerteza, tem levado à reavaliação dos métodos convencionais e à proposição de métodos conceitualmente mais elaborados de controle. Estas novas propostas incluem, por exemplo, níveis hierárquicos de decisão, planejamento e aprendizagem, que são necessários quando um alto grau de autonomia do sistema é desejável. Assim as metodologias baseadas em redes neurais, que utilizam modelos matemáticos e técnicas numéricas inspiradas no cérebro humano e/ou sistema nervoso, representam um passo natural na evolução da teoria de controle, principalmente junto àqueles que envolvem não-linearidades. Este trabalho apresenta um estudo da técnica denominada wavenet, que combina redes neurais e transformada wavelet, como um direcionamento alternativo para a solução de problemas de identificação e controle de plantas não lineares. A transformada wavelet utiliza janelas com escala variável que possibilitam analisar faixas de altas e baixas freqüências em um mesmo sinal, e é exatamente essa capacidade de manipulação da janela de observação que a torna uma boa alternativa como função de ativação, realizando um mapeamento local do sinal. Isso proporciona uma identificação mais eficiente, principalmente em sinais não lineares e variantes no tempo. Vários testes simulados envolvendo não linearidade foram analisados visando estudar o comportamento do algoritmo wavenet e definir quais os tipos de funções de ativação, Morlet, Rasp ou Polywog, poderiam fornecer melhores resultados. Utilizou-se o método de otimização de Levenberg-Marquadt, o qual apresentou um desempenho melhor quando comparado com o método do gradiente descendente utilizado por outros autores, no processo de minimização do erro entre a saída da rede e a... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: The necessity of dynamic systems treatment control, with upper complexity and uncertain factors, has lead to reevaluation of conventional methods and the proposition of conceptly methods more elaborate of control. These new proposals include, for instance, hierarchic levels of decision, planning and learning, which are needed when a high degree of system autonomy is desirable. Thus the methodologies based in neural nets, which use mathematical models and numerical techniques inspired in human brain and/or nervous system, represent a natural step in evolution of control theory, mainly join to those which involve no-linearity. This work shows a technique study called wavenet, it combine neural nets and wavelet transformed, as an alternative leading for the solution of identification problems and non linear plants control. The transformed wavelet uses windows with variable scale and it makes possible analyze strips high and low frequencies in a same signal, and it is exactly this capacity of manipulation of observation window and it becomes a good alternative as activation function, achieving a local map of the signal. A identification more efficient is provided, mainly in non-linear signals and time variants. Several simulate tests involving non linear was analyzed, seeking to study the behavior of the algorithm wavenet and to define which the types of activation functions, Morlet, Rasp or Polywog, could give better results. The optimization method of Levenberg-Marquadt was used, and that one show a better performance when compared with the descendent gradient method used by other authors, in minimization of error process between the net and plant exit. The tests looked for to define improvements in algorithm wavenet, in relation to identification process, because it is primordial stage in the project of neurocontrolers. The... (Complete abstract, click electronic address below). / Mestre

Resumo: Este trabalho discute a utilização de Redes Neurais Artificiais na avaliação da evolução do desgaste da ferramenta de corte no processo de torneamento a partir dos níveis de vibração do sistema porta-ferramenta - ferramenta - peça. Os níveis de desgaste foram definidos em termos da rugosidade superficial da peça e desgaste de flanco da ferramenta e posteriormente, os valores de vibração medidos no porta ferramenta, foram correlacionados com esses níveis de desgaste. Foram realizados diversos ensaios utilizando o aço ABNT 1045, com ferramentas de metal duro sem cobertura e com cobertura de nitreto de titânio. Os testes foram efetuados utilizando as rotações 630, 800, 1000 e 1250 rpm, variando-se a velocidade de corte entre 100 e 200 m/min. Os sinais de vibração foram processados e analisados utilizando valores RMS (Root Mean Square) e a Transformada Wavelet, sendo que neste caso, foram extraídos os valores RMS dos coeficientes wavelet. Os dados obtidos foram utilizados nas fases de treinamento e validação das redes neurais empregadas, utilizando o algoritmo Backpropagation. Os dados foram agrupados em quatro estágios que classificam o nível de desgaste da ferramenta em estágio inicial, estágio intermediário, estágio avançado e estágio crítico de desgaste. Os testes mostraram que a utilização dos valores RMS do sinal de vibração pode levar a resultados satisfatórios, entretanto, houve algumas situações de insucesso. Alternativamente, a rede neural quando treinada com os valores RMS dos coeficientes wavelet apresentou uma melhor capacidade de identificação, com um percentual de acerto maior do que quando treinada apenas com os valores RMS dos sinais de vibração. Os resultados mostram que o monitoramento da vibração da ferramenta e a utilização de redes neurais artificiais para identificação dos diferentes... (Resumo completo, clicar acesso eletrônico abaixo). / Abstract: This work discusses the use of Artificial Neural Networks (ANN) for the evaluation of tool wear in turning operations by using the vibration of the tool holder - tool - workpiece system. The wear levels were defined in terms of the surface roughness and flank wear of the cutting tool and later on, the vibration measured in the tool holder were correlated with those wear levels. Several experiments were carried out at different cutting conditions using ABNT 1045 steel as the workpiece material, the surface roughness were measured for carbide cutting tools without coating and with coating of titanium nitride. The tests were made using the rotations 630, 800, 1000 and 1250 rpm, being varied the cutting speed between 100 and 200 m/min. The vibration signals were processed and analyzed using RMS (Root Mean Square) values and the Wavelet Transform, in the later case; the RMS values were extracted from the wavelet coefficients. The obtained data were used in the training phases and validation of the neural network, using the Backpropagation algorithm. The data were settled in four groups that classify the level of the tool wear, initial, intermediary, advanced and critical. The experiments showed that the use of RMS values of the vibration signals can bring to satisfactory results, however, the neural network trained with the RMS values from the wavelet coefficients presented a better identification capacity, with a larger percentile of success, than that when just RMS values of the vibration signals were taken. The results show that the monitoring of the vibration of the tool holder-tool-workpiece system and the use of artificial neural network for identification of the different state of the tool, they can be used to settle the end of the tool life in the turning process. It was also evidenced the potentiality of Transformed Wavelet to be used... (Complete abstract click electronic address below). / Orientador: João Antonio Pereira / Coorientador: Hidekasu Matsumoto / Banca: Amauri Hassui / Banca: Gilberto Pechoto de Melo / Mestre