Tese (doutorado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica., 2017. / Submitted by Albânia Cézar de Melo (albania@bce.unb.br) on 2017-08-31T13:43:23Z
No. of bitstreams: 1
2017_MiguelEduardoOrdoñezMosquera.pdf: 9580556 bytes, checksum: 998ce15978428f981b3327605c66d03a (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2017-09-22T22:50:00Z (GMT) No. of bitstreams: 1
2017_MiguelEduardoOrdoñezMosquera.pdf: 9580556 bytes, checksum: 998ce15978428f981b3327605c66d03a (MD5) / Made available in DSpace on 2017-09-22T22:50:00Z (GMT). No. of bitstreams: 1
2017_MiguelEduardoOrdoñezMosquera.pdf: 9580556 bytes, checksum: 998ce15978428f981b3327605c66d03a (MD5)
Previous issue date: 2017-09-22 / No mundo atual da tecnologia, existem aplicações onde o atrito encontra-se presente entre as peças de funcionamento e é um fator importante para determinar o desempenho e durabilidade das mesmas. Para estudar o atrito entre as peças, o acabamento final e a textura da superfície são de grande importância pois influenciam na capacidade de desgaste, lubrificação, resistência à fadiga e na aparência externa de uma peça ou material de trabalho. Para estudar e controlar o tipo de acabamento, a rugosidade deve ser considerada como um parâmetro importante na engenharia atual. O controle da textura superficial por meio da medição em peças usinadas tem uma importância significativa que afeta diretamente a qualidade do produto. As irregularidades podem ser medidas a partir do perfil de rugosidade obtido pelos rugosímetros. Esses instrumentos fornecem parâmetros importantes como a rugosidade média aritmética (Ra), a rugosidade máxima (Rz) e a rugosidade média quadrática (Rq), dentre outros. A incerteza na medição e o cálculo de erros em rugosidade têm grande importância no controle e qualidade da peça medida. Para alguns autores assumir que os dados do parâmetro de rugosidade apresentam um comportamento normal, ajuda na aplicação do cálculo de incerteza através do método GUM. Experiências como Molano (2014) demostram que os parâmetros de rugosidade nem sempre tem esse comportamento, sendo assim necessário abordar o cálculo a incerteza de medição de rugosidade com dados que apresentam um comportamento não gaussiano. Para modelos matemáticos complexos onde as derivadas parciais podem apresentar certa dificuldade para determinar os coeficientes de sensibilidade, aplicar o método de GUM Suplemento (Método Monte Carlo) ajuda no cálculo de incerteza de medição. Este trabalho apresenta um estudo sobre a incerteza de medição em parâmetros de rugosidade em casos onde os dados não apresentam distribuição normal de probabilidade. Para isto, foram feitas medições da rugosidade usando métodos com contato e sem contato em superfícies de forma regular como um desempeno de ferro fundido, uma superfície de forma livre como uma turbina hidráulica e diferentes corpos de prova com diferentes tipos de acabamento por usinagem como aplainamento, fresamento, retífica e torneamento, utilizando um rugosímetro de contato e um microscópio Confocal. Foram abordados os parâmetros de rugosidade Ra, Rz e Rq, buscando avaliar a incerteza de medição por meio do método GUM e GUM suplemento (Método de Monte Carlo). Encontrando que os valores medidos dos parâmetros de rugosidade Ra, Rq e Rz não apresentam distribuição normal, sendo a distribuição que mais se aproxima é a log-normal. Para amostra usinada com o processo de aplainamento, a distribuição encontrada, independentemente do tamanho amostral foi normal. Nos demais casos, a distribuição normal foi encontrada para tamanho amostral pequeno, ou seja, para valores menores a 100. / In today's world of technology, there are applications where friction is present between working parts and is an important factor in determining performance and durability. To study the friction between the pieces, the final finish and surface texture are of great importance as they influence the wearability, lubrication, fatigue resistance and external appearance of a workpiece or material. To study and control the type of finish, roughness should be considered as an important parameter in current engineering. The control of the surface texture through the measurement in machined parts has a significant importance that directly affects the quality of the product. The irregularities can be measured from the roughness profile obtained by the rugosimeters. These instruments provide important parameters such as arithmetic average roughness (Ra), maximum roughness (Rz) and mean square roughness (Rq), among others. The uncertainty in the measurement and the calculation of errors in roughness have great importance in the control and quality of the measured piece. For some authors to assume that the roughness parameter data present a normal behavior, it helps in the application of the uncertainty calculation using the GUM method. Experiments show that the roughness parameters do not always have this behavior, so it is necessary to approach the calculation of the roughness measurement uncertainty with data that presents a non-Gaussian behavior. For complex mathematical models where the partial derivatives may present some difficulty in determining the sensitivity coefficients, applying the GUM Supplement method (Monte Carlo method) helps in the measurement uncertainty calculation This work presents a study on the uncertainty of measurement in roughness parameters in cases where the data do not present normal distribution of probability. For this, roughness measurements were made using contact and non-contact methods on surfaces of a regular shape such as cast iron performance, a freeform surface such as a hydraulic turbine, and different specimens with different types of machining finishes such as planing , Milling, grinding and turning, using a contact rugosimeter and a Confocal microscope. The roughness parameters Ra, Rz and Rq were analyzed in order to evaluate the measurement uncertainty by means of the GUM method and GUM supplement (Monte Carlo method). Finding that the measured values of the roughness parameters Ra, Rq and Rz do not present normal distribution, with the closest distribution being log-normal. For sample machined with the planing process, the distribution found regardless of sample size was normal. In the other cases, the normal distribution was found for small sample size, that is, for values smaller than 100.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/24636 |
| Date | 21 June 2017 |
| Creators | Ordoñez Mosquera, Miguel Eduardo |
| Contributors | Piratelli Filho, Antonio |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0054 seconds