Previsão do custo e do material de suporte na manufatura aditiva de superfícies mínimas triplamente periódicas por meio de aprendizado de máquina
Superfícies mínimas triplamente periódicas (SMTP) são estruturas porosas que podem ser usadas para criar materiais multifuncionais utilizados para diversas aplicações tecnológicas. Tais superfícies possuem geometria complexa, portanto, a manufatura aditiva se mostra como o método ideal para sua fabricação, devido à flexibilidade geométrica da manufatura por camadas. Nesse contexto, este trabalho tem como objetivo prever os efeitos da orientação da construção no custo e no consumo de material de suporte na manufatura aditiva de SMTP por meio de aprendizagem de máquina. O planejamento de experimentos (DOE) foi utilizado para determinar o efeito dos ângulos de 30°, 60° e 90° dos eixos X, Y e Z das superfícies e a análise de variância (ANOVA) para determinar as interações estatísticas relevantes. Posteriormente, os algoritmos de aprendizado de máquina Multi-Layer Perceptron, Random Tree e K-Nearest Neighbor (IBK) foram usados por meio do software WEKA para prever o custo e o consumo de material de suporte para cada superfície em diferentes orientações de construção. Os resultados mostraram que o custo de fabricação das superfícies pode variar entre 12 e 15% de acordo com a orientação de construção. Por fim, os três algoritmos se mostraram adequados na previsão do custo final e do material de suporte das SMTP, entretanto, ao aplicar o Índice de Mérito para avaliar o desempenho dos algoritmos, o algoritmo Multilayer Perceptron obteve o valor de 0,9729 na somatória final de desempenho com o método training set, e 1,1457 no método cross validation, sendo estes os menores dos valores entre os três algoritmos, indicando que este obteve o menor percentual de erros, e consequentemente, demonstrando ter o melhor desempenho.