Desenvolvimento de uma composição química de baixo custo aplicada ao ferro fundido nodular austemperado através do auxílio de redes neurais

Abstract

O presente trabalho apresenta o desenvolvimento de uma composição química de baixo custo para a produção de um ferro fundido nodular austemperado (ADI) que atenda a norma ASTM A897/897M – 2016 Grade 2 1050/750/07, atendendo as propriedades mecânicas de resistência à tração, resistência ao escoamento e alongamento, com o auxílio de redes neurais artificias. Através de extensa análise de composições químicas e propriedades mecânicas encontradas na literatura, foram compiladas informações para inserir em redes neurais, buscando uma otimização na relação entre composição química, propriedades mecânicas e custo para a produção da liga desejada. Com base na composição química obtida, foi feito a fusão e posterior tratamento térmico do material. Com o material produzido, o mesmo foi usinado e testes mecânicos e metalográficos como ensaio de tração, dureza, análise via microscopia óptica, análise de microscopia por varredura e difração de raio x foram executados. Como resultado, foi compreendido que as redes neurais artificiais podem ser utilizadas para auxiliar na produção de um ADI que alcance valores de propriedades de acordo com padrões normatizados, com resultados atingindo ao exemplo de 1225 MPa de resistência à tração, 892 MPa de resistência ao escoamento, 10% de alongamento e com custo consideravelmente menor diante de seus concorrentes, gerando assim economia global de até 49%. Desta forma uma menor quantidade de recursos naturais utilizados para a produção de uma liga de baixo custo pode ser utilizada, atingindo as propriedades mecânicas e microestruturais desejadas.

This paper presents the development of a low-cost chemical composition for the production of an austempered nodular cast iron (ADI) that meets the ASTM A897/897M - 2016 Grade 2 1050/750/07 standard, meeting the mechanical properties of tensile strength, yield strength and elongation, with the aid of artificial neural networks. Through extensive analysis of chemical compositions and mechanical properties found in the literature, information was compiled to insert into neural networks, seeking an optimization in the relationship between chemical composition, mechanical properties and cost for the production of the desired alloy. Based on the chemical composition obtained, the melting and subsequent heat treatment of the material was performed. With the produced material, it was machined and mechanical and metallographic tests such as tensile test, hardness, optical microscopy analysis, scanning microscopy analysis and x-ray diffraction were performed. As a result, it was understood that artificial neural networks can be used to assist in the production of an ADI that achieves property values in accordance with standardized standards, with results reaching for example 1225 MPa tensile strength, 892 MPa yield strength, and 10% elongation, at a considerably lower cost compared to its competitors, thus generating global savings of up to 49%. In this way a smaller amount of natural resources used for the production of a low-cost alloy can be used, achieving the desired mechanical and microstructural properties.