AVANÇOS EM GALVANOPLASTIA: PREVISÃO INTELIGENTE DA ESPESSURA DO REVESTIMENTO DE ZINCO EM AÇOS SAE 1008
Inteligência artificial; revestimento de zinco eletrodepositado; galvanoplastia, XGBoost; eletrodeposição; previsão de espessura.
Avanços em inteligência artificial (IA) possibilitam reduzir tempos de análise, custos e melhorar processos industriais. Este trabalho integra uma revisão da literatura e uma abordagem experimental sobre a aplicação de IA na eletrodeposição de zinco em aços de baixo carbono. A revisão, realizada na base Web of Science, revelou estudos ainda incipientes, indicando espaço para pesquisas que explorem o aprendizado de máquina (ML) na otimização do processo de galvanização. Experimentalmente, modelos preditivos de espessura de revestimento, essencial para resistência à corrosão conforme a norma NBR 10476 (ABNT,2016), foram desenvolvidos utilizando regressão multivariada, random forest e xgboost. O modelo xgboost destacou-se, com R2 de 0,95 e MSE de 0,815, mostrando-se eficaz na previsão de resultados. Os modelos de IA permitem otimizar parâmetros do processo (tempo de processo, concentrações de ZnO/NaOH, material do ânodo e aditivos), melhorando a qualidade e reduzindo custos. Conclui-se que a IA oferece um caminho promissor para avanços na galvanização de aços de baixo carbono.