Sophia Lafis Formiga

Formação complementar

Idiomas

Organização de eventos

Participação em eventos

Projetos de pesquisa

• 2025 - 2025

  Indentificação de sistema para monitoramento de posição utilizando técnicas de regressão, Descrição: Projeto de Iniciação Científica desenvolvido no LaMoC/UFPR (Laboratório de Monitoramento e Controle) da Universidade Federal do Paraná, com foco em modelagem orientada a controle, prototipagem e análise experimental de sistemas dinâmicos.O trabalho consistiu no desenvolvimento de um protótipo físico de levantamento por fluxo de ar, no qual uma esfera leve é levitada e sua altura controlada por meio de um controlador PID. As atividades envolveram a modelagem matemática do sistema, implementação e sintonia de estratégias de controle PID, realização de testes experimentais, coleta de dados e análise inicial do desempenho e da estabilidade do sistema.O projeto teve início no âmbito do Programa de Voluntariado Acadêmico (PVA) da UFPR e, posteriormente, foi desenvolvido como projeto PIBIC.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Sophia Lafis Formiga - Coordenador / Giuliana Sardi Venter - Integrante.

• 2025 - Atual

  Utilização de redes neurais profundas temporais e gêmeo digital para monitoramento e interpretação do processo de Deposição por Energia Direcionada, Descrição: A manufatura aditiva tem transformado a indústria, permitindo a produção de peças complexas com maior eficiência e menor desperdício. A técnica de Energia Direta Depositada (DED), que utiliza uma fonte de energia concentrada para fundir e depositar material camada por camada, tem se destacado na fabricação de componentes metálicos, sendo uma opção eficaz para reparar peças desgastadas ou danificadas e criar geometrias 3D adequadas ao conceito de fatiamento. Duas variantes comuns do DED são o DED por laser (L-DED) e o DED por arco (PTA-DED), que diferem na fonte de energia utilizada. A qualidade final da peça fabricada depende de variáveis do processo, como intensidade do laser/arco, velocidade de deslocamento do laser/arco, taxa de deposição, gerenciamento térmico e atmosfera de proteção. Variações nesses parâmetros afetam a microestrutura, as propriedades mecânicas e a geometria da peça, especialmente quando a deposição ocorre em substratos complexos - como os cilíndricos ou no reparo de peças. Para garantir a qualidade, o monitoramento em tempo real é fundamental. Nesse contexto, propõe-se um modelo híbrido de aprendizagem profunda com recursividade temporal e gêmeo digital para prever características das peças. O modelo utiliza dados de sensores, como câmeras térmicas e profissionais, pirômetros, além de dados do processo, como tensão e corrente do arco, potência do laser, fluxo do pó, vazão do gás de plasma e localização na peça. Esses dados são pré-processados com indicadores de interpretabilidade, como correlação de Pearson e Phi-K, filtros e algoritmos para extração de informações de imagens, como CNNs e PCA. O gêmeo digital é utilizado para prever características da peça, simplificando o setup experimental e promovendo o sensoriamento virtual. O modelo treinado permitirá prever características geométricas, defeitos e perfil de temperatura da peça, possibilitando futuros ajustes em tempo real para controlar a qualidade do produto final.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Mestrado acadêmico: (1) . , Integrantes: Sophia Lafis Formiga - Integrante / Giuliana Sardi Venter - Coordenador / Kandice Suane Barros Ribeiro - Integrante / Leandro João da Silva - Integrante / Ana Sofia Climaco Monteiro de Oliveira - Integrante / Leonel Fernandes Balbino - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.