Estudo da estampabilidade de tailored blanks soldadas a laser

A união de chapas de diferentes materiais, espessuras e propriedades mecânicas formando uma geratriz para estampagem é uma estratégia que a indústria automobilística utiliza no desenvolvimento de estruturas leves. Uma delas chama-se Tailored Welded Blanks, onde duas ou mais chapas são unidas pelo processo de solda. Dentro do contexto de estruturas leves é analisado neste trabalho o comportamento mecânico de duas diferentes chapas soldadas utilizadas pela indústria automobilística, formando uma única geratriz com diferentes razões de espessuras. Para isso, foram unidos os materiais ZSTE 220 P nas espessuras 1.5 e 0.8 mm e St 05 nas espessuras de 1.5 e 1.2 mm. O processo de junção utilizado para unir os materiais de diferentes espessuras foi solda a laser. Os ensaios de fabricação utilizados para caracterizar o comportamento mecânico do material foram o ensaio de tração uniaxial e o ensaio Nakajima modificado. O ensaio de tração define as propriedades mecânicas e o ensaio Nakajima quantifica as deformações principais maiores e menores na superfície da chapa. De posse destas deformações é possível construir as Curvas Limites de Conformação (CLC) de cada material. A maneira encontrada para simular estes estados de deformações foi utilizar 8 corpos de prova de mesmo comprimento, porém variando sua largura e o raio do entalhe correspondente. O uso de corpos de prova com diferentes larguras e raio de entalhe permite obter deformações que abrangem os campos referentes ao estiramento, deformação plana e embutimento profundo.

Combining collaborative and content-based filtering to recommend research papers

The number of research papers available today is growing at a staggering rate, generating a huge amount of information that people cannot keep up with. According to a tendency indicated by the United States’ National Science Foundation, more than 10 million new papers will be published in the next 20 years. Because most of these papers will be available on the Web, this research focus on exploring issues on recommending research papers to users, in order to directly lead users to papers of their interest. Recommender systems are used to recommend items to users among a huge stream of available items, according to users’ interests. This research focuses on the two most prevalent techniques to date, namely Content-Based Filtering and Collaborative Filtering. The first explores the text of the paper itself, recommending items similar in content to the ones the user has rated in the past. The second explores the citation web existing among papers. As these two techniques have complementary advantages, we explored hybrid approaches to recommending research papers. We created standalone and hybrid versions of algorithms and evaluated them through both offline experiments on a database of 102,295 papers, and an online experiment with 110 users. Our results show that the two techniques can be successfully combined to recommend papers. The coverage is also increased at the level of 100% in the hybrid algorithms. In addition, we found that different algorithms are more suitable for recommending different kinds of papers. Finally, we verified that users’ research experience influences the way users perceive recommendations. In parallel, we found that there are no significant differences in recommending papers for users from different countries. However, our results showed that users’ interacting with a research paper Recommender Systems are much happier when the interface is presented in the user’s native language, regardless the language that the papers are written. Therefore, an interface should be tailored to the user’s mother language.