Trabalho completo:

A engenharia de desenvolvimento de produtos para controle de emissões tornou-se competitiva e complexa, principalmente devido à evolução contínua da legislação. O domínio das técnicas de aquecimento de catalisadores é crucial para o controle de emissões veiculares. Entretanto, entender qual estratégia de aquecimento promove o menor nível de emissões é complexo em proporção ao número de variáveis a serem exploradas, tornando a busca pelo ponto ótimo um verdadeiro desafio para montadoras e sistemistas. Este trabalho visa desenvolver uma metodologia de aquecimento de catalisador baseada em modelos, que auxilie na descoberta e compreensão de possíveis pontos ótimos de operação ainda não explorados no que diz respeito ao compromisso entre níveis de emissão e vibrações de marcha lenta do motor. Um modelo de Machine Learning foi desenvolvido e validado com base em dados reais de aquecimento do catalisador, produzidos por um sistema de partida automática que interage com os parâmetros de calibração do motor via Design of Experiment (DoE). Os resultados da simulação permitiram otimizações através de um método analítico e eficiente. Este método permite uma entrega de resultados de qualidade em um curto período de tempo e possibilita a busca de novos horizontes em aquecimento de catalisador