Uncertainty Quantification in Calibration and Simulation of Thermo-Chemical Curing of Epoxy Resins

Resumo Técnico: Quantificação de Incerteza na Calibração e Simulação da Cura Termoquímica de Resinas Epóxi

Definição do Problema
A cura de resinas epóxi é um processo termo-químico-mecânico complexo, essencial para a fabricação de materiais compósitos de alto desempenho, particularmente na indústria aeroespacial. A modelagem precisa deste processo requer relações constitutivas para a temperatura de transição vítrea, cinética de cura, expansão térmica, retração química, capacidade calorífica específica e condutividade térmica. Esses modelos dependem de inúmeros parâmetros de material que devem ser identificados por meio de um procedimento de calibração em múltiplas etapas utilizando dados experimentais (ex: DSC, TMDSC, medições de densidade).

Um desafio crítico identificado neste trabalho é a propagação de incertezas. Estudos anteriores, como os de Leistner [4] e extensões em [5], estabeleceram as relações constitutivas, mas negligenciaram a propagação de incertezas. Em um esquema de calibração de múltiplas etapas, onde as etapas posteriores dependem de parâmetros identificados em etapas anteriores, as incertezas inevitavelmente se acumulam. Além disso, a presença de parâmetros de material incertos torna a resposta do modelo determinístico incerta, podendo levar a previsões imprecisas de distribuições de temperatura, tensões residuais e riscos de delaminação. O artigo aborda a necessidade de quantificar essas incertezas de forma eficiente, tanto durante o problema de calibração inversa quanto durante a simulação numérica direta dos processos de cura.

Metodologia
O estudo emprega uma abordagem de calibração de modelo de múltiplas etapas utilizando o método ordinário de mínimos quadrados não lineares. Os parâmetros de material são identificados sequencialmente com base em conjuntos de dados experimentais específicos, visto que existem dependências entre as relações constitutivas (ex: a temperatura de transição vítrea influencia a cinética de cura e a capacidade calorífica específica).

Para quantificar as incertezas, os autores utilizam o método de Primeiro Momento de Segunda Ordem (FOSM). Esta abordagem baseada em perturbação aproxima a média e a variância da resposta do modelo usando expansões de Taylor. O FOSM é aplicado em duas fases distintas:

1. Problema Inverso (Calibração): O método propaga as incertezas de parâmetros identificados anteriormente para as etapas de calibração subsequentes. A matriz de covariância da etapa atual é atualizada para incluir contribuições tanto do ruído de medição quanto da incerteza propagada dos parâmetros de entrada.
2. Problema Direto (Simulação): O método quantifica a incerteza na resposta do modelo (temperatura e grau de cura) resultante das incertezas dos parâmetros identificados.

Os resultados do FOSM são rigorosamente avaliados contra o método de Monte Carlo (MC), que serve como uma referência robusta. Embora o MC seja computacionalmente caro devido à convergência lenta e à necessidade de milhares de amostras, ele fornece um parâmetro de comparação para avaliar a precisão da aproximação de primeira ordem do FOSM, particularmente na presença de relações constitutivas altamente não lineares e distribuições de parâmetros não gaussianas.

Principais Contribuições

• Propagação Sistemática de Incerteza: O artigo implementa um framework abrangente para a propagação de incertezas através de um esquema de calibração de múltiplas etapas para a cura de resina epóxi, um processo que anteriormente era tratado de forma determinística na literatura referenciada.
• Eficiência do FOSM em Sistemas Não Lineares: O estudo demonstra que o FOSM, apesar de ser uma aproximação de primeira ordem, produz resultados razoáveis para modelos termoquímicos altamente não lineares, oferecendo uma vantagem computacional significativa sobre as simulações de Monte Carlo.
• Testes de Cobertura: Os autores realizam extensos testes de cobertura "in-silico" usando dados sintéticos para avaliar a robustez da aproximação da matriz de covariância baseada no Jacobiano sob várias condições, incluindo dados esparsos, densos e diferentes tipos de ruído (Gaussiano, uniforme e heterocedástico).
• Análise de Condições de Contorno: O estudo estende a quantificação de incerteza para incluir condições de contorno incertas (Dirichlet e mistas), comparando seu impacto na resposta do modelo contra as incertezas dos parâmetros de material.

Resultos

• Incertezas de Calibração: Os métodos FOSM e Monte Carlo apresentam boa concordância para a maioria dos parâmetros de material. No entanto, surgem discrepâncias significativas para parâmetros com distribuições claramente não gaussianas (ex: o fator de difusão $b_d$ na cinética de cura), onde o FOSM tem dificuldade em capturar a verdadeira forma da distribuição.
• Impacto da Densidade de Dados: Testes de cobertura revelam que etapas de calibração baseadas em dados esparsos (ex: apenas 5 pontos de dados para a temperatura de transição vítrea) podem levar a uma subestimação substancial da incertitude se não forem devidamente contabilizadas. O aumento da quantidade de dados melhora a confiabilidade das estimativas de incerteza.
• Efeitos de Propagação: A propagação de incerteza aumenta significativamente a variância dos parâmetros nas etapas de calibração posteriores (ex: parâmetros de capacidade calorífica específica) em comparação com estimativas derivadas sem a propagação. Negligenciar essa propagação leva a intervalos de confiança que falham em cobrir os valores reais dos parâmetros no nível de confiança nominal.
• Resultados de Simulação: Em simulações numéricas de cura em um recipiente de alumínio, os resultados de FOSM e Monte Carlo para temperaturas nodais e grau de cura concordam de forma próxima. A incerteza de temperatura é relativamente pequena, enquanto o grau de cura exibe maiores incertezas, particularmente durante transições rápidas de cura.
• Condições de Contorno: O estudo constata que as incertezas nas condições de contorno de Dirichlet (perfis de temperatura prescritos) têm um impacto muito mais significativo na incerteza da resposta do modelo (ordens de magnitude superiores) do que as incertezas nas condições de contorno mistas (coeficientes de convecção e radiação).

Significância e Alegações
Os autores alegam que o método FOSM é uma abordagem viável, eficiente e livre de amostragem para a quantificação de incerteza na calibração e simulação da cura de resina epóxi, mesmo ao lidar com relações constitutivas altamente não lineares. Ao reconhecer que o FOSM é limitado por sua aproximação de primeira ordem e pode não resolver totalmente distribuições complexas não gaussianas, o estudo demonstra que ele fornece resultados razoáveis com um custo computacional significativamente menor do que os métodos de Monte Carlo.

O trabalho enfatiza que a propagação de incerteza não é meramente um refinamento teórico, mas uma necessidade prática; ignorar essa propagação em esquemas de calibração de múltiplas etapas pode levar a estimativas de parâmetros não confiáveis e intervalos de confiança excessivamente otimistas. Além disso, os resultados destacam que o controle das incertezas nas condições de contorno (especificamente perfis de temperatura) é crítico para simulações numéricas confiáveis, uma vez que essas incertezas podem dominar o orçamento de erro mais do que as incertezas dos parâmetros de material. O estudo conclui que o FOSM é uma ferramenta robusta para aplicações de engenharia onde a eficiência computacional é primordial, desde que suas limitações em relação às formas de distribuição e grandes variâncias de entrada sejam compreendidas.