Os erros térmicos podem ter efeitos significativos na precisão das máquinas-ferramenta CNC. Os erros provêm de deformações térmicas dos elementos da máquina causadas por fontes de calor dentro da estrutura da máquina ou por mudanças de temperatura ambiente. O efeito da temperatura pode ser reduzido através da prevenção de erros ou compensação numérica. O rendimento de um sistema de compensação de erros térmicos depende essencialmente da precisão e robustez do modelo de erro térmico e suas medições de entrada. Este artigo começa por rever diferentes métodos de desenho de modelos de erros térmicos, antes de se concentrar no emprego de um sistema de inferência neurofuzzy adaptável (ANFIS) para desenhar dois modelos de previsão térmica: ANFIS através da divisão do espaço de dados em subespaços retangulares (modelo ANFIS-Grid) e ANFIS através da utilização do método de agrupamento de meios fuzzy c (modelo ANFIS-FCM). A teoria do sistema cinza é usada para obter a classificação da influência de todos os sensores de temperatura possíveis sobre a resposta térmica da estrutura da máquina. Todas as ponderações de influência dos sensores térmicos são agrupadas em grupos usando o método de agrupamento fuzzy c-means (FCM), sendo os grupos então reduzidos ainda mais pela análise de correlação.
Um estudo de uma pequena fresadora CNC é usado para fornecer dados de treinamento para os modelos propostos e então para fornecer conjuntos de dados de testes independentes. Os resultados do estudo mostram que o modelo ANFIS-FCM é superior em termos de precisão da sua capacidade preditiva com o benefício de menos regras. O valor residual do modelo proposto é menor do que ±4 μm. Esta metodologia combinada pode proporcionar maior precisão e robustez de um sistema de compensação de erros térmicos.