Utilização de aprendizagem de máquina para a inclusão de fatores emocionais humanos em projetos de simulação

• Ano de defesa: 2023
• Autor(a) principal: LIMA, Yago Toledo
• Orientador(a): MONTEVECHI, José Arnaldo Barra
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Itajubá
• Programa de Pós-Graduação: Programa de Pós-Graduação: Mestrado - Engenharia de Produção
• Departamento: IEPG - Instituto de Engenharia de Produção e Gestão
• País: Brasil
• Palavras-chave em Português: Simulação; Desempenho humano; Fator emocional; Aprendizagem de máquina
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUÇÃO
• Link de acesso: https://repositorio.unifei.edu.br/jspui/handle/123456789/4037

A simulação computacional é uma ferramenta amplamente utilizada para monitorar e otimizar indicadores de desempenho tanto na academia quanto na indústria. Os operadores humanos, no entanto, são comumente representados como recursos de produção nominal constante nos modelos de simulação. Tal modelo, em muitos casos, é insuficiente, uma vez que desconsidera as variações inerentes da fisionomia humana. Há na literatura formas de se representar tais variações no desempenho humano, porém, o fator emocional raramente é abordado nestes trabalhos. Além disso, os trabalhos que buscam modelar a atitude psicofísica do operador, que engloba as emoções, no geral, necessitam de equipamentos sofisticados ou formulários morosos a serem preenchidos. Para apresentar uma alternativa para a inclusão do fator emocional humano em modelos de simulação, este trabalho utiliza um modelo de aprendizagem de máquina para identificar o humor aparente de operadores a partir de filmagens de uma linha de produção de manufatura em operação. Esta abordagem não interfere na carga de trabalho dos operadores nem demanda nenhum tipo de equipamento extra além de uma câmera filmadora comum, preenchendo então a lacuna observada na literatura. Este trabalho demonstrou que há 66 correlações estatísticas significantes entre as variáveis de humor detectadas pelo modelo de aprendizagem de máquina utilizado e o tempo de operação na linha. Também foi demonstrado que as curvas de distribuição de probabilidade para o tempo de operação variam significativamente quando consideradas diferentes classes de humor. Por fim, foi demonstrada a aplicação destas curvas em um modelo de simulação. Os resultados evidenciam uma tendência de melhoria nos resultados do modelo, demonstrando assim a viabilidade da técnica aplicada. Além dos resultados demonstrados, este trabalho também apresenta instruções para aplicação da técnica proposta que podem ser utilizadas para projetos similares. Além das simulações, a técnica apresentada pode também ser utilizada em diversas áreas incluindo prevenção de defeitos de fabricação, saúde e segurança ocupacional.