Detalhes bibliográficos
Ano de defesa: |
2021 |
Autor(a) principal: |
BASTOS, Thiago Moura da Rocha |
Orientador(a): |
ZANCHETTIN, Cleber |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso embargado |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Ciencia da Computacao
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.ufpe.br/handle/123456789/41377
|
Resumo: |
Os processos industriais de manufatura são parte essencial da revolução tecnológica vivida na atualidade. Dentre esses, a produção de filmes metalizados por deposição contribuem para embalagens, utilizadas principalmente na conservação de alimentos. Com crescimento global médio de 10-15% por ano desse mercado, modelos tradicionais de monitoramento e controle tem representado gargalos para a entrega desses produtos além de elevadas taxas de produtos reprovados, e o uso de novas tecnologias digitais disruptivas como a inteligência artificial pode ser uma alternativa para superar essas dificuldades. Assim, esse trabalho objetiva utilizar sistemas de aprendizado de máquina para interpretação e predição de variáveis de processo e qualidade presentes na produção de filmes metalizados por deposição à vácuo e redução do tempo atual de entrega dos produtos finalizados. Comparando diferentes classificadores de aprendizado de máquina associados a condições diversas de preprocessamento de dados e hiper- parâmetros para a predição de qualidade do produto, o modelo Random Forest apresentou o maior desempenho com 85,4% de acurácia. Foram utilizadas diferentes técnicas de visualização para interpretar as previsões e observar o desempenho dos modelos aplicados. Por outro lado, através da segmentação semântica dos perfis de densidade óptica dos produtos, foi possível a identificação de falhas, e o monitoramento da qualidade final dos filmes produzidos por um modelo de rede neural com 86,67% de acurácia. Além disso, a aplicação das visualizações auxiliam no entendimento e validação dos produtos obtidos no processo de metalização e associados a diferentes condições operacionais sobre os produtos manufaturados. Este estudo de caso demonstra o potencial uso de modelos de aprendizado de máquina para suporte a analistas e operadores na interpretação de variáveis operacionais, oferecendo informações relevantes para monitorar e manter o processo de metalização de filme por deposição a vácuo e servir como base para análises de desempenho e robustez no futuro implementação industrial. |