Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/15228
Type: | Trabalho de conclusão de graduação |
Title: | Aplicação de técnicas de redução de dimensionalidade para determinação de condições operacionais ótimas em um processo industrial |
Author(s)/Inventor(s): | Gomes, Paula Araujo |
Advisor: | Capron, Bruno Didier Olivier |
Abstract: | Com a quarta revolução industrial, a aquisição de informações acerca de um processo é feita de uma forma jamais antes vista, onde são obtidos dados em alto volume, alta velocidade e grande variedade. Isso possibilita a aplicação de análise de dados e Machine Learning para se obter uma grande gama de informações úteis para a indústria, que podem permitir o aumento da produtividade, da qualidade dos produtos, da segurança dos processos e do lucro das empresas. Uma aplicação popular de Machine Learning no controle de processos é a Detecção e Diagnóstico de Falhas (FDD), que possibilita a manutenção de condições operacionais desejadas e previne riscos no processo. O presente trabalho teve como objetivo estudar um processo de produção de resinas poliméricas em um equipamento industrial, visando à determinação de condições operacionais que minimizem a quantidade de imperfei- ções presentes no produto final. Grandes quantidades de imperfeições em uma resina polimérica levam à formação do chamado produto Off-spec, esse produto, se comercializado, terá preço de venda reduzido por apresentar qualidade inferior. Portanto, é desejável a garantia da produção de polímeros com baixa quantidade de imperfeições. Devido ao grande número de variáveis de processo existentes neste projeto, duas técnicas diferentes de redução de dimensionalidade foram usadas: Análise de Componente Principal (PCA) e Análise de Discriminante de Fisher (FDA). Combinando o método de agrupamento KMeans e a formação de uma elipse de confiança, regiões operacionais desejadas foram determinadas. Este trabalho apresenta uma comparação entre dois modelos desenvolvidos, o primeiro via PCA e o segundo via FDA. Os resultados obtidos indicaram que, para o problema em questão, ambos os métodos desenvolvidos apresentam desempenho similar. Com esses modelos, foi possível a determinação de ranges das variáveis de processo que possibilitam a minimização da formação de imperfeições e, logo, um aumento da qualidade do produto final e do lucro do processo. |
Keywords: | Resina Polímero Resina polimérica Métodos de produção Machine Learning |
Subject CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO |
Production unit: | Escola de Química |
Publisher: | Universidade Federal do Rio de Janeiro |
Issue Date: | 12-Aug-2021 |
Publisher country: | Brasil |
Language: | por |
Right access: | Acesso Aberto |
Citation: | GOMES, Paula Araujo. Aplicação de técnicas de redução de dimensionalidade para determinação de condições operacionais ótimas em um processo industrial. 2021. 69 f. TCC (Graduação) - Curso de Engenharia Química, Universidade Federal do Rio de Janeiro, Rio de Janeiro, 2021. |
Appears in Collections: | Engenharia Química |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
PAGomes.pdf | 2.02 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.