Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
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.