Pantheon Repositorio Institucional
Recopila, preserva y difundi la producción académica digital en todas las áreas del conocimiento.
Comprende los activos del repositorio, además de tesis y disertaciones en la UFRJ, artículos científicos, libros electrónicos, capítulos de libros y trabajos presentados en eventos para los profesores, investigadores, personal administrativo y estudiantes de maestría y doctorado.
Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11422/15228| Especie: | Trabalho de conclusão de graduação |
| Título : | Aplicação de técnicas de redução de dimensionalidade para determinação de condições operacionais ótimas em um processo industrial |
| Autor(es)/Inventor(es): | Gomes, Paula Araujo |
| Tutor: | Capron, Bruno Didier Olivier |
| Resumen: | 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. |
| Materia: | Resina Polímero Resina polimérica Métodos de produção Machine Learning |
| Materia CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO |
| Unidade de producción: | Escola de Química |
| Editor: | Universidade Federal do Rio de Janeiro |
| Fecha de publicación: | 12-ago-2021 |
| País de edición : | Brasil |
| Idioma de publicación: | por |
| Tipo de acceso : | Acesso Aberto |
| Citación : | 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. |
| Aparece en las colecciones: | Engenharia Química |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| PAGomes.pdf | 2.02 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.