Aplicação de técnicas de redução de dimensionalidade para determinação de condições operacionais ótimas em um processo industrial
| dc.contributor.advisor | Capron, Bruno Didier Olivier | |
| dc.contributor.advisorCo1Lattes | http://lattes.cnpq.br/4530858702685674 | pt_BR |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/3006635957267883 | pt_BR |
| dc.contributor.referee1 | Souza Júnior, Maurício Bezerra de | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/4530858702685674 | pt_BR |
| dc.contributor.referee2 | Alves, Aline Barbosa | |
| dc.creator | Gomes, Paula Araujo | |
| dc.creator.Lattes | http://lattes.cnpq.br/0962802261258449 | pt_BR |
| dc.date.accessioned | 2021-09-20T17:56:09Z | |
| dc.date.available | 2026-05-16T03:06:56Z | |
| dc.date.issued | 2021-08-12 | |
| dc.description.resumo | 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 imperfeições 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. | pt_BR |
| dc.embargo.terms | aberto | pt_BR |
| dc.identifier.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. | pt_BR |
| dc.identifier.uri | http://hdl.handle.net/11422/15228 | |
| dc.language | por | pt_BR |
| dc.publisher | Universidade Federal do Rio de Janeiro | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.publisher.department | Escola de Química | pt_BR |
| dc.publisher.initials | UFRJ | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject | Resina | pt_BR |
| dc.subject | Polímeros | pt_BR |
| dc.subject | Resina polimérica | pt_BR |
| dc.subject | Métodos de produção | pt_BR |
| dc.subject | Machine Learning | pt_BR |
| dc.subject.cnpq | CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO::GERENCIA DE PRODUCAO | pt_BR |
| dc.title | Aplicação de técnicas de redução de dimensionalidade para determinação de condições operacionais ótimas em um processo industrial | pt_BR |
| dc.type | Trabalho de conclusão de graduação | pt_BR |