Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/34290
Título: Métodos de inteligência artificial para detecção de falhas industriais aplicados em um sistema de manufatura: uma análise comparativa de desempenho
Título(s) alternativo(s): Artificial intelligence methods for industrial fault detection based on a manufacturing system: a comparative performance analysis
Autor(es): Silva, Patricia Lopes
Orientador(es): Scalassara, Paulo Rogerio
Palavras-chave: Engenharia elétrica
Controle de processo
Máquinas - Indústria
Electric engineering
Process control
Machinery industry
Data do documento: 22-Fev-2024
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Cornelio Procopio
Citação: SILVA, Patricia Lopes. Métodos de inteligência artificial para detecção de falhas industriais aplicados em um sistema de manufatura: uma análise comparativa de desempenho. 2024. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2024.
Resumo: Este trabalho aborda o funcionamento de processos industriais e a detecção de falhas, visando contribuir de maneira instrutiva para a indústria moderna, especialmente no contexto da fabricação de tintas. Utilizando um ambiente simulado por software que replica fundamentalmente os cenários operacionais industriais, a pesquisa justifica sua escolha nesse setor devido à sua relevância econômica e à crescente necessidade de aprimoramentos. O objetivo central é realizar uma análise comparativa de determinadas técnicas de aprendizado de máquina, como Máquinas de Vetores de Suporte, K-ésimo Vizinho mais Próximo, Perceptron Multicamadas e Floresta Aleatória, para a detecção de falhas no processo produtivo. Simultaneamente, desenvolveu-se um banco de dados para representar o funcionamento do sistema durante o processo de fabricação, contendo variáveis que reproduzem a operacionalidade típica desse processo baseado no software explorado. A implementação dessas técnicas demonstra o comportamento da detecção de falhas no sistema industrial de manufatura, propondo-se melhorias na qualidade do processo produtivo e redução de custos operacionais. A inserção de falhas no processo, com foco especialmente no sistema de produção e mistura de tintas, expôs os modelos de detecção de falhas a diversas situações corretas ou inesperadas em seu funcionamento, proporcionando análises comparativas para o desenvolvimento de uma abordagem instrutiva e aplicável, contribuindo para o avanço e aprimoramento dos métodos em processos industriais.
Abstract: This work addresses the functioning of industrial processes and the detection of faults, aiming to contribute in an instructive way to the modern industry, especially in the context of paint manufacturing. Using a software-simulated environment that fundamentally replicates industrial operational scenarios, the research justifies its choice in this sector due to its economic relevance and the growing need for improvements. The central objective is to carry out a comparative analysis of certain machine learning techniques, such as Support Vector Machines, Kth Nearest Neighbor, Multilayer Perceptron and Random Forest, to detect failures in the production process. Simultaneously, a database was developed to represent the functioning of the system during the manufacturing process, containing variables that reproduce the typical operation of this process based on the software explored. The implementation of these techniques demonstrates the behavior of fault detection in the industrial manufacturing system, proposing improvements in the quality of the production process and reduction of operational costs. The insertion of faults in the process, focusing especially on the paint production and mixing system, exposed the fault detection models to various correct or unexpected situations in their operation, providing comparative analyzes for the development of an instructive and applicable approach, contributing for the advancement and improvement of methods in industrial processes.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/34290
Aparece nas coleções:CP - Programa de Pós-Graduação em Engenharia Elétrica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
metodosinteligenciaartificialdeteccaofalhasindustriais.pdf1,88 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.