Imagem da capa

Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras

Due to the need to optimize processes, resources and decisions, industries have invested in information systems errors and losses in their production process. Having a greater reliability accuracy in the information received is vital in decision making, and the use of machine learning has helped the...

ver descrição completa

Autor principal: Bomfim, Marlon Alves
Formato: Trabalho de Conclusão de Curso (Graduação)
Idioma: Português
Publicado em: Universidade Tecnológica Federal do Paraná 2022
Assuntos:
Aprendizado do computador
Embalagens - Indústria
Filmes plásticos - Extrusão
Machine learning
Package goods industry
Plastic films - Extrusion
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Acesso em linha: http://repositorio.utfpr.edu.br/jspui/handle/1/27536
Tags: Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
id riut-1-27536
recordtype dspace
spelling riut-1-275362022-03-05T06:06:22Z Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras Application of machine learning techniques to determine the production speed in extrusion machines Bomfim, Marlon Alves Lima, Rafael Henrique Palma Lima, Rafael Henrique Palma Santos, Bruno Samways dos Leal, Gislaine Camila Lapasini Aprendizado do computador Embalagens - Indústria Filmes plásticos - Extrusão Machine learning Package goods industry Plastic films - Extrusion CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO Due to the need to optimize processes, resources and decisions, industries have invested in information systems errors and losses in their production process. Having a greater reliability accuracy in the information received is vital in decision making, and the use of machine learning has helped the industries, and for this reason, the implementation of Machine Learning (ML) methods contribute to the gain of results in the data automation and reliability. With this focus, this paper reports the application of ML classification and regression techniques to predict the production speed needed for the manufacture of coextruded materials, based on historical data provided To study this problem, consolidated ML techniques were chosen. The data was preprocessed and we used 12 machine learning techniques in the study of classification and regression models altogether, each one with distinct configurations. The first method aims to classify among historical values which the data base has to define the production speed and setup, and the second method aims to determine the approximate speed using the database as calculation source. The results were satisfactory, with emphasis on the Decision Trees and Random Forest techniques, which obtained an average accuracy rate of 77% and 78% in classification and 79% and 82% in regression, respectively. Devido à necessidade de se otimizar processos, recursos e decisões, as indústrias têm investido em sistemas de informação para reduzir erros e perdas em seus processos produtivos. Ter maior confiabilidade e precisão nas informações recebidas é vital na tomada de decisões, e a utilização de técnicas de aprendizado de máquina (do inglês, Machine Learning - ML) tem auxiliado as indústrias, e por este motivo, a implementação destes algoritmos contribuem para o ganho de resultados. Com este foco, este trabalho teve como objetivo, a aplicação de técnicas de ML de classificação e regressão para predizer a velocidade de produção necessária para a confecção de materiais coextrusados, com base em dados históricos fornecidos. Os dados foram pré-processados e ao todo foram utilizadas 12 técnicas de aprendizado de máquina no estudo de modelos de classificação e regressão, cada um com configurações distintas. O primeiro método buscou classificar entre os valores históricos que a base de dados tem para definição de velocidade de produção, e o segundo método visou determinar a velocidade aproximada usando a base de dados como fonte de cálculo. Os resultados foram satisfatórios, com destaque para as técnicas de Árvores de Decisão e Random Forest que obtiveram um índice médio de acurácia de 77% e 78% em classificação e 79% e 82% em regressão, respectivamente. 2022-03-04T22:04:17Z 2022-03-04T22:04:17Z 2021-11-23 bachelorThesis BOMFIM, Marlon Alves. Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Londrina, 2021. http://repositorio.utfpr.edu.br/jspui/handle/1/27536 por openAccess application/pdf Universidade Tecnológica Federal do Paraná Londrina Brasil Engenharia de Produção UTFPR
institution Universidade Tecnológica Federal do Paraná
collection RIUT
language Português
topic Aprendizado do computador
Embalagens - Indústria
Filmes plásticos - Extrusão
Machine learning
Package goods industry
Plastic films - Extrusion
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
spellingShingle Aprendizado do computador
Embalagens - Indústria
Filmes plásticos - Extrusão
Machine learning
Package goods industry
Plastic films - Extrusion
CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO
Bomfim, Marlon Alves
Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
description Due to the need to optimize processes, resources and decisions, industries have invested in information systems errors and losses in their production process. Having a greater reliability accuracy in the information received is vital in decision making, and the use of machine learning has helped the industries, and for this reason, the implementation of Machine Learning (ML) methods contribute to the gain of results in the data automation and reliability. With this focus, this paper reports the application of ML classification and regression techniques to predict the production speed needed for the manufacture of coextruded materials, based on historical data provided To study this problem, consolidated ML techniques were chosen. The data was preprocessed and we used 12 machine learning techniques in the study of classification and regression models altogether, each one with distinct configurations. The first method aims to classify among historical values which the data base has to define the production speed and setup, and the second method aims to determine the approximate speed using the database as calculation source. The results were satisfactory, with emphasis on the Decision Trees and Random Forest techniques, which obtained an average accuracy rate of 77% and 78% in classification and 79% and 82% in regression, respectively.
format Trabalho de Conclusão de Curso (Graduação)
author Bomfim, Marlon Alves
author_sort Bomfim, Marlon Alves
title Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
title_short Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
title_full Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
title_fullStr Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
title_full_unstemmed Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
title_sort aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras
publisher Universidade Tecnológica Federal do Paraná
publishDate 2022
citation BOMFIM, Marlon Alves. Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras. 2021. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Produção) - Universidade Tecnológica Federal do Paraná, Londrina, 2021.
url http://repositorio.utfpr.edu.br/jspui/handle/1/27536
_version_ 1805301213734895616
score 10,814766

Registros relacionados