Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10773/33332 |
Resumo: | A crescente competitividade do mercado derivada, em grande parte, pela inovação tecnológica, impõe às empresas a necessidade de reformar o modus operandi tradicional e adotar um modelo enquadrado no paradigma da indústria 4.0. A otimização do controlo do processo produtivo através da informatização em tempo real integrada ao longo de todo o chão de fábrica traz benefícios ao nível do custo, da qualidade e da segurança. A análise de dados provenientes da sensorização dos equipamentos em paralelo com algoritmos de Machine Learning constitui o cerne da manutenção preditiva, tema desta dissertação. A manutenção periódica e reativa têm vindo a ser substituídas por intervenções proativas que asseguram a continuidade da produção e a redução de defeitos de fabrico. O trabalho pode ser dividido em três fases: instalação de um equipamento para monitorizar variáveis de funcionamento de máquinas de um centro de conformação plástica da Vista Alegre Atlantis SA; desenvolvimento de um modelo de manutenção preditiva que consiga detetar, antecipadamente, um comportamento irregular de funcionamento; elaboração de uma interface gráfica de visualização. O modelo foi obtido com recurso a algoritmos de aprendizagem supervisionada (árvores de decisão) e algoritmos de clustering (K-Means e DBSCAN), tendo servido como prova de conceito. |
id |
RCAP_43658cb9ef956f5dc1ac449724774bc9 |
---|---|
oai_identifier_str |
oai:ria.ua.pt:10773/33332 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SAManutenção preditivaMachine learningIndústria 4.0A crescente competitividade do mercado derivada, em grande parte, pela inovação tecnológica, impõe às empresas a necessidade de reformar o modus operandi tradicional e adotar um modelo enquadrado no paradigma da indústria 4.0. A otimização do controlo do processo produtivo através da informatização em tempo real integrada ao longo de todo o chão de fábrica traz benefícios ao nível do custo, da qualidade e da segurança. A análise de dados provenientes da sensorização dos equipamentos em paralelo com algoritmos de Machine Learning constitui o cerne da manutenção preditiva, tema desta dissertação. A manutenção periódica e reativa têm vindo a ser substituídas por intervenções proativas que asseguram a continuidade da produção e a redução de defeitos de fabrico. O trabalho pode ser dividido em três fases: instalação de um equipamento para monitorizar variáveis de funcionamento de máquinas de um centro de conformação plástica da Vista Alegre Atlantis SA; desenvolvimento de um modelo de manutenção preditiva que consiga detetar, antecipadamente, um comportamento irregular de funcionamento; elaboração de uma interface gráfica de visualização. O modelo foi obtido com recurso a algoritmos de aprendizagem supervisionada (árvores de decisão) e algoritmos de clustering (K-Means e DBSCAN), tendo servido como prova de conceito.The increasing market competivity that derives, mostly, from the continuous tecnhological inovation forces companies to retire their traditional modus operandi and to addopt a model of business integrated in the Industry 4.0 paradigm. Production process control optimization by means of real-time informatization of cyber-physical systems scattered along the shop floor brings benefits at the cost, quality and safety levels. Data analysis from equipment sensors in paralel with Machine Learning algorithms constitutes the core of Predictive Maintenance, main subject of this thesis. Periodic and reactive maintenance have lately been replaced with proactive interventions that assure production continuity and reduction of manufacturing defects. The work can be divided in three phases: installation of equipment to monitor operating variables of machines in a plastic forming center at Vista Alegre Atlantis SA; development of a predictive maintenance model that can detect, in advance, an irregular operating behavior; elaboration of a graphical visualization interface. The model was obtained using supervised learning algorithms (decision trees) and clustering algorithms (K-Means and DBSCAN), serving as proof of concept.2022-03-02T15:36:34Z2021-12-16T00:00:00Z2021-12-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10773/33332porDescalço, Luís Facãoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-22T12:04:05Zoai:ria.ua.pt:10773/33332Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T03:04:46.116254Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
title |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
spellingShingle |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA Descalço, Luís Facão Manutenção preditiva Machine learning Indústria 4.0 |
title_short |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
title_full |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
title_fullStr |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
title_full_unstemmed |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
title_sort |
Manutenção preditiva em centros de conformação na Vista Alegre Atlantis SA |
author |
Descalço, Luís Facão |
author_facet |
Descalço, Luís Facão |
author_role |
author |
dc.contributor.author.fl_str_mv |
Descalço, Luís Facão |
dc.subject.por.fl_str_mv |
Manutenção preditiva Machine learning Indústria 4.0 |
topic |
Manutenção preditiva Machine learning Indústria 4.0 |
description |
A crescente competitividade do mercado derivada, em grande parte, pela inovação tecnológica, impõe às empresas a necessidade de reformar o modus operandi tradicional e adotar um modelo enquadrado no paradigma da indústria 4.0. A otimização do controlo do processo produtivo através da informatização em tempo real integrada ao longo de todo o chão de fábrica traz benefícios ao nível do custo, da qualidade e da segurança. A análise de dados provenientes da sensorização dos equipamentos em paralelo com algoritmos de Machine Learning constitui o cerne da manutenção preditiva, tema desta dissertação. A manutenção periódica e reativa têm vindo a ser substituídas por intervenções proativas que asseguram a continuidade da produção e a redução de defeitos de fabrico. O trabalho pode ser dividido em três fases: instalação de um equipamento para monitorizar variáveis de funcionamento de máquinas de um centro de conformação plástica da Vista Alegre Atlantis SA; desenvolvimento de um modelo de manutenção preditiva que consiga detetar, antecipadamente, um comportamento irregular de funcionamento; elaboração de uma interface gráfica de visualização. O modelo foi obtido com recurso a algoritmos de aprendizagem supervisionada (árvores de decisão) e algoritmos de clustering (K-Means e DBSCAN), tendo servido como prova de conceito. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-12-16T00:00:00Z 2021-12-16 2022-03-02T15:36:34Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10773/33332 |
url |
http://hdl.handle.net/10773/33332 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137702683082752 |