Estudo Big-data da influência dos parâmetros do tratamento térmico na qualidade da peça na Renault

• Autor(a) principal: Santos, Bruno Rafael Reis dos
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/41092
• topic: Big data; Análise de dados; Machine learning; Tratamento térmico; SCADA; Digital twin

Nos dias de hoje, com o crescimento da indústria, as empresas tendem a ser cada vez mais competitivas com o objetivo de obter um produto com melhor qualidade, menor desperdício a um menor preço. Para que isso seja possível, têm sofrido uma enorme evolução a nível da digitalização e da automação, com otimização das operações e obtenção de informações detalhadas dos processos. Com a crescente quantidade de dados gerados e elevada diversidade e velocidade surgiu o conceito de Big Data. Tendo em conta que estes conjuntos de dados excedem a capacidade típica de armazenamento, processamento e computação de bancos de dados convencionais e as técnicas de análise de dados anteriormente utilizadas são ineficientes, são necessárias ferramentas e métodos que possam ser aplicados para analisar e extrair padrões de dados de grande escala. Deste modo surge a necessidade da utilização de tecnologias avançadas para o processamento dos dados como a computação em nuvem, Machine Learning e inteligência artificial. Assim, com os novos métodos de análise passou a ser possível detetar problemas, as causas destes e encontrar as melhores soluções de maneira mais rápida e eficaz, contribuído positivamente para a produtividade e qualidade dos processos. De modo a fazer face ao problema existente da ocorrência de peças não conformes, o presente projeto, tem como principal objetivo, a utilização dos dados previamente obtidos aquando dos tratamentos térmicos para analisar quais os parâmetros influentes e qual o seu impacto na qualidade da peça relativamente à análise do laboratório. Posteriormente a elaboração de algoritmos Machine Learning permitirá fazer controlo preditivo e prever tendências ou possíveis falhas que possam resultar em defeitos e deste modo, ser possivel tomar as devidas precauções e ajustes no processo para evitar crises e reduzir a quantidade de peças defeituosas. O projeto iniciou-se com o tratamento dos dados históricos, seguido das análises, que permitiram identificar que os parâmetros com maior influência na qualidade das peças são o potencial de carbono, o propano, a temperatura da têmpera, o tempo de enriquecimento e a temperatura do forno. Posteriormente com a elaboração dos algoritmos Machine Learning foi possível fazer algumas previsões do resultado final das peças. No final calculou-se quais seriam as poupanças que resultariam da implementação dos algoritmos com as análises no qual resultou uma redução de 72% equivalente a 38k€.