Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores

Detalhes bibliográficos
Autor(a) principal: Menegol, Marcelo Sousa
Data de Publicação: 2016
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/171524
Resumo: TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
id UFSC_1d190788310658448a163846a79ac1b9
oai_identifier_str oai:repositorio.ufsc.br:123456789/171524
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaMenegol, Marcelo SousaStemmer, Marcelo RicardoRosseto, João Paulo2016-12-14T12:26:39Z2016-12-14T12:26:39Z2016-12-14https://repositorio.ufsc.br/xmlui/handle/123456789/171524TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.Técnicas de inteligência artificial têm sido amplamente usadas no mundo inteiro para resolver os mais variados problemas. Um problema muito comum é o de se prever o comportamento de sistemas, e existem abordagens de Machine Learning muito apropriadas para lidar com estes tipos de problema. O prognóstico de variáveis de interesse em ensaios de desempenho de compressores de refrigeração é um desses problemas, e redes neurais é uma das abordagens usadas. Várias pesquisas já comprovaram que sistemas neurais podem fazer o prognóstico de grandezas como: capacidade de refrigeração, consumo energético e coeficiente de desempenho. O prognóstico feito, em testes, tem uma taxa de erro baixa o suficiente para ser utilizado em ensaios reais de compressores. Estes sistemas de prognósticos, assim, reduzem o tempo dos ensaios (de 4 ou 5 horas para cerca de 1 hora), levando a ganhos de produtividade muito significativos na indústria. Mesmo que ganhos já tenham sido alcançados, a busca incessante por soluções ainda melhores não para. O sistema utilizado atualmente pela Embraco emprega um comitê de redes neurais para realizar este prognóstico. Este trabalho propõe e testa outras formas diferentes de se combinar a resposta dos integrantes deste comitê para se obter o prognóstico do valor final dos ensaios. Além disso, uma outra abordagem, baseada em redes neurais recorrentes, é proposta e testada. Para se criar este novo sistema, além das próprias redes neurais treinadas, utiliza-se técnicas de "clusterização"para se classificar e organizar os dados utilizados para o treinamento das redes neurais.Artificial intelligence techniques have been broadly used world-wide to solve various problems. A very common problem is the one to predict the behaviour of systems, and there are various Machine Learning approaches that are appropriate to deal with such problems. The prognosis of interest variables in performance tests of refrigeration compressors is one of those problems, and recurrent neural networks is one of the approaches used. Various researches have proven that neural systems can do the prognosis of variables such as: refrigeration capacity, energy consumption and performance coefficient. The prognosis done, in tests, have an error rate low enough to be used in real compressors’ tests. These prognosis’ systems reduce the tests’ time (from 4 or 5 hours to around 1 hour), leading to very significant productivity gains in the industry. Although those gains have been reached, the incessant search for even better solutions doesn’t stop. The system currently used at Embraco uses an ensemble of neural networks to do the prognosis. This work proposes and tests different ways of combining the result given by the members of this ensemble in order to obtain the prognosis of the final value of the tests. Moreover, another approach, based on recurrent neural networks, is proposed and tested. To create this new system, besides the trained neural networks, clustering techniques are used to classify and organize the data used to train the neural networks.56 f.Florianópolis, SC.Redes Neurais Recorrentes;Compressores;Prognóstico;Refrigeração.Recurrent Neural Networks;Compressor; Refrigeration;Prognosis.Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressoresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPFC-20152-MarceloSousaMenegol.pdfPFC-20152-MarceloSousaMenegol.pdfapplication/pdf1717511https://repositorio.ufsc.br/bitstream/123456789/171524/1/PFC-20152-MarceloSousaMenegol.pdfe38fd5373c2aa0be415a3e04b5c6abc7MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/171524/2/license.txt11ee89cd31d893362820eab7c4d46734MD52123456789/1715242016-12-14 10:26:39.442oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732016-12-14T12:26:39Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
title Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
spellingShingle Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
Menegol, Marcelo Sousa
Redes Neurais Recorrentes;Compressores;Prognóstico;Refrigeração.
Recurrent Neural Networks;Compressor; Refrigeration;Prognosis.
title_short Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
title_full Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
title_fullStr Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
title_full_unstemmed Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
title_sort Técnicas de Inteligência Artificial para Inferência e Prognóstico em Ensaios de Compressores
author Menegol, Marcelo Sousa
author_facet Menegol, Marcelo Sousa
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Menegol, Marcelo Sousa
dc.contributor.advisor1.fl_str_mv Stemmer, Marcelo Ricardo
dc.contributor.advisor-co1.fl_str_mv Rosseto, João Paulo
contributor_str_mv Stemmer, Marcelo Ricardo
Rosseto, João Paulo
dc.subject.por.fl_str_mv Redes Neurais Recorrentes;Compressores;Prognóstico;Refrigeração.
Recurrent Neural Networks;Compressor; Refrigeration;Prognosis.
topic Redes Neurais Recorrentes;Compressores;Prognóstico;Refrigeração.
Recurrent Neural Networks;Compressor; Refrigeration;Prognosis.
description TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia de Controle e Automação.
publishDate 2016
dc.date.accessioned.fl_str_mv 2016-12-14T12:26:39Z
dc.date.available.fl_str_mv 2016-12-14T12:26:39Z
dc.date.issued.fl_str_mv 2016-12-14
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/xmlui/handle/123456789/171524
url https://repositorio.ufsc.br/xmlui/handle/123456789/171524
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 56 f.
dc.publisher.none.fl_str_mv Florianópolis, SC.
publisher.none.fl_str_mv Florianópolis, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/171524/1/PFC-20152-MarceloSousaMenegol.pdf
https://repositorio.ufsc.br/bitstream/123456789/171524/2/license.txt
bitstream.checksum.fl_str_mv e38fd5373c2aa0be415a3e04b5c6abc7
11ee89cd31d893362820eab7c4d46734
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766804942354382848

Registros relacionados