Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing

Detalhes bibliográficos
Autor(a) principal: Palma, Diogo Alfieri, 1990-
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/1637317
Resumo: Orientador: Leonardo Tomazeli Duarte
id UNICAMP-30_bbb573e42386fc32392e8d4758ea2f35
oai_identifier_str oai::1094010
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processingAutomatic quality control systems based on pattern recognition and sparse signal processingControle de qualidadeCarta de controle de qualidadeAnálise de regressãoRedes neurais (Computação)Quality controlQuality control chartsRegression analysisNeural networks (Computer science)Orientador: Leonardo Tomazeli DuarteDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências AplicadasResumo: As cartas de controle representam uma importante ferramenta para a identificação de causas que afetam a estabilidade de processos. Os planos de ação que visam mitigar, corrigir e/ou prevenir a ocorrência dessas causas são fundamentais para a redução de custos e o aumento da lucratividade nas organizações. Nos últimos anos, diversos trabalhos foram realizados com o objetivo de identificar padrões em cartas de controle. Contudo, um número reduzido desses estudos consideraram cenários nos quais mais de uma fonte afeta um processo ao mesmo tempo. Nesse caso, uma mistura de dois ou mais padrões - também denominada carta de controle concorrente - é gerada. O presente trabalho empregou técnicas de aprendizado de máquina para a classificação de cartas de controle concorrentes, geradas sinteticamente a partir de padrões anômalos descritos na literatura. Após a geração das misturas sintéticas, duas estratégias de classificação foram adotadas com base em Redes Neurais Artificiais (RNAs). Na primeira, os dados brutos das cartas de controle alimentaram uma RNA. A segunda estratégia, por sua vez, partiu do pré-processamento dos dados, através da aplicação do método de regressão esparsa denominado Least Absolute Shrinkage and Selection Operator (LASSO). Após o pré-processamento, os coeficientes obtidos pela regressão esparsa foram utilizados como entradas em uma RNA. Os resultados obtidos corroboram o emprego do método LASSO como seletor de características nesse contexto. A estratégia de alimentação da RNA com coeficientes extraídos via LASSO obteve resultados similares à alimentação com dados brutos utilizando, porém, consideravelmente menos entradasAbstract: Control charts represent an important tool for identifying causes that affect process stability. Action plans that aim to mitigate, correct and/or prevent the occurrence of these causes are fundamental for reducing costs and increasing profitability in organizations. In recent years, several studies have been carried out to identify patterns in control charts. However, a small number of these studies have considered scenarios in which more than one source affects one process at a time. In this case, a mixture of two or more patterns - also called concurrent control chart - is generated. The present work employed machine learning techniques to classify concurrent control charts, generated synthetically from abnormal patterns described in the literature. After the generation of synthetic mixtures, two classification strategies were adopted based on Artificial Neural Networks (ANNs). In the first, the raw data from the control charts fed an ANN. The second strategy, on the other hand, started from data preprocessing, through the application of the sparse regression method called Least Absolute Shrinkage and Selection Operator (LASSO). Then, the coefficients obtained by sparse regression were used as ANN inputs. The results obtained corroborate the use of the LASSO method as a feature selector in this context. The feeding strategy of ANN with coefficients extracted via LASSO obtained similar results to raw data feeding and used considerably less inputsMestradoPesquisa Operacional e Gestão de ProcessosMestre em Engenharia de Produção e de Manufatura[s.n.]Duarte, Leonardo Tomazeli, 1982-Torezzan, CristianoPipa, Daniel RodriguesUniversidade Estadual de Campinas (UNICAMP). Faculdade de Ciências AplicadasPrograma de Pós-Graduação em Engenharia de Produção e de ManufaturaUNIVERSIDADE ESTADUAL DE CAMPINASPalma, Diogo Alfieri, 1990-20192019-08-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (50 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1637317PALMA, Diogo Alfieri. Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos: Automatic quality control systems based on pattern recognition and sparse signal processing. 2019. 1 recurso online (50 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas , Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637317. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1094010Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2019-10-17T15:38:02Zoai::1094010Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2019-10-17T15:38:02Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
Automatic quality control systems based on pattern recognition and sparse signal processing
title Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
spellingShingle Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
Palma, Diogo Alfieri, 1990-
Controle de qualidade
Carta de controle de qualidade
Análise de regressão
Redes neurais (Computação)
Quality control
Quality control charts
Regression analysis
Neural networks (Computer science)
title_short Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
title_full Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
title_fullStr Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
title_full_unstemmed Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
title_sort Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos : Automatic quality control systems based on pattern recognition and sparse signal processing
author Palma, Diogo Alfieri, 1990-
author_facet Palma, Diogo Alfieri, 1990-
author_role author
dc.contributor.none.fl_str_mv Duarte, Leonardo Tomazeli, 1982-
Torezzan, Cristiano
Pipa, Daniel Rodrigues
Universidade Estadual de Campinas (UNICAMP). Faculdade de Ciências Aplicadas
Programa de Pós-Graduação em Engenharia de Produção e de Manufatura
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Palma, Diogo Alfieri, 1990-
dc.subject.por.fl_str_mv Controle de qualidade
Carta de controle de qualidade
Análise de regressão
Redes neurais (Computação)
Quality control
Quality control charts
Regression analysis
Neural networks (Computer science)
topic Controle de qualidade
Carta de controle de qualidade
Análise de regressão
Redes neurais (Computação)
Quality control
Quality control charts
Regression analysis
Neural networks (Computer science)
description Orientador: Leonardo Tomazeli Duarte
publishDate 2019
dc.date.none.fl_str_mv 2019
2019-08-01T00:00:00Z
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 https://hdl.handle.net/20.500.12733/1637317
PALMA, Diogo Alfieri. Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos: Automatic quality control systems based on pattern recognition and sparse signal processing. 2019. 1 recurso online (50 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas , Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637317. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/1637317
identifier_str_mv PALMA, Diogo Alfieri. Sistemas automáticos de controle de qualidade baseados em reconhecimento de padrões e processamento de sinais esparsos: Automatic quality control systems based on pattern recognition and sparse signal processing. 2019. 1 recurso online (50 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Ciências Aplicadas , Limeira, SP. Disponível em: https://hdl.handle.net/20.500.12733/1637317. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1094010
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (50 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189150785536000

Registros relacionados