Aplicação de metodologias estatísticas e machine learning para validação de analisadores contínuos para indústria de celulose

• Autor(a) principal: Gomes , Larissa Vieira
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UNIPAMPA
• Texto Completo: http://dspace.unipampa.edu.br:8080/jspui/handle/riu/5756
• topic: CNPQ::ENGENHARIAS; Indústria 4.0; Celulose; Estatística; Analisadores virtuais; Machine Learning; Python; Industry 4.0; Pulp; Statistics; Soft Sensors

Ferramentas computacionais são cada vez mais comuns no cotidiano de cientistas e engenheiros, uma vez que permitem a análise sistemática de grandes quantidades de dados de forma rápida. A qualidade dos dados interfere drasticamente na tomada de decisões, se tornando essencial para uma boa gestão industrial. Na indústria de papel e celulose, a coleta de dados pode ser fator de risco ao trabalhador ao realizar medições durante atividades, como a colheita florestal, o cozimento da madeira e secagem da polpa. Ainda, os dados obtidos em laboratório estão sujeitos a variações e erros. Isto posto, a utilização de sensores e medidores automáticos além de agregarem mais segurança ao processo produtivo, reduzem custos e aumentam a produtividade, confiabilidade e qualidade dos dados. O objetivo desse trabalho é validar instrumentos de medição on-line utilizando metodologias estatísticas e um modelo de Machine Learning (Regressão Linear, Árvores de decisão, Florestas Aleatórias) para obtenção das medições laboratoriais através dos dados dos instrumentos. A implementação das metodologias estatísticas foi realizada por meio da linguagem Python para a análise de dados e construção do analisador virtual através de Machine Learning. Os resultados estatísticos se mostraram satisfatórios, com alguns erros espúrios. Já o analisador virtual construído, apresentou resultados de predição pouco representativos, com R² de 62,3% após otimização, necessitando maior quantidade de dados para resultados estatisticamente satisfatórios.