Aplicação de técnicas de aprendizado de máquina para determinar a velocidade de produção em máquinas coextrusoras

• Autor(a) principal: Bomfim, Marlon Alves
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UTFPR (da Universidade Tecnológica Federal do Paraná (RIUT))
• Texto Completo: http://repositorio.utfpr.edu.br/jspui/handle/1/27536
• topic: CNPQ::ENGENHARIAS::ENGENHARIA DE PRODUCAO; Aprendizado do computador; Embalagens - Indústria; Filmes plásticos - Extrusão; Machine learning; Package goods industry; Plastic films - Extrusion

Devido à necessidade de se otimizar processos, recursos e decisões, as indústrias têm investido em sistemas de informação para reduzir erros e perdas em seus processos produtivos. Ter maior confiabilidade e precisão nas informações recebidas é vital na tomada de decisões, e a utilização de técnicas de aprendizado de máquina (do inglês, Machine Learning - ML) tem auxiliado as indústrias, e por este motivo, a implementação destes algoritmos contribuem para o ganho de resultados. Com este foco, este trabalho teve como objetivo, a aplicação de técnicas de ML de classificação e regressão para predizer a velocidade de produção necessária para a confecção de materiais coextrusados, com base em dados históricos fornecidos. Os dados foram pré-processados e ao todo foram utilizadas 12 técnicas de aprendizado de máquina no estudo de modelos de classificação e regressão, cada um com configurações distintas. O primeiro método buscou classificar entre os valores históricos que a base de dados tem para definição de velocidade de produção, e o segundo método visou determinar a velocidade aproximada usando a base de dados como fonte de cálculo. Os resultados foram satisfatórios, com destaque para as técnicas de Árvores de Decisão e Random Forest que obtiveram um índice médio de acurácia de 77% e 78% em classificação e 79% e 82% em regressão, respectivamente.