Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento (2021)
- Authors:
- USP affiliated author: SILVA, THIAGO HENRIQUE SEGRETO - EESC
- School: EESC
- Sigla do Departamento: SEM
- Subjects: MANUFATURA; USINAGEM; APRENDIZADO COMPUTACIONAL; VISÃO COMPUTACIONAL; ALGORITMOS; FALHAS COMPUTACIONAIS; ANÁLISE DE DESEMPENHO
- Keywords: Operação de rosqueamento; Deep learning
- Language: Português
- Abstract: Operação de rosqueamento é uma das mais comuns em ambientes industriais e se encontra no processo de manufatura de diversas classes de produtos. Para automação desse tipo de operação é fundamental uma etapa de previsão de falhas para evitar perdas de componentes. Mas existem diversas dificuldades a essa etapa devido às incertezas do ambiente industrial e da complexa dinâmica de rosqueamento. Essa última faz com que a modelagem do problema seja extremamente complicada e, muitas vezes, incompleta ou ineficiente. Como alternativa à modelagem clássica, os métodos de aprendizado de máquina têm o potencial de representar as características complexas da operação através da análise de dados experimentais. Deep learning é uma das áreas que vem ganhando espaço nesse cenário e já se provou extremamente eficaz em visão computacional e processamento de linguagem natural. Porém, seus modelos necessitam de uma grande quantidade de dados para obterem desempenho significativo, e aliado a dificuldade de extrair dados em operações de rosqueamento, novas estratégias de obtenção de dados são necessárias para aplicações práticas. Uma possível solução, é a geração de dados sintéticos a partir de dados reais pelo processo de data augmentation. Nesse contexto, este trabalho se propõe em analisar o desempenho de modelos de deep learning treinados em conjuntos de dados artificiais, e verificar o impacto de modelos de diferentes níveis de complexidade na previsão de falhas de rosqueamento.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2021
-
ABNT
SILVA, Thiago Henrique Segreto. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento. 2021. Trabalho de Conclusão de Curso (Graduação) – Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos, 2021. Disponível em: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf. Acesso em: 26 abr. 2024. -
APA
Silva, T. H. S. (2021). Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento (Trabalho de Conclusão de Curso (Graduação). Escola de Engenharia de São Carlos, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf -
NLM
Silva THS. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento [Internet]. 2021 ;[citado 2024 abr. 26 ] Available from: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf -
Vancouver
Silva THS. Análise de desempenho de modelos de Deep Learning para previsão de falhas em operações de rosqueamento [Internet]. 2021 ;[citado 2024 abr. 26 ] Available from: https://bdta.abcd.usp.br/directbitstream/b1f58395-132f-40a1-aac2-b7c6d7b50af5/Silva_Segreto_Thiago_Henrique_tcc.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Silva_Segreto_Thiago_Henr... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
