Exportar registro bibliográfico

Secagem de areia em leito fluidizado: análise de dados e modelagem prescritiva por meio de algoritmos de aprendizado de máquina (2021)

  • Authors:
  • USP affiliated author: DANTAS, GABRIEL ALENCAR SILVA ALMEIDA - EP
  • School: EP
  • Sigla do Departamento: PMI
  • Subjects: SECAGEM; AREIA; INTELIGÊNCIA ARTIFICIAL; INDÚSTRIA 4.0
  • Language: Português
  • Abstract: A constante busca por garantia de qualidade dos processos, associada à redução de custos, prevenção de defeitos, redução de falhas, redução do tempo de resposta às variações do processo, aumentou o interesse das empresas para os adventos da indústria 4.0. A quarta revolução industrial é caracterizada pelo uso de sistemas computacionais para atender as demandas da indústria de tornar a produção cada vez mais ágil e dinâmica e melhorar a eficiência dos processos. A inteligência artificial tem realizado um papel importante nesse cenário, fornecendo ferramentas para ajudar nas tomadas de decisões, diminuindo a intervenção humana dos processos e os tornando mais produtivos. A secagem de areia é um processo custoso e com grande contribuição nas emissões na produção da areia industrial. Um controle eficiente nesse processo implica em redução de consumo de combustível por tonelada alimentada e evita a saída de areia úmida do processo. Este trabalho, diante desse contexto, visa criar um modelo prescritivo baseado no aprendizado de máquina que possa sugerir a carga de gás do queimador de modo que reduza o consumo de gás por tonelada alimentada sem perda de qualidade. Para atingir este objetivo foi utilizado técnicas de tratamento de dados, tais como detecção de outliers, substituição dos valores faltantes por interpolação e normalização dos dados. Os modelos de Random Florest, Multi-Layer Perception e Gradient Boosting foram implementados em Python para avaliar a assertividade de cada modelo frente ao conjunto de dados. Como resultado, os modelos apresentaram boa assertividade de carga do queimador, com R² entre 0,88 e 0,92, e a aplicação dos modelos de inteligência artificial se mostrou viável para aplicação nesse processo.
  • Imprenta:

  • Download do texto completo

    Tipo Nome Link
    Versão PublicadaGabrielAlencarSilvaAlmeid...Direct link
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      DANTAS, Gabriel Alencar Silva Almeida. Secagem de areia em leito fluidizado: análise de dados e modelagem prescritiva por meio de algoritmos de aprendizado de máquina. 2021. Trabalho de Conclusão de Curso (Graduação) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2021. Disponível em: https://repositorio.usp.br/directbitstream/65979fd0-5aeb-4229-815a-a6dd6d8c744e/GabrielAlencarSilvaAlmeidaDantas%20%20PMI21.pdf. Acesso em: 04 dez. 2022.
    • APA

      Dantas, G. A. S. A. (2021). Secagem de areia em leito fluidizado: análise de dados e modelagem prescritiva por meio de algoritmos de aprendizado de máquina (Trabalho de Conclusão de Curso (Graduação). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://repositorio.usp.br/directbitstream/65979fd0-5aeb-4229-815a-a6dd6d8c744e/GabrielAlencarSilvaAlmeidaDantas%20%20PMI21.pdf
    • NLM

      Dantas GASA. Secagem de areia em leito fluidizado: análise de dados e modelagem prescritiva por meio de algoritmos de aprendizado de máquina [Internet]. 2021 ;[citado 2022 dez. 04 ] Available from: https://repositorio.usp.br/directbitstream/65979fd0-5aeb-4229-815a-a6dd6d8c744e/GabrielAlencarSilvaAlmeidaDantas%20%20PMI21.pdf
    • Vancouver

      Dantas GASA. Secagem de areia em leito fluidizado: análise de dados e modelagem prescritiva por meio de algoritmos de aprendizado de máquina [Internet]. 2021 ;[citado 2022 dez. 04 ] Available from: https://repositorio.usp.br/directbitstream/65979fd0-5aeb-4229-815a-a6dd6d8c744e/GabrielAlencarSilvaAlmeidaDantas%20%20PMI21.pdf

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

    Digital Library of Academic Works of Universidade de São Paulo     2012 - 2022