Predição da rigidez à flexão do papelcartão, empregando técnicas de data mining e machine learning (2024)
- Authors:
- Autor USP: AGOSTINI, LEANDRO PENATTI - EP
- Unidade: EP
- DOI: 10.11606/003275252
- Subjects: APRENDIZADO COMPUTACIONAL; INTERNET DAS COISAS; BIG DATA; MINERAÇÃO DE DADOS; INTELIGÊNCIA ARTIFICIAL
- Language: Português
- Abstract: O assunto desenvolvido neste trabalho acadêmico está relacionado à Indústria e Produção de Papelcartão. Uma das principais características deste produto é sua rigidez à flexão. A produção de papelcartão é contínua e impossibilita a realização da medição de rigidez durante o processo produtivo, já que para se conhecer esta resultante, é necessário a coleta de amostras físicas e medição em laboratório com equipamento específico. O uso de dados históricos de todos os parâmetros de máquina registrados, atrelado à identificação de comportamentos e padrões pode predizer os valores de rigidez sem a necessidade de coletar amostras físicas de papelcartão, o que possibilitaria melhor controle da qualidade do produto, redução de desperdícios, economia de custos com matéria prima e flexibilização de atividades tanto da área de operações quanto da área de controle da qualidade. Foram avaliados diferentes algoritmos de aprendizado de máquina para prever a rigidez do papelcartão em tempo real. Os resultados mostram que o modelo Redes Neurais obteve o melhor desempenho com um MSE de 0,0350, MAE de 0,1038 e r² de 0,9668 e os modelos Random Forest e KNN obtiveram excelente precisão. O Random Forest, por exemplo, apresentou um MSE de 1,6976, MAE de 0,5669 e r² de 0,9807, enquanto o KNN obteve um MSE de 1,7161, MAE de 0,5858 e r² de 0,9805. Esses valores refletem a capacidade dos modelos de capturar com precisão a rigidez do papelcartão com base em dados de processo, revelando sua potencial aplicação para controle de qualidade em ambientes produtivos contínuos. A aplicação do algoritmo utilizando Redes Neurais, permite ação preventiva dos operadores antes que os parâmetros de qualidade do produto ultrapassem seus limites de especificação, além de viabilizar a identificação e remoção de materiais não conformes, garantindo que apenas produtos dentro dos padrões sejam enviados aos clientes.
- Imprenta:
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
AGOSTINI, Leandro Penatti. Predição da rigidez à flexão do papelcartão, empregando técnicas de data mining e machine learning. 2024. Trabalho de Conclusão de Curso (Especialização) – Escola Politécnica, Universidade de São Paulo, São Paulo, 2024. Disponível em: https://doi.org/10.11606/003275252. Acesso em: 08 abr. 2026. -
APA
Agostini, L. P. (2024). Predição da rigidez à flexão do papelcartão, empregando técnicas de data mining e machine learning (Trabalho de Conclusão de Curso (Especialização). Escola Politécnica, Universidade de São Paulo, São Paulo. Recuperado de https://doi.org/10.11606/003275252 -
NLM
Agostini LP. Predição da rigidez à flexão do papelcartão, empregando técnicas de data mining e machine learning [Internet]. 2024 ;[citado 2026 abr. 08 ] Available from: https://doi.org/10.11606/003275252 -
Vancouver
Agostini LP. Predição da rigidez à flexão do papelcartão, empregando técnicas de data mining e machine learning [Internet]. 2024 ;[citado 2026 abr. 08 ] Available from: https://doi.org/10.11606/003275252
Informações sobre o DOI: 10.11606/003275252 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
LEANDRO_PENATTI_AGOSTINI.... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
