Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.unipampa.edu.br/jspui/handle/riu/9300| Tipo: | Trabalho de Conclusão de Curso |
| Título : | Estudo da aplicação de técnicas de análise de dados e Machine Learning em uma indústria de arroz parboilizado : manutenção preditiva e estudo de falhas em uma caldeira |
| Autor(es): | Leites, Lucas Ribeiro Lopes |
| Primeiro Orientador: | Arruda, Alexandre Denes |
| 1° Membro da banca: | Arruda, Alexandre Denes |
| 2° Membro da banca: | Apio, Andressa |
| 3° Membro da banca: | Rodrigues, Rodolfo |
| Resumo: | A ascensão da Indústria 4.0 e suas tecnologias junto ao Big Data trazem consigo diversas oportunidades para a indústria. Aliados a isso, a Análise de Dados e a Machine Learning utilizam desses grandes volumes de dados gerados para auxiliar nas tomadas de decisão. Apesar da ascendência da Indústria 4.0, a realidade brasileira mostra que a maioria das indústrias não estão prontas para essa mudança e são caracterizadas em sua maioria como Indústrias 2.0. Nesse sentido, uma indústria de beneficiamento de arroz apresentou-se promissora para fins de estudo devido suas diversas áreas e geração de dados, por isso, o objetivo do presente trabalho é o estudo da aplicação de técnicas de Análise de Dados e Machine Learning através da linguagem de programação Python em uma indústria de beneficiamento de arroz na Região da Campanha que possui características de uma Indústria 3.0. A área selecionada como objeto de estudo para aplicações das técnicas mencionadas é a de uma caldeira mista que apresenta coleta de dados pela própria empresa de hora em hora através de anotações em planilhas impressas e uma recorrência alta de falhas. A partir disso, os dados são digitalizados através do Microsoft Excel e estudados através da plataforma Jupyter Notebook. As técnicas de Análise de Dados e Machine Learning possuem finalidade de efetuar um estudo de falhas da caldeira e posteriormente uma classificação dessas falhas, somado a isso, efetuar um estudo de manutenção preditiva através da predição da vida útil remanescente da caldeira. Para isso, é utilizado Regressão Linear, XGBoost Regressor e Florestas Aleatórias Classificador e Regressor. Os resultados obtidos neste estudo mostram a validade de trabalhar com Análise de Dados em uma Indústria 3.0 para compreender o processo da caldeira, suas falhas e o comportamento das variáveis de processo perante a algumas das falhas apresentadas. Em contrapartida, acredita-se que as adversidades encontradas nos dados fazem com que os algoritmos de Machine Learning para classificação das condições de falhas e predição da vida útil remanescente não obterem bons resultados. |
| Resumen : | The rise of Industry 4.0 and its technologies along with Big Data bring with them many opportunities for industry. Allied to this, Data Analysis and Machine Learning use these large volumes of data generated to assist in decision making. Despite the ascendancy of Industry 4.0, the Brazilian reality shows that most industries are not ready for this change and are mostly characterized as Industry 2.0. In this sense, a rice processing industry presented itself as promising for study purposes due to its several areas and data generation, therefore, the objective of this paper is to study the application of Data Analysis and Machine Learning techniques through Python programming language in a rice processing industry in Campanha Region that has characteristics of an Industry 3.0. The area selected as the object of study for the application of the mentioned techniques is a mixed boiler that presents data collection by the company itself every hour through annotations on printed spreadsheets and a high recurrence of failures. From this, the data is digitized through Microsoft Excel and studied using the Jupyter Notebook platform. The Data Analysis and Machine Learning techniques are intended to perform a study of boiler failures and then a classification of these failures, in addition to this, to perform a predictive maintenance study by predicting the remaining life of the boiler. For this, Linear Regression, XGBoost Regressor and Random Forests Classifier and Regressor are used. The results obtained in this study show the validity of working with Data Analysis in an Industry 3.0 to understand the boiler process, its failures and the behavior of process variables in the face of some of the faults presented. On the other hand, it is believed that the adversities found in the data make the Machine Learning algorithms for classification of fault conditions and prediction of remaining useful life do not obtain good results. |
| Palabras clave : | Análise de Dados Machine Learning Caldeira Indústria de arroz Indústria 4.0 Manutenção preditiva Estudo de falhas Data Analysis Machine Learning Boiler Rice industry Predictive maintenance Failure study |
| CNPQ: | CNPQ::ENGENHARIAS |
| Idioma: | por |
| metadata.dc.publisher.country: | Brasil |
| Editorial : | Universidade Federal do Pampa |
| Sigla da Instituição: | UNIPAMPA |
| Campus: | Campus Bagé |
| Citación : | LEITES, Lucas Ribeiro Lopes. Estudo da aplicação de técnicas de análise de dados e Machine Learning em uma indústria de arroz parboilizado : manutenção preditiva e estudo de falhas em uma caldeira. 2023. 116f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Universidade Federal do Pampa, Campus Bagé, Bagé, 2023. |
| Tipo de acesso: | Acesso Aberto |
| URI : | https://repositorio.unipampa.edu.br/jspui/handle/riu/9300 |
| Fecha de publicación : | 10-feb-2023 |
| Aparece en las colecciones: | Engenharia Química |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| TCC___Lucas_Ribeiro_Lopes_Leites.pdf | 4.2 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.