DC Field | Value | Language |
dc.contributor.advisor | Barbalho, Sanderson César Macêdo | - |
dc.contributor.author | Rosa, Roberto Canedo | - |
dc.date.accessioned | 2020-07-01T19:43:16Z | - |
dc.date.available | 2020-07-01T19:43:16Z | - |
dc.date.issued | 2020-07-01 | - |
dc.date.submitted | 2020-02-10 | - |
dc.identifier.citation | ROSA, Roberto Canedo. Aprendizagem de máquina aplicada à predição do tempo de fabricação de novos produtos: um estudo exploratório com foco no tipo de material utilizado em empresa de produção mecatrônica da área médica e espacial. 2020. 91 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2020. | pt_BR |
dc.identifier.uri | https://repositorio.unb.br/handle/10482/38675 | - |
dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020. | pt_BR |
dc.description.abstract | A indústria 4.0 é um projeto estratégico que combina inúmeras tecnologias com o intuito de
transformar as cadeias de valor da indústria, da produção e dos modelos de negócio. Realizar
estimativas e prever eventos futuros incorrem em desafios confrontados pela quarta revolução
industrial. Predizer o lead-time total de fabricação de um produto ou componente na indústria
torna-se uma atividade crítica e vital para um ambiente de grande competitividade enfrentado
por um mercado altamente globalizado e direcionado para a inovação. O trabalho proposto
apresenta um estudo com foco em predizer o lead-time total de fabricação de peças e
componentes de novos produtos de uma empresa com produção mecatrônica na área de
equipamentos médicos e espaciais. A análise preditiva e o aprendizado de máquina através
dos algoritmos de Redes Neurais Artificiais (RNA), Support Vector Machine (SVM) e
Random Forest (RF) delinearam a metodologia aplicada no estudo. Os modelos de predição
foram aplicados em um conjunto de dados de ordens de serviço da empresa, e os resultados
mostraram a eficiência do método na estimativa do lead-time total de fabricação. Os melhores
resultados apresentaram uma taxa de acerto acima de 87% e com um erro médio absoluto
menor que um (1) dia para a fabricação com o material alumínio 6061. | pt_BR |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | pt_BR |
dc.language.iso | Português | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.title | Aprendizagem de máquina aplicada à predição do tempo de fabricação de novos produtos : um estudo exploratório com foco no tipo de material utilizado em empresa de produção mecatrônica da área médica e espacial | pt_BR |
dc.type | Dissertação | pt_BR |
dc.subject.keyword | Aprendizagem de máquina | pt_BR |
dc.subject.keyword | Produção mecatrônica | pt_BR |
dc.subject.keyword | Lead time | pt_BR |
dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | pt_BR |
dc.description.abstract1 | Industry 4.0 is a strategic project that combines numerous technologies in order to transform
the value chains of industry, production and business models. Making estimates and
predicting future events face challenges faced by the fourth industrial revolution. Predicting
the total lead time for manufacturing a product or component in the industry becomes a
critical and vital activity for a highly competitive environment faced by a highly globalized
and innovation-driven market. The proposed work presents a study aimed at predicting the
total lead time of manufacturing parts and components for new products of a company with
mechatronic production in the area of medical and space equipment. Predictive analysis and
machine learning through Artificial Neural Network (RNA), Support Vector Machine (SVM)
and Random Forest (RF) algorithms outlined the methodology applied in the study. The
prediction models were applied to a dataset of the company's work orders, and the results
showed the efficiency of the method in estimating the total lead time of manufacture. The best
results showed a hit rate above 87% and with an average absolute error less than one (1) day
for manufacturing with 6061 aluminum material. | pt_BR |
dc.description.unidade | Faculdade de Tecnologia (FT) | pt_BR |
dc.description.unidade | Departamento de Engenharia Mecânica (FT ENM) | pt_BR |
dc.description.ppg | Programa de Pós-Graduação em Sistemas Mecatrônicos | pt_BR |
Appears in Collections: | Teses, dissertações e produtos pós-doutorado
|