Predição de performance de cimentos compostos por meio da aplicação de redes neurais artificiais visando a garantia da qualidade

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorLoch, Gustavo Valentim, 1985--
Autor(es): dc.contributorMarques, Marcos Augusto Mendes-
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Engenharia de Produção-
Autor(es): dc.creatorMoriggi, Tacius-
Data de aceite: dc.date.accessioned2019-08-21T23:34:09Z-
Data de disponibilização: dc.date.available2019-08-21T23:34:09Z-
Data de envio: dc.date.issued2019-01-09-
Data de envio: dc.date.issued2019-01-09-
Data de envio: dc.date.issued2018-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/56194-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/56194-
Descrição: dc.descriptionOrientador: Prof. Dr. Gustavo Valentim Loch-
Descrição: dc.descriptionCoorientador: Prof. Dr. Marcos Augusto Mendes Marques-
Descrição: dc.descriptionDissertação (mestrado) - Universidade Federal do Paraná, Setor de Tecnologia, Programa de Pós-Graduação em Engenharia de Produção. Defesa : Curitiba, 24/05/2018-
Descrição: dc.descriptionInclui referências: p.118-125-
Descrição: dc.descriptionResumo: Avalia-se o resultado final de um processo produtivo a partir da aderência das características do produto aos requisitos de qualidade definidos por norma e necessidades específicas dos consumidores. Para que a avaliação não ocorra somente ao fim da produção, a aplicação de técnicas para auxiliar na avaliação de parâmetros ao longo do processo produtivo e identificação de possíveis desvios é importante. Para tal, é necessário que os dados disponíveis sejam transformados em informações úteis e com valor de decisão, tal que conclusões possam ser alcançadas em tempo hábil para manutenções e correções necessárias. Na produção de cimentos, e na consequente avaliação de qualidade, ocorre a verificação de características cujos intervalos de tempo entre sua análise e a disponibilização do resultado final são elevados. Nesse contexto o presente trabalho foi desenvolvido com o objetivo de predizer, por meio da aplicação das Redes Neurais Artificiais (RNAs), o resultado de resistência à compressão aos 28 dias dos cimentos produzidos, a partir de parâmetros do fluxo produtivo. As RNAs apresentam a habilidade de aprender, por meio de um mapeamento de dados de entrada (inputs) e de suas relações com o resultado de saída (output), a sintetizar e gerar respostas apropriadas para um conjunto de novos inputs. Os resultados encontrados definem um modelo preditivo de perfil conservador e de forte correlação com os dados observados. Constata-se a vantagem da metodologia desse estudo em problemas de predição, visto a consideração de uma pequena quantidade de amostras para a realização do treinamento e da validação e a qualidade e potencial dos resultados finais. Palavras-chave: modelo preditivo, redes neurais artificiais, resistência à compressão de cimentos, garantia de qualidade.-
Descrição: dc.descriptionAbstract: As a final result of a production process, it is important that the product meets the quality requirements defined by standards and specific customer needs. In order to verify the fulfillment of the requirements, the application of techniques to assist the evaluation of parameters throughout the production process and identification of possible deviations is important. Therefore, the available data needs to be transformed into useful information and decision value, so that conclusions can be reached in a timely manner for possible maintenance and corrections. In the cement production flow, and in the consequent quality evaluation, some variables whose time intervals between their analysis and the availability of its final result is significant are verified. For this reason, the present study was developed with the objective of predict, through the application of the Artificial Neural Networks (ANN), the result of compressive strength at 28 days for the produced cements regarding parameters from the productive flow. ANN have the ability to learn by mapping input data and their relationships with the output, as well as to synthesize and generate appropriate responses to a set of new inputs. The results define a predictive model with a conservative profile and with a strong correlation with the observed data, reinforcing the ability of this methodology to predictive problems, regarding the limitation of a small number of samples available for the training and the validation steps as well as the good and potential final results of this study. Key-words: predictive model, artificial neural network, ANN, cement compressive strength, quality assurance.-
Formato: dc.format143 p. : il. (algumas color.), grafs., tabs.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectCimento-
Palavras-chave: dc.subjectEngenharia de Produção-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectControle preditivo-
Palavras-chave: dc.subjectTeses-
Título: dc.titlePredição de performance de cimentos compostos por meio da aplicação de redes neurais artificiais visando a garantia da qualidade-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.