Predição de valores em uma linha de montagem de injetores diesel : aplicação de Random Forest Regressor para seleção de componentes

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorWojciechowski, Jaime, 1965--
Autor(es): dc.contributorUniversidade Federal do Paraná. Setor de Educação Profissional e Tecnológica. Curso de Especialização em Inteligência Artificial Aplicada-
Autor(es): dc.creatorKiiller, Wellinthon da Silveira-
Data de aceite: dc.date.accessioned2025-09-01T11:02:30Z-
Data de disponibilização: dc.date.available2025-09-01T11:02:30Z-
Data de envio: dc.date.issued2023-10-23-
Data de envio: dc.date.issued2023-10-23-
Data de envio: dc.date.issued2022-
Fonte completa do material: dc.identifierhttps://hdl.handle.net/1884/84741-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/1884/84741-
Descrição: dc.descriptionOrientador: Prof. Dr. Jaime Wojciechowski-
Descrição: dc.descriptionMonografia (especialização) - Universidade Federal do Paraná, Setor de Educação Profissional e Tecnológica, Curso de Especialização em Inteligência Artificial Aplicada.-
Descrição: dc.descriptionInclui referências-
Descrição: dc.descriptionResumo: A busca por soluções para problemas em ambientes produtivos tem crescido cada vez mais nas indústrias de fabricação [1]. Em linhas de montagem com alto volume de produção, por exemplo, a detecção antecipada de anomalias ou desvios acelera a tomada de decisão e pode reduzir falhas e evitar custos com o retrabalho de peças. A rastreabilidade torna possível identificar corretamente cada uma das peças e compreender em qual fase da montagem ocorreu uma falha. Neste contexto, este documento tem como objetivo analisar os dados gerados por estações de trabalho em uma linha de montagem de injetores diesel e desenvolver um modelo de Machine Learning (ML) capaz de prever os valores de espessura para a arruela de ajuste de pressão, um dos diversos componentes dos injetores. Como resultado, obteve-se um modelo com valor de R2=0.997, MAE=3.946 mícrons, RMSE=5.935 mícrons e MSE=35.223 mícrons2, que destacam a eficiência do modelo na explicação dos dados observados.-
Formato: dc.format1 recurso online : PDF.-
Formato: dc.formatapplication/pdf-
Formato: dc.formatapplication/pdf-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectRastreabilidade-
Palavras-chave: dc.subjectBalanceamento de linha de montagem-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectSoftware - Desenvolvimento-
Título: dc.titlePredição de valores em uma linha de montagem de injetores diesel : aplicação de Random Forest Regressor para seleção de componentes-
Aparece nas coleções:Repositório Institucional - Rede Paraná Acervo

Não existem arquivos associados a este item.