Previsão de parâmetros para máquina de pintura industrial usando machine learning

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorGonçalves, Cristhiane-
Autor(es): dc.contributorBaroncini, Virginia Helena Varotto-
Autor(es): dc.creatorSantos, Gustavo Ribeiro dos-
Autor(es): dc.creatorKoike, Leandro Shoiti-
Data de aceite: dc.date.accessioned2025-08-29T12:03:53Z-
Data de disponibilização: dc.date.available2025-08-29T12:03:53Z-
Data de envio: dc.date.issued2025-08-08-
Data de envio: dc.date.issued2025-08-08-
Data de envio: dc.date.issued2025-07-03-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37820-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1088320-
Descrição: dc.descriptionThis final project presents the development and implementation of an artificial intelligence-based system for predicting parameters of an industrial painting machine. The main objective is to optimize the painting process through the accurate prediction of critical variables, such as paint flow rates and equipment speeds, based on input characteristics of the material and the process. The methodology employed involved data preprocessing steps and the division of the dataset into training and testing sets. Subsequently, a Random Forest Regressor model was trained to handle the multioutput nature of the problem. Model performance evaluation was carried out using metrics such as R² (coefficient of determination), MAE (Mean Absolute Error), MSE (Mean Squared Error), and RMSE (Root Mean Squared Error), both for each individual output parameter and in an aggregated manner. The results demonstrate the model’s ability to satisfactorily predict various parameters with accuracy, highlighting the potential of artificial intelligence in improving efficiency and quality in industrial environments. To facilitate the practical application of the model, an interactive Streamlit interface was developed, which integrates the predictions with their respective confidence metrics and provides all detailed information for analysis. Thus, this work not only demonstrates the applicability of supervised learning algorithms for the prediction and control of critical parameters in painting lines, but also provides a practical and effective tool to support decision-making and increase efficiency and quality in industrial processes.-
Descrição: dc.descriptionEste trabalho de conclusão de curso apresenta o desenvolvimento e a implementação de um sistema baseado em inteligência artificial para a previsão de parâmetros de uma máquina de pintura industrial. O objetivo principal é otimizar o processo de pintura através da previsão precisa de variáveis críticas, como vazões de tinta e velocidades de equipamentos, a partir de características de entrada do material e do processo. A metodologia empregada envolveu as etapas de pré-processamento de dados e a divisão do conjunto de dados em treino e teste. Em seguida, um modelo de Random Forest Regressor foi treinado para lidar com a natureza multi-saída do problema. A avaliação do desempenho do modelo foi realizada por meio de métricas como R² (coeficiente de determinação), MAE (Erro Absoluto Médio), MSE (Erro Quadrático Médio) e RMSE (Raiz do Erro Quadrático Médio), tanto para cada parâmetro de saída individualmente quanto de forma agregada. Os resultados demonstram a capacidade do modelo em prever com acurácia satisfatória diversos parâmetros, evidenciando o potencial da inteligência artificial na melhoria da eficiência e qualidade em ambientes industriais. Para facilitar a aplicação prática do modelo, foi desenvolvida uma interface interativa em Streamlit, que integra as previsões com suas respectivas métricas de confiança e disponibiliza todas as informações detalhadas para análise. Dessa forma, este trabalho evidencia não só a aplicabilidade de algoritmos de aprendizado supervisionado para a previsão e controle de parâmetros críticos em linhas de pintura, mas também disponibiliza uma ferramenta prática e eficaz para suportar a tomada de decisões e aumentar a eficiência e qualidade em processos industriais.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Engenharia Elétrica-
Publicador: dc.publisherEngenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectPintura industrial-
Palavras-chave: dc.subjectEstimativa de parâmetros-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectPainting, Industrial-
Palavras-chave: dc.subjectParameter estimation-
Palavras-chave: dc.subjectArtificial intelligence-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Título: dc.titlePrevisão de parâmetros para máquina de pintura industrial usando machine learning-
Título: dc.titleParameter prediction for industrial painting machine using machine learning-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.