Aplicação de modelos de aprendizado de máquina para predição de variáveis de processos industriais: um estudo de caso em uma indústria petroquímica

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-5716-4968-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5212122361603572-
Autor(es): dc.contributorMartins, Marcella Scoczynski Ribeiro-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-5716-4968-
Autor(es): dc.contributorhttp://lattes.cnpq.br/5212122361603572-
Autor(es): dc.contributorGonçalves, Cristhiane-
Autor(es): dc.contributorhttps://orcid.org/0000-0002-3894-2971-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3935775322457150-
Autor(es): dc.contributorSantos, Max Mauro Dias-
Autor(es): dc.contributorhttps://orcid.org/0000-0001-7877-3554-
Autor(es): dc.contributorhttp://lattes.cnpq.br/6212006974231025-
Autor(es): dc.contributorSantos, Paulo Victor dos-
Autor(es): dc.contributorhttps://orcid.org/0009-0000-2948-3331-
Autor(es): dc.contributorhttp://lattes.cnpq.br/9100653716674793-
Autor(es): dc.creatorVieira, Claudio Adriano-
Data de aceite: dc.date.accessioned2025-08-29T12:30:04Z-
Data de disponibilização: dc.date.available2025-08-29T12:30:04Z-
Data de envio: dc.date.issued2024-12-12-
Data de envio: dc.date.issued2024-12-12-
Data de envio: dc.date.issued2024-11-24-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/35623-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1096515-
Descrição: dc.descriptionThis work presents the analysis of machine learning models applied to the prediction of variables in industrial processes. More specifically, different approaches are explored, including Linear Regression, Non-Linear Regression, Decision Tree Regression with the XBoost algorithm, Recurrent Neural Networks and the use of Long Short-Term Memory (LSTM). The research highlights the relevance and usefulness of these models in the context of system identification, providing a comprehensive overview of their characteristics, benefits, and limitations. The work emphasizes the importance of choosing the appropriate model based on the characteristics of the problem at hand and the available information. To validate the effectiveness of these models, detailed comparisons of their performance and results are presented. This comparative analysis allows for a better understanding of the advantages and disadvantages of each approach, thus enabling informed decisions when applying machine learning to system identification.-
Descrição: dc.descriptionEste trabalho apresenta a análise de modelos de aprendizado de máquina aplicados na predição de variáveis de processos industriais. Mais especificamente, são exploradas diferentes abordagens, incluindo Regressão Linear, Regressão Não Linear, Regressão baseada em Árvore de decisão com algoritmo XBoost e a utilização de Redes Neurais Recorrentes de Longa Memória (LSTM). A pesquisa destaca a relevância e a utilidade desses modelos no contexto de identificação de sistemas, fornecendo uma visão abrangente de suas características, benefícios e limitações. O trabalho enfatiza a importância de escolher o modelo apropriado com base nas características do problema em questão e nas informações disponíveis. Para validar a eficácia desses modelos, são apresentadas comparações detalhadas de seu desempenho e resultados. Essa análise comparativa permite compreender melhor as vantagens e desvantagens de cada abordagem e, assim, tomar decisões informadas ao aplicar aprendizado de máquina à identificação de sistemas.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Elétrica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectControle de processo-
Palavras-chave: dc.subjectIndústria petroquímica-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectProcess control-
Palavras-chave: dc.subjectPetroleum chemical industry-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA ELETRICA-
Palavras-chave: dc.subjectEngenharia/Tecnologia/Gestão-
Título: dc.titleAplicação de modelos de aprendizado de máquina para predição de variáveis de processos industriais: um estudo de caso em uma indústria petroquímica-
Título: dc.titleApplication of machine learning models for predicting process variables: a case study in a petrochemical industry-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.