Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Martins, Marcella Scoczynski Ribeiro | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-5716-4968 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5212122361603572 | - |
Autor(es): dc.contributor | Martins, Marcella Scoczynski Ribeiro | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-5716-4968 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/5212122361603572 | - |
Autor(es): dc.contributor | Gonçalves, Cristhiane | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-3894-2971 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/3935775322457150 | - |
Autor(es): dc.contributor | Santos, Max Mauro Dias | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-7877-3554 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/6212006974231025 | - |
Autor(es): dc.contributor | Santos, Paulo Victor dos | - |
Autor(es): dc.contributor | https://orcid.org/0009-0000-2948-3331 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9100653716674793 | - |
Autor(es): dc.creator | Vieira, Claudio Adriano | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:30:04Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:30:04Z | - |
Data de envio: dc.date.issued | 2024-12-12 | - |
Data de envio: dc.date.issued | 2024-12-12 | - |
Data de envio: dc.date.issued | 2024-11-24 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35623 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1096515 | - |
Descrição: dc.description | This 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.description | Este 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.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Ponta Grossa | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Aprendizado do computador | - |
Palavras-chave: dc.subject | Controle de processo | - |
Palavras-chave: dc.subject | Indústria petroquímica | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Process control | - |
Palavras-chave: dc.subject | Petroleum chemical industry | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Palavras-chave: dc.subject | Engenharia/Tecnologia/Gestão | - |
Título: dc.title | Aplicação de modelos de aprendizado de máquina para predição de variáveis de processos industriais: um estudo de caso em uma indústria petroquímica | - |
Título: dc.title | Application of machine learning models for predicting process variables: a case study in a petrochemical industry | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: