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.creator | Casasolla, Jian Rodrigo | - |
Autor(es): dc.creator | Tito, Ana Letícia Lopes | - |
Autor(es): dc.creator | Pastro, Cristian Roberto | - |
Autor(es): dc.creator | Teixeira, Marcelo | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:54:03Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:54:03Z | - |
Data de envio: dc.date.issued | 2022-11-22 | - |
Data de envio: dc.date.issued | 2022-11-22 | - |
Data de envio: dc.date.issued | 2021-11-17 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/30150 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1103876 | - |
Descrição: dc.description | Automotive paint automation is a delicate process, consisting of multiple steps that neatly apply sensitive layers of painting to vehicles. Each layer has a particular purpose that is initially linked to protection and, finally, defines the final visual aspects. Due to the interdependence among paint layers, errors in internal layers often compromise subsequent layers. Thus, at the time the vehicle passes though the quality inspection, at the end of the process, it may be rejected for not complying with the required standards, being sent for rework. This article presents a data science approach to identifying patterns in the automotive painting process that could result in poor final product formation. The approach is implemented using the Google Collaborative tool, with libraries for the Python language, and applied to a real database of a painting process. Results show that it is possible to anticipate the control system performance patterns that have less probability of failure in the inspection process. | - |
Descrição: dc.description | A automação da pintura automotiva é um processo delicado, composto por múltiplas etapas que, ordenadamente, aplicam camadas sensíveis de pintura na carroceria do veículo. Cada camada possui um propósito particular que, inicialmente, é atrelado à proteção e, por fim, define os aspectos visuais finais. Devido à interdependência entre as camadas de pintura, erros em camadas internas em geral comprometem as camadas subsequentes. Com isso, no momento em que o veículo passar pela inspeção de qualidade, ao final do processo, este poderá ser reprovado por não estar de acordo com os padrões exigidos, sendo enviado para retrabalho. Este artigo apresenta uma abordagem de ciência de dados para identificar padrões no processo de pintura automotiva, que possam resultar em má formação do produto final. A abordagem é implementada usando a ferramenta Google Colaboratory, com bibliotecas para a linguagem Python, e aplicada sobre uma base de dados reais de um processo de pintura. Resultados mostram que é possível antecipar ao sistema de controle padrões de atuação com menor probabilidade de falha de inspeção. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Dois Vizinhos | - |
Publicador: dc.publisher | Brasil | - |
Relação: dc.relation | Congresso Brasileiro de Engenharia de Produção | - |
Relação: dc.relation | https://aprepro.org.br/conbrepro/2021/anais/ | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | Attribution-ShareAlike 4.0 International | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-sa/4.0/ | - |
Palavras-chave: dc.subject | Automação | - |
Palavras-chave: dc.subject | Banco de dados | - |
Palavras-chave: dc.subject | Python (Linguagem de programação de computador) | - |
Palavras-chave: dc.subject | Automation | - |
Palavras-chave: dc.subject | Data bases | - |
Palavras-chave: dc.subject | Python (Computer program language) | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | Técnicas de ciência de dados aplicadas à detecção de padrões de falha em processos de pintura automotiva | - |
Título: dc.title | Data science techniques applied to detecting failure patterns in automotive painting processes | - |
Tipo de arquivo: dc.type | aula 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: