Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Barbalho, Sanderson César Macêdo | - |
Autor(es): dc.creator | Rosa, Roberto Canedo | - |
Data de aceite: dc.date.accessioned | 2024-07-22T12:15:17Z | - |
Data de disponibilização: dc.date.available | 2024-07-22T12:15:17Z | - |
Data de envio: dc.date.issued | 2020-07-01 | - |
Data de envio: dc.date.issued | 2020-07-01 | - |
Data de envio: dc.date.issued | 2020-07-01 | - |
Data de envio: dc.date.issued | 2020-02-09 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/38675 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/799658 | - |
Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020. | - |
Descrição: dc.description | A indústria 4.0 é um projeto estratégico que combina inúmeras tecnologias com o intuito de transformar as cadeias de valor da indústria, da produção e dos modelos de negócio. Realizar estimativas e prever eventos futuros incorrem em desafios confrontados pela quarta revolução industrial. Predizer o lead-time total de fabricação de um produto ou componente na indústria torna-se uma atividade crítica e vital para um ambiente de grande competitividade enfrentado por um mercado altamente globalizado e direcionado para a inovação. O trabalho proposto apresenta um estudo com foco em predizer o lead-time total de fabricação de peças e componentes de novos produtos de uma empresa com produção mecatrônica na área de equipamentos médicos e espaciais. A análise preditiva e o aprendizado de máquina através dos algoritmos de Redes Neurais Artificiais (RNA), Support Vector Machine (SVM) e Random Forest (RF) delinearam a metodologia aplicada no estudo. Os modelos de predição foram aplicados em um conjunto de dados de ordens de serviço da empresa, e os resultados mostraram a eficiência do método na estimativa do lead-time total de fabricação. Os melhores resultados apresentaram uma taxa de acerto acima de 87% e com um erro médio absoluto menor que um (1) dia para a fabricação com o material alumínio 6061. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Industry 4.0 is a strategic project that combines numerous technologies in order to transform the value chains of industry, production and business models. Making estimates and predicting future events face challenges faced by the fourth industrial revolution. Predicting the total lead time for manufacturing a product or component in the industry becomes a critical and vital activity for a highly competitive environment faced by a highly globalized and innovation-driven market. The proposed work presents a study aimed at predicting the total lead time of manufacturing parts and components for new products of a company with mechatronic production in the area of medical and space equipment. Predictive analysis and machine learning through Artificial Neural Network (RNA), Support Vector Machine (SVM) and Random Forest (RF) algorithms outlined the methodology applied in the study. The prediction models were applied to a dataset of the company's work orders, and the results showed the efficiency of the method in estimating the total lead time of manufacture. The best results showed a hit rate above 87% and with an average absolute error less than one (1) day for manufacturing with 6061 aluminum material. | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Aprendizagem de máquina | - |
Palavras-chave: dc.subject | Produção mecatrônica | - |
Palavras-chave: dc.subject | Lead time | - |
Título: dc.title | Aprendizagem de máquina aplicada à predição do tempo de fabricação de novos produtos : um estudo exploratório com foco no tipo de material utilizado em empresa de produção mecatrônica da área médica e espacial | - |
Aparece nas coleções: | Repositório Institucional – UNB |
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: