Please use this identifier to cite or link to this item:
https://repositorio.ufu.br/handle/123456789/32579
ORCID: | http://orcid.org/0000-0001-9621-174X |
Document type: | Trabalho de Conclusão de Curso |
Access type: | Acesso Aberto Attribution-NonCommercial-NoDerivs 3.0 United States |
Title: | Aplicação de Machine Learning para o estudo de comportamento de uma planta de produção de estireno |
Alternate title (s): | Machine Learning application to study the behavior of a styrene production plant |
Author: | Gomes, Guilherme Henrique Saga |
First Advisor: | Neiro, Sérgio Mauro da Silva |
First member of the Committee: | Gedraite, Rubens |
Second member of the Committee: | Coutinho Filho, Ubirajara |
Summary: | A Inteligência Artificial (IA) e seus algoritmos de Machine Learning (ML) estão ganhando destaque em diversas áreas nos últimos anos, e as indústrias não ficam de fora disso. Aliás, o setor representado por elas tende a ganhar muito com estes algoritmos de IA, visto que a base deles é o recebimento de uma quantidade massiva de dados, o que há em grande quantidade nas indústrias, para o treinamento e aprendizado de processos. Dessa forma, a partir do uso desses algoritmos, empresas e indústrias conseguem realizar predições de produção e financeiras, otimizações, entre outras. Por conta disso, há a possibilidade de um ganho significativo por parte dessas companhias, já que essas predições auxiliam diretamente em melhorias nas tomadas de decisão baseadas nos dados gerados pelo próprio processo. Levando em consideração este contexto, o objetivo deste trabalho é a aplicação de dois algoritmos de ML com aprendizado supervisionado: a Rede Neural e a Regressão Linear Múltipla. Tais algoritmos foram utilizados em uma planta digital de Estireno, de forma a entender como alguns parâmetros do seu processo influenciam o produto final esperado. Assim, a partir do treinamento de dados, é possível realizar a predição do Estireno por meio de parâmetros pré-definidos. Como consequência, há a possibilidade da realização de otimizações no processo, ao passo que se sabe quais os parâmetros mais influenciam no produto final desejado. Por fim, a avaliação do melhor modelo é realizada a partir de medidas estatísticas específicas. |
Abstract: | Artificial Intelligence (AI) and its Machine Learning (ML) algorithms has been calling attention in what it is concerned to several areas lately, and industries are not left out of this. In fact, the sector represented by them tends to gain a lot with those algorithms, since they are based on a massive amount of data, which exists in great amount in the industries, which can help with the training and learning processes. Thus, using those algorithms, companies and industries are able to make production and financial predictions, optimizations, among others. Because of that, there is the possibility of a significant gain by some of these companies, since those predictions directly assist in improvements in what it is concerned with making decisions based on the data generated by the process itself. Taking into consideration this context, the objective of this work is the application of two ML algorithms with supervised learning: Neural Network and Multiple Linear Regression. Such algorithms were used in a digital blueprint of Styrene, in order to understand how some parameters of its process influence the expected final product. From the data training, it is possible to perform the prediction of Styrene by predefined parameters. As a consequence, there is the possibility of optimizing the process, while knowing which parameters most influence the desired final product. Concluding, the evaluation of the best model is carried out using specific statistical measures. |
Keywords: | Aprendizado Supervisionado Supervised Learning Estireno Styrene Otimização Optimization Rede Neural Artificial neural network Regressão Linear Múltipla Multiple Linear Regression Machine Learning Machine Learning |
Area (s) of CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA::POLIMEROS |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Uberlândia |
Quote: | GOMES, Guilherme Henrique Saga. Aplicação de Machine Learning para o estudo de comportamento de uma planta de produção de estireno. 2021. 47 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Química) – Universidade Federal de Uberlândia, Uberlândia, 2021. |
URI: | https://repositorio.ufu.br/handle/123456789/32579 |
Date of defense: | 24-Jun-2021 |
Appears in Collections: | TCC - Engenharia Química |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
AplicaçãoMachineLearning.pdf | TCC | 1.8 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License