Publicação
Deteção de anomalias e previsão de falhas de qualidade
| Resumo: | O presente relatório surge na sequência do estágio realizado na Companhia Industrial de Resinas Sintéticas (CIRES) sobre a temática da produção de Policloreto de Vinilo (PVC). A matéria prima usada para as estruturas em PVC trata-se de um granulado que é produzido com recursos a processos químicos dentro de um reator. Este tem inúmeras aplicações que vão desde a construção civil aos equipamentos usados em medicina. Por essa razão, é importante garantir a melhor qualidade do produto e para isso torna-se necessário conhecer as razões da rejeição de qualidade do produto. Para ajudar a garantir a qualidade do produto, o objetivo principal do trabalho desenvolvido passou por uma análise aprofundada dos dados meticulosamente recolhidos durante o processo químico mencionado. Essa análise visou não apenas detetar possíveis anomalias após a produção, mas também prever e prevenir ativamente a ocorrência de eventuais anomalias. Com vista a atingir esse objetivo, foram aplicadas técnicas de machine learning, que demonstraram ser valiosas ferramentas na análise de conjuntos de dados como os do caso em estudo. Ao utilizar estas técnicas foi possível explorar padrões e tendências nos dados, permitindo assim identificar fatores críticos que contribuem para a rejeição da qualidade final do produto. Além disso, estas técnicas permitem desenvolver modelos preditivos que poderiam criar alertas de forma a antecipar a ocorrência de problemas da qualidade do produto, possibilitando a tomada de medidas corretivas, e consequentemente, melhorando a qualidade do processo de produção de PVC na CIRES. |
|---|---|
| Autores principais: | Gomes, Ana Rita Silva |
| Assunto: | Policloreto de vinilo Controlo de qualidade Métodos preditivos Anomalia Outlier |
| Ano: | 2020 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso embargado |
| Instituição associada: | Universidade de Aveiro |
| Idioma: | português |
| Origem: | RIA - Repositório Institucional da Universidade de Aveiro |
| Resumo: | O presente relatório surge na sequência do estágio realizado na Companhia Industrial de Resinas Sintéticas (CIRES) sobre a temática da produção de Policloreto de Vinilo (PVC). A matéria prima usada para as estruturas em PVC trata-se de um granulado que é produzido com recursos a processos químicos dentro de um reator. Este tem inúmeras aplicações que vão desde a construção civil aos equipamentos usados em medicina. Por essa razão, é importante garantir a melhor qualidade do produto e para isso torna-se necessário conhecer as razões da rejeição de qualidade do produto. Para ajudar a garantir a qualidade do produto, o objetivo principal do trabalho desenvolvido passou por uma análise aprofundada dos dados meticulosamente recolhidos durante o processo químico mencionado. Essa análise visou não apenas detetar possíveis anomalias após a produção, mas também prever e prevenir ativamente a ocorrência de eventuais anomalias. Com vista a atingir esse objetivo, foram aplicadas técnicas de machine learning, que demonstraram ser valiosas ferramentas na análise de conjuntos de dados como os do caso em estudo. Ao utilizar estas técnicas foi possível explorar padrões e tendências nos dados, permitindo assim identificar fatores críticos que contribuem para a rejeição da qualidade final do produto. Além disso, estas técnicas permitem desenvolver modelos preditivos que poderiam criar alertas de forma a antecipar a ocorrência de problemas da qualidade do produto, possibilitando a tomada de medidas corretivas, e consequentemente, melhorando a qualidade do processo de produção de PVC na CIRES. |
|---|