Publicação
Modelos preditivos para suporte ao planeamento de produção têxtil
| Resumo: | Atualmente, as empresas do setor têxtil continuam a ter métodos de planeamento e controlo da produção pouco evoluídos e robustos. Algo que com a evolução do setor tecnológico e dos volumes crescentes de dados que as empresas da indústria têm, devido aos paradigmas da Indústria 4.0, não se justifica. Deste modo, com o intuito de melhorar o planeamento e controlo da produção da Somelos, foi feita uma parceria de investigação e desenvolvimento entre a Somelos, a Fluxodata, o Citeve e o Centro de Computação Gráfica (CCG) que deu origem ao projeto PPC4.0, onde a presente dissertação se enquadra. Na fase experimental do projeto, foi adotada a metodologia CRoss Industry Standard Process for Data Mining (CRISP-DM) para cada requisito, e foi dada maior atenção à fase de processamento de dados, utilizando para esse feito ferramentas de Automated Machine Learning (AutoML) na fase de modelação. Após a aplicação dos diversos cenário,s os resultados obtidos foram debatidos com os profissionais do setor têxtil da Somelos que devolveram um feedback positivo. Através da implementação de técnicas de machine learning, foi desenvolvida uma solução capaz de prever o rendimento dos artigos, prever os defeitos nos teares que causam a paragem das máquinas, a data de entrega de determinada matéria-prima e a duração dos tempos de operação. Sendo que, após a fase experimental, foi desenvolvido um protótipo adaptável ao surgimento de novos dados e que permite fazer a monitorização dos modelos, recorrendo a tecnologias como o Kedro, o Mlflow e o Grafana. Deste modo, é expectável que o protótipo desenvolvido suporte o planeamento e controlo da produção na Somelos. |
|---|---|
| Autores principais: | Azevedo, João Gonçalo Pinheiro |
| Assunto: | Machine Learning Análises preditivas Planeamento e controlo da produção Previsão no setor têxtil Predictive analytics Production planning and control Forecast in the textile sector |
| Ano: | 2022 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Atualmente, as empresas do setor têxtil continuam a ter métodos de planeamento e controlo da produção pouco evoluídos e robustos. Algo que com a evolução do setor tecnológico e dos volumes crescentes de dados que as empresas da indústria têm, devido aos paradigmas da Indústria 4.0, não se justifica. Deste modo, com o intuito de melhorar o planeamento e controlo da produção da Somelos, foi feita uma parceria de investigação e desenvolvimento entre a Somelos, a Fluxodata, o Citeve e o Centro de Computação Gráfica (CCG) que deu origem ao projeto PPC4.0, onde a presente dissertação se enquadra. Na fase experimental do projeto, foi adotada a metodologia CRoss Industry Standard Process for Data Mining (CRISP-DM) para cada requisito, e foi dada maior atenção à fase de processamento de dados, utilizando para esse feito ferramentas de Automated Machine Learning (AutoML) na fase de modelação. Após a aplicação dos diversos cenário,s os resultados obtidos foram debatidos com os profissionais do setor têxtil da Somelos que devolveram um feedback positivo. Através da implementação de técnicas de machine learning, foi desenvolvida uma solução capaz de prever o rendimento dos artigos, prever os defeitos nos teares que causam a paragem das máquinas, a data de entrega de determinada matéria-prima e a duração dos tempos de operação. Sendo que, após a fase experimental, foi desenvolvido um protótipo adaptável ao surgimento de novos dados e que permite fazer a monitorização dos modelos, recorrendo a tecnologias como o Kedro, o Mlflow e o Grafana. Deste modo, é expectável que o protótipo desenvolvido suporte o planeamento e controlo da produção na Somelos. |
|---|