Machine Learning Models to Identify Anomalies in the Production of Flat Glass Using Machine Learning to Detect Anomalies in Flat Glass Production
##plugins.themes.bootstrap3.article.main##
Resumo
Este trabalho apresenta uma proposta inovadora para a previsão de defeitos em processos industriais de refino de vidro. Embora seja um processo complexo com vários pontos que podem causar defeitos, a abordagem atual dos especialistas é apenas reativa, ou seja, eles só podem agir após o dano ter sido causado. Este estudo propõe o uso de dados coletados dos processos industriais de uma empresa real como um estudo de caso para criar modelos de previsão, a fim de identificar uma possível falha antes que ela ocorra. O objetivo é usar o SPC Charter como um modelo de entrega e permitir que os especialistas tomem medidas corretivas preventivas, evitando danos e reduzindo os custos de produção.
Downloads
Não há dados estatísticos.
##plugins.themes.bootstrap3.article.details##
Como Citar
da Silva Lima, P., Maciel, A., Resnick, N., Terceiro Neto, A., & Leite, D. (2023). Machine Learning Models to Identify Anomalies in the Production of Flat Glass. Revista De Engenharia E Pesquisa Aplicada, 9(1), 19-27. https://doi.org/10.25286/repa.v9i1.2770
Seção
Edição Especial em Ciência de Dados e Analytics