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##

Pedro Gabriel da Silva Lima
https://orcid.org/0009-0000-5582-8209
Alexandre Magno Andrade Maciel
https://orcid.org/0000-0003-4348-9291
Noam Eyal Resnick
https://orcid.org/0009-0007-8930-8915
Aristóteles Terceiro Neto
https://orcid.org/0009-0002-2439-6081
Dênis Leite
https://orcid.org/0000-0002-0392-3279

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

Artigos mais lidos pelo (s) mesmo (s) autor (es)

<< < 1 2