Análise de Consumo de Energia Elétrica de Equipamentos em Oficina de Pintura Automotiva

##plugins.themes.bootstrap3.article.main##

Rafael Barbosa de Oliveira
https://orcid.org/0009-0005-8841-763X
Paulo Henrique Couto de Lima Souza
https://orcid.org/0009-0005-4891-173X
Thiago Cavalcanti Silva
https://orcid.org/0009-0002-0499-2521
Victor Ernesto Santos Kirschner
https://orcid.org/0009-0001-1200-6544
Fausto Lorenzato
https://orcid.org/0000-0002-1150-4904
Alexandre M.A. Maciel
https://orcid.org/0000-0003-4348-9291

Resumo

Este artigo tem como objetivo principal prever o comportamento do consumo de energia elétrica em uma oficina de pintura localizada dentro de uma fábrica automotiva de caráter industrial. A abordagem adotada será baseada em séries temporais, regressão e otimização, utilizando técnicas de ciência de dados para explorar os dados disponíveis e identificar as relações entre os diversos equipamentos instalados na oficina em três passos(steps). Para cada  cada step foram definidos modelos de machine e deep learning.
A análise se estendeu desde uma compreensão inicial dos dados até a implementação de modelos preditivos e de otimização. A ênfase ocorre na aplicação de métodos avançados  que definiram os modelos de LSTM, Deep Learning e Algoritmo Genético nos steps 1, 2 e 3, consequentemente. As métricas para a seleção dos modelos foram MAPE e MSE. Os resultados produziram uma arquitetura de modelos capazes de produzir insights valiosos sobre os padrões de consumo de energia, levando consideração as interações complexas entre os equipamentos. A solução proposta proporcionou  uma base sólida para a construção de modelos robustos e precisos, contribuindo para uma gestão eficiente do consumo de energia na oficina de pintura industrial.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Oliveira, R., Couto de Lima Souza, P. H., Silva, T., Kirschner, V., Lorenzato, F., & Maciel, A. (2023). Análise de Consumo de Energia Elétrica de Equipamentos em Oficina de Pintura Automotiva. Revista De Engenharia E Pesquisa Aplicada, 9(1), 69-78. https://doi.org/10.25286/repa.v9i1.2780
Seção
Edição Especial em Ciência de Dados e Analytics

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