Análise de Perdas da Linha de Montagem em uma Indústria Automotiva
##plugins.themes.bootstrap3.article.main##
Resumo
Este trabalho apresenta uma abordagem inovadora para a análise de perdas na linha de montagem de uma indústria automotiva, visando otimizar a eficiência do processo produtivo. A metodologia proposta utiliza o algoritmo de machine learning XGBoost em conjunto com técnicas de feature engineering. A análise de perdas é crucial para identificar e mitigar problemas que impactam a produtividade e qualidade na produção automotiva. O XGBoost, um algoritmo de aprendizado de máquina baseado em árvores de decisão, é escolhido devido à sua capacidade de lidar eficientemente com conjuntos de dados complexos e grandes volumes de informações. A fase de feature engineering desempenha um papel crucial na seleção de características relevantes para melhor capturar as nuances do processo de montagem. Os resultados experimentais demonstram a eficácia da abordagem proposta na detecção e prevenção de perdas na linha de montagem. O modelo XGBoost, treinado com dados historicamente relevantes, revela-se capaz de antecipar falhas potenciais, permitindo intervenções proativas para evitar interrupções no processo produtivo.
Downloads
Não há dados estatísticos.
##plugins.themes.bootstrap3.article.details##
Como Citar
Soares, K., Machado, M., Santos, V., & Santiago, A. (2023). Análise de Perdas da Linha de Montagem em uma Indústria Automotiva. Revista De Engenharia E Pesquisa Aplicada, 9(1), 79-85. https://doi.org/10.25286/repa.v9i1.2782
Seção
Edição Especial em Ciência de Dados e Analytics