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

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.