Notícias

Banca de QUALIFICAÇÃO: ALAN MARCEL FERNANDES DE SOUZA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ALAN MARCEL FERNANDES DE SOUZA
DATA: 14/01/2019
HORA: 09:00
LOCAL: A DEFINIR
TÍTULO:

Uso de Técnicas de Aprendizado de Máquina e Deep Learning para Extração de Conhecimento e Modelagem do Processo de Produção de Alumínio Primário


PALAVRAS-CHAVES:

alumínio primário, aprendizado de máquina, aprendizado profundo, modelagem, agrupamento.


PÁGINAS: 50
GRANDE ÁREA: Engenharias
ÁREA: Engenharia Elétrica
RESUMO:

A produção de alumínio primário é realizada em diversas fábricas ao redor do mundo. Com os avanços tecnológicos nas últimas décadas, o alto poder de armazenamento e de processamento de dados tem permitido solucionar problemas que anteriormente eram considerados extremamente difíceis. Nesse sentido, um novo paradigma surge: a indústria 4.0, que é baseada em processos inteligentes, gestão integrada, energia gerenciada, alto padrão e qualidade. Muitos são os desafios que permeiam a indústria 4.0, dentre eles há as técnicas de aprendizado de máquina, que facilitam a interpretação de dados, permitindo criar modelos que emulam o comportamento do sistema produtivo com alta precisão e encontrar padrões escondidos no imenso conjunto de dados. Esta qualificação de doutorado propõe modelos baseados em técnicas de aprendizado de máquina (Redes Neurais Artificiais, vários algoritmos de aprendizado) e aprendizado profundo (Redes de Memória de Longo Prazo) para emular o comportamento da temperatura, alumina fluoretada e concentração de alumina de um forno de redução de alumínio primário a partir de várias entradas, utilizando dados reais. Além disso, realizou-se agrupamento de fornos com comportamentos semelhantes com o objetivo de aumentar a precisão dos modelos mencionados. Os resultados apontam os modelos baseados em Redes de Memória de Longo Prazo são de 20 a 25% mais precisos que aqueles baseados em Redes Neurais Artificiais. Adicionalmente, verificou-se que os agrupamentos realizados não melhoram significativamente a precisão dos modelos. Ainda é necessário mais testes para confirmar essa afirmação. É importante mencionar que uma extensa revisão da literatura foi feita através de uma revisão sistemática que considerou centenas de trabalhos científicos que abordam modelagem na área de produção de alumínio primário.


MEMBROS DA BANCA:
Presidente - 2517790 - CAROLINA DE MATTOS AFFONSO
Interno - 2170855 - ADRIANA ROSA GARCEZ CASTRO
Interno - 1153173 - ROBERTO CELIO LIMAO DE OLIVEIRA
Externo ao Programa - 2026464 - CLAUDERINO DA SILVA BATISTA
Externo ao Programa - 2272363 - LIDIO MAURO LIMA DE CAMPOS
Externo à Instituição - ROBERTO HIRATA JUNIOR
Notícia cadastrada em: 18/12/2018 13:22
SIGAA | Centro de Tecnologia da Informação e Comunicação (CTIC) - (91)3201-7793 | Copyright © 2006-2024 - UFPA - castanha.ufpa.br.castanha2