ISSN 2594-5327
75° Congresso Anual da ABM — vol. 75, num.75 (2022)
Título
Autoria
DOI
Downloads
Resumo
O SETOR SIDERÚRGICO, COMO OUTRAS INDÚSTRIAS, TEM SE BENEFICIADO PELO USO DA CIÊNCIA DE DADOS PARA A SOLUÇÃO DE PROBLEMAS RECORRENTES, EM SUA GRANDE MAIORIA COMPLEXOS E QUE NECESSITAM DE METODOLOGIAS ABRANGENTES E SOFISTICADAS O SUFICIENTE PARA LIDAR COM QUESTÕES COMO GRANDES QUANTIDADES DE VARIÁVEIS, COMO É O CASO DA MANUTENÇÃO PREDITIVA E DA QUALIDADE DE PRODUTO. OUTRO FATOR RELEVANTE NESTE CONTEXTO SÃO AS RESTRIÇÕES DE TEMPO, EM QUE A JANELA DE TEMPO PARA A TOMADA DE DECISÕES É SIGNIFICATIVAMENTE PEQUENA E PODEM REPRESENTAR CUSTOS ELEVADOS, COMO A IDENTIFICAÇÃO DE PRODUTOS DEFEITUOSOS AINDA EM PROCESSAMENTO NAS LINHAS DE PRODUÇÃO, OU A ANTECIPAÇÃO DE UMA MANUTENÇÃO ATRAVÉS DE PREVISÕES DE UM MODELO DE MACHINE LEARNING (ML) TREINADO PARA ESTE PROCESSO
THE STEEL INDUSTRY, AS OTHER INDUSTRIES, HAVE FOUND BENEFITS USING DATA SCIENCE TO SOLVE RECURRING PROBLEMS, IN THEIR MAJORITY, COMPLEXES AND IN NEED OF SUFFICIENT WIDE AND SOPHISTICATED METHODOLOGIES TO DEAL WITH PROBLEMS SUCH AS LARGE QUANTITIES OF VARIABLES, AS PREDICTIVE MAINTENANCE AND PRODUCT QUALITY. ANOTHER RELEVANT FACTOR IN THIS CONTEXT ARE TIME CONSTRAINTS, IN WHICH THE TIME INTERVAL TO DECISION MAKING ARE SIGNIFICANTLY SHORT AND CAN REPRESENT HIGH COSTS, SUCH AS IDENTIFICATION OF DEFECTIVE PRODUCTS WHILE BEING PROCESSED IN A PRODUCTION LINE, OR THE ANTICIPATION OF A MAINTENANCE THROUGH PREDICTIONS OF A MACHINE LEARNING (ML) MODEL TRAINED FOR THIS PROCESS
Palavras-chave
Manutenção Preditiva; Ciência de Dados; Qualidade de Produto; Aprendizado de Máquina
Predictive Maintenance; Data Science; Product Quality; Machine Learning
Como citar
Gutierres, Daniel Vallarelli;
Fugihara, Marcelo Koiti;
Yamada, Fábio Heiji.
CIÊNCIA DE DADOS EM MANUTENÇÃO PREDITIVA E QUALIDADE DE PRODUTO: UM EXEMPLO NO SETOR SIDERÚRGICO
,
p. 1252-1261.
In: 75° Congresso Anual da ABM,
São Paulo,
2022.
ISSN: 2594-5327
, DOI 10.5151/2594-5327-34479
