O Programa de Pós-Graduação em Ciência da Computação, vinculado ao Centro de Informática (CIn) da Universidade Federal de Pernambuco (UFPE), promove defesa de dissertação de mestrado amanhã (29). O trabalho, intitulado “Avaliação de Filmes Metalizados Por Algoritmos de Aprendizagem de Máquina Através de Dados Operacionais de Processo Industrial e de Qualidade”, foi produzido pelo discente Thiago Moura da Rocha Bastos, orientado pelo professor Cleber Zanchettin (CIn-UFPE) e coorientado pelo professor Luiz Stragevitch (Engenharia Química-UFPE).

A banca examinadora será composta pelo orientador e pelos professores Leandro Maciel Almeida (CIn-UFPE) e Frederico Duarte de Menezes (Departamento de Sistemas, Processos e Controles Industriais-IFPE). A defesa será realizada às 13h, de forma virtual, e os interessados em assistir devem entrar em contato com o autor através do e-mail tmrb@cin.ufpe.br.

Resumo

Os processos industriais de manufatura são parte importante da revolução tecnológica vivida na atualidade, e o uso da Inteligência Artificial se mostra como alternativa para superar dificuldades enfrentadas por modelos tradicionais de monitoramento e controle destas operações. Esse trabalho objetiva utilizar sistemas baseados em Aprendizagem de Máquina na interpretação e predição de variáveis de processo e qualidade presentes na produção de filmes metalizados por deposição à vácuo. Comparamos diferentes classificadores associados a diversas condições de pré-processamento de dados e hiperparâmetros na predição da qualidade do produto, tendo o modelo Random Forest apresentado o melhor desempenho com 85,4% de acurácia. Utilizando ferramentas de visualização de dados, foram construídos gráficos e visualizações que permitem a interpretação da predição realizada pelos modelos para complementar as métricas de performance. Por outro lado, através da segmentação semântica dos perfis de densidade ótica dos produtos plásticos, foi possível a identificação de falhas, e o monitoramento da qualidade final dos filmes produzidos através de um modelo de rede neural com 86,67% de acurácia. Além disso, a aplicação das visualizações fornece auxílio no entendimento e validação dos produtos obtidos no processo de metalização e do impacto de diferentes condições operacionais sobre os produtos manufaturados. Este estudo de caso demostra o potencial de suporte que pode ser oferecido a analistas e operadores na interpretação de variáveis operacionais, uma vez que apresentam informações relevantes para monitoramento e manutenção do processo de metalização de filme por deposição à vácuo.