Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32011
Full metadata record
DC FieldValueLanguage
dc.description.resumoPara manterem-se competitivas as empresas buscam a qualidade de seus produtos, para que estes atendam às especificações com a menor variabilidade possível. Em um processo industrial muitas vezes não se consegue controlar todas as causas ou fatores de variação que produzem determinado efeito sobre as características da qualidade dos produtos. Como resultado pode-se ter a produção de produtos não conformes às especificações, que podem ser mensurados através da fração de produtos não conformes. A modelagem da fração de produtos não conformes pode ser realizada utilizando-se diferentes técnicas e modelos de regressão. As redes neurais artificiais e a regressão por vetores de suporte são técnicas de aprendizado de máquina muito utilizadas para a modelagem de processos. O objetivo deste artigo é modelar a fração de produtos não conformes às especificações de uma indústria curtidora de couro utilizando as técnicas de redes neurais artificiais e de regressão por vetores de suporte e comparar os resultados obtidos com outros modelos de regressão desenvolvidos para o mesmo processo produtivo. Os modelos de regressão desenvolvidos apresentaram melhor desempenho no ajuste do modelo aos dados do processo quando comparados ao modelo de regressão linear, modelos de regressão lineares generalizados e modelo de regressão Beta.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqEngenharia de Produção.pt_BR
dc.citation.issue7pt_BR
dc.titleAplicação de redes neurais artificiais e regressão por vetores de suporte na modelagem da fração de produtos não conformes de um processo produtivo.pt_BR
dc.date.issued2019-
dc.identifier.urihttp://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32011-
dc.date.accessioned2023-10-16T13:03:10Z-
dc.date.available2023-10-16-
dc.date.available2023-10-16T13:03:10Z-
dc.typeArtigo de Eventopt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectRegressão por vetores de suportept_BR
dc.subjectModelagem de fração de produtospt_BR
dc.subjectModelagem de dadospt_BR
dc.subjectAprendizado de máquinapt_BR
dc.subjectRéseaux de neurones artificielspt_BR
dc.subjectPrise en charge de la régression vectoriellept_BR
dc.subjectModélisation des fractions de produitspt_BR
dc.subjectLa modélisation des donnéespt_BR
dc.subjectApprentissage automatiquept_BR
dc.subjectArtificial neural networkspt_BR
dc.subjectSupport vector regressionpt_BR
dc.subjectProduct Fraction Modelingpt_BR
dc.subjectData modelingpt_BR
dc.subjectMachine Learningpt_BR
dc.subjectRedes neuronales artificialespt_BR
dc.subjectRegresión de vectores de soportept_BR
dc.subjectModelado de fracciones de productopt_BR
dc.subjectModelado de datospt_BR
dc.subjectAprendizaje automáticopt_BR
dc.rightsAcesso Abertopt_BR
dc.creatorACOSTA, Simone Massulini.-
dc.creatorAMOROSO, Anderson Levati.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeApplication of artificial neural networks and support vector regression in modeling the fraction of non-conforming products in a production process.pt_BR
dc.identifier.citationACOSTA, Simone Massulini; AMOROSO, Anderson Levati. Aplicação de redes neurais artificiais e regressão por vetores de suporte na modelagem da fração de produtos não conformes de um processo produtivo. In: SIMPÓSIO DE ENGENHARIA DE PRODUÇÃO, 7., 2019. Anais [...]. Montes Claros - MG: Faculdade Santo Agostinho - FASA, 2019. ISSN: 2318-9258. Disponível em: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32011pt_BR
Appears in Collections:Anais do Simpósio de Engenharia de Produção SIMEP

Files in This Item:
File Description SizeFormat 
APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS E REGRESSÃO POR VETORES DE SUPORTE - ANAIS VII SIMEP ARTIGO 2019.pdfAplicação de redes neurais artificiais e regressão por vetores de suporte - Anais VII SIMEP Artigo 2019.538.43 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.