dc.description.resumo |
Para 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.country |
Brasil |
pt_BR |
dc.publisher.initials |
UFCG |
pt_BR |
dc.subject.cnpq |
Engenharia de Produção. |
pt_BR |
dc.citation.issue |
7 |
pt_BR |
dc.title |
Aplicação 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.issued |
2019 |
|
dc.identifier.uri |
http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/32011 |
|
dc.date.accessioned |
2023-10-16T13:03:10Z |
|
dc.date.available |
2023-10-16 |
|
dc.date.available |
2023-10-16T13:03:10Z |
|
dc.type |
Artigo de Evento |
pt_BR |
dc.subject |
Redes neurais artificiais |
pt_BR |
dc.subject |
Regressão por vetores de suporte |
pt_BR |
dc.subject |
Modelagem de fração de produtos |
pt_BR |
dc.subject |
Modelagem de dados |
pt_BR |
dc.subject |
Aprendizado de máquina |
pt_BR |
dc.subject |
Réseaux de neurones artificiels |
pt_BR |
dc.subject |
Prise en charge de la régression vectorielle |
pt_BR |
dc.subject |
Modélisation des fractions de produits |
pt_BR |
dc.subject |
La modélisation des données |
pt_BR |
dc.subject |
Apprentissage automatique |
pt_BR |
dc.subject |
Artificial neural networks |
pt_BR |
dc.subject |
Support vector regression |
pt_BR |
dc.subject |
Product Fraction Modeling |
pt_BR |
dc.subject |
Data modeling |
pt_BR |
dc.subject |
Machine Learning |
pt_BR |
dc.subject |
Redes neuronales artificiales |
pt_BR |
dc.subject |
Regresión de vectores de soporte |
pt_BR |
dc.subject |
Modelado de fracciones de producto |
pt_BR |
dc.subject |
Modelado de datos |
pt_BR |
dc.subject |
Aprendizaje automático |
pt_BR |
dc.rights |
Acesso Aberto |
pt_BR |
dc.creator |
ACOSTA, Simone Massulini. |
|
dc.creator |
AMOROSO, Anderson Levati. |
|
dc.publisher |
Universidade Federal de Campina Grande |
pt_BR |
dc.language |
por |
pt_BR |
dc.title.alternative |
Application of artificial neural networks and support vector regression in modeling the fraction of non-conforming products in a production process. |
pt_BR |
dc.identifier.citation |
ACOSTA, 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/32011 |
pt_BR |