Trabalho de Conclusão de Curso
URI Permanente para esta coleção
Navegar
Navegando Trabalho de Conclusão de Curso por Campus "Ibirité"
Agora exibindo 1 - 7 de 7
Resultados por página
Opções de Ordenação
- ItemAplicação de inteligência artificial na predição de horas gastas no processo produtivo do núcleo da parte ativa de transformadores de grande porte(2023-12-05) Araújo, Filipe Augusto Valentins ; Doutor Thiago Henrique Barbosa de Carvalho TavaresNo trabalho é destacado a importância do desenvolvimento industrial no crescimento empresarial e na resposta às demandas sociais, com foco na otimização de processos para empresas multinacionais. Propõe-se uma abordagem para lidar com a urgente necessidade de otimização enfrentada por uma grande empresa de transformadores, especialmente no setor de Planejamento, Programação e Controle da Produção (PPCP). Um algoritmo em Python, utilizando Inteligência Artificial (IA), foi desenvolvido para prever o tempo necessário na fabricação de núcleos de grande dimensão. A implementação do projeto envolveu o uso de ferramentas como Excel e VBA para criar uma interface gráfica amigável. Durante o processo, três métodos de regressão - Random Forest, Support Vector Machine e Rede Neural Artificial - foram avaliados para determinar o modelo mais adequado. Os resultados indicaram que o modelo Random Forest teve o melhor desempenho, sendo escolhido para a implementação final. A conclusão bem-sucedida do projeto permitiu a proposta de automação do cálculo das horas gastas no setor de fabricação do núcleo para o setor de PPCP. Esse avanço demonstra a aplicação prática da IA na otimização de processos industriais, proporcionando eficiência e automação em atividades críticas.
- ItemDESENVOLVIMENTO DE UM MODELO COMPUTACIONAL PARA SIMULAÇÃO E CONTROLE DE TORQUE EM VEÍCULO(2025-02-20) Mendes, Lorran Luciano Oliveira ; Doutor Diego Henrique de Souza ChavesEste estudo propõe o desenvolvimento de um modelo computacional para simulação e controle de torque em um veículo equipado com câmbio automático de nove marchas, operando sob condições com motorista e quatro passageiros. Para atingir este objetivo, foram coletados da- dos veiculares por meio do sistema On-Board Diagnostics (OBD), permitindo a identificação e análise das variáveis para o controle do torque, tais como a rotação do motor, a posição do ace- lerador e os diferentes componentes do torque. Com base na análise dos dados, foi desenvolvido um modelo computacional que integra controladores PID em malha fechada e em modelo ARX para ajustar a aplicação do torque. As simulações realizadas, por meio do ambiente de modela- gem, evidenciaram que a combinação do controlador PID é eficaz para reduzir a discrepância entre o torque requisitado e o torque efetivamente aplicado. Em especial, a configuração de- nominada PIDARX6 demonstrou o melhor desempenho, apresentando um erro médio (RMSE) satisfatório em relação à curva de consumo mínimo, o que sugere um potencial significativo para a redução do consumo de combustível e a melhoria da eficiência energética do veículo. Dessa forma, o modelo desenvolvido contribui para o aprimoramento do desempenho dos veículos, oferecendo uma ferramenta promissora para a melhoria dos sistemas veiculares em condições reais de operação
- ItemEstação de tratamento de efluentes autônoma(2023-12-04) Barcelos, Gabriel Brandão; Doutor Thiago Henrique Barbosa de Carvalho TavaresCom o surgimento das fábricas a partir da primeira revolução industrial, a poluição gerada por elas em inúmeras esferas tornou-se um problema enorme. Portanto, a mitigação deste problema tornou-se necessária para um meio ambiente mais saudável. As reservas hídricas sofriam com os descartes de forma incorreta antes de soluções serem desenvolvidas para acabar com este problema. A Estação de Tratamento de Efluentes (ETE) veio a calhar como uma solução encontrada pelas empresas, com foco no tratamento correto do efluente gerado por elas mesmas. Este trabalho, por sua vez, visa desenvolver um projeto de automação de uma Estação de Tratamento de Efluentes com foco na programação dos dispositivos, Controlador Lógico Programável (CLP) e Interface Homem-Máquina (IHM) utilizados para obtenção do objetivo. A empresa responsável pela estrutura apresentou uma solução por meio da automação de um problema relacionado à capacidade de tratamento. Desta forma, esse trabalho é a apresentação da solução proposta.
- ItemINTEGRAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA GESTÃO DE ATIVOS DE TECNOLOGIA DA AUTOMAÇÃO(2025-02-27) Medeiros, Victor Henrique de Mattos; Doutor Diego Henrique de Souza ChavesA gestão de ativos de tecnologia da automação é uma prática necessária na eficiência operacio- nal das indústrias. No entanto, um dos grandes desafios enfrentados pelas empresas é a falta de um sistema estruturado para gestão de ativos com base em fatores críticos e operacionais, como risco operacional, ciclo de vida, sobressalentes e impacto financeiro. Decisões tomadas sem um critério bem definido, pode levar a falhas inesperadas, desperdício de recursos e intervenções de manutenção ineficientes. Este trabalho propõe a integração da Inteligência Artificial (IA) para auxiliar na tomada de decisão na gestão de ativos, utilizando técnicas de aprendizado de má- quina e clusterização. A metodologia adotada incluiu a coleta e tratamento de dados de ativos de automação de uma planta industrial real, a definição de um critério de priorização baseado em múltiplas variáveis e a aplicação do algoritmo K-Means para segmentação dos ativos em clus- ters. A qualidade da clusterização foi avaliada por métricas como Silhouette Score, garantindo uma divisão dos ativos conforme sua criticidade e relevância operacional. Os resultados demons- traram que a abordagem proposta permite categorizar ativos de forma a identificar aqueles com maior impacto operacional e necessidade de atenção prioritária. Além disso, foi desenvolvida uma interface interativa para visualização dos clusters, facilitando a interpretação dos dados e auxiliando na tomada de decisão estratégica. Os resultados demonstram que a utilização de IA na gestão de ativos pode contribuir para a redução de custos, a mitigação de riscos e o aumento da confiabilidade operacional, representando um avanço significativo para a manutenção preditiva e gestão estratégica de ativos na indústria.
- ItemIntegração de um sistema de reconhecimento facial na assistência a pessoas com Alzheimer(2025-02-27) Cunha, Gustavo Canuto; Doutor Diego Henrique de Souza ChavesO presente trabalho teve como objetivo desenvolver um sistema de reconhecimento facial para auxiliar pessoas com Alzheimer no reconhecimento de familiares e cuidadores. A proposta busca oferecer uma ferramenta acessível que possa contribuir para a qualidade de vida dos pacientes, reduzindo a desorientação causada pela perda de memória. Para isso, foi criado um sistema capaz de identificar rostos em tempo real e anunciar verbalmente o nome da pessoa reconhecida, proporcionando um suporte auditivo que auxilia no reconhecimento. Além da identificação visual, foram realizados testes para avaliar o impacto de condições adversas, como imagens desfocadas, garantindo que o sistema pudesse funcionar mesmo em situações menos favoráveis. Também foram aplicadas medidas para evitar repetições excessivas das identificações, tornando o uso mais intuitivo e agradável para o usuário. Os dados obtidos demonstraram que o sistema é uma alternativa viável para auxiliar pessoas com Alzheimer, permitindo que reconheçam aqueles ao seu redor de maneira mais fácil e independente. A tecnologia utilizada mostrou-se eficiente e acessível, podendo ser aplicada em dispositivos simples, o que facilita sua adoção por famílias e instituições de cuidado.
- ItemProtótipo de software simulador de rede multi-cliente(2024-09-24) Fonseca, Matheus Yago Silva ; Doutor Carlos Dias Da Silva Junior; Doutor Thiago Henrique Barbosa de Carvalho TavaresEste trabalho tem como objetivo o desenvolvimento de um simulador de rede focado no protocolo DHCP, utilizando a linguagem de programação Python, conhecida por sua simplicidade, clareza e pela vasta coleção de bibliotecas disponíveis. A escolha do Python se justifica pela sua versatilidade e facilidade de uso, características que o tornam uma excelente ferramenta tanto para iniciantes quanto para profissionais mais experientes. O simulador foi projetado para proporcionar um ambiente controlado e seguro, ideal para testar e validar diferentes configurações de rede, realizar testes de estresse e permitir a interação direta de usuários sem experiência prévia, sem comprometer a integridade de uma infraestrutura física real. Além disso, o simulador oferece uma grande flexibilidade, possibilitando a criação e experimentação de diversos cenários de rede, tornando-se uma ferramenta valiosa para o aprendizado prático e a análise técnica avançada de redes de computadores. O ambiente de desenvolvimento escolhido para este projeto é o Visual Studio Code (VS Code), devido à sua extensibilidade, suporte ao linting e integração robusta com Python, fatores que facilitam o processo de desenvolvimento, depuração e análise do sistema, assegurando maior eficiência e controle na implementação do simulador
- ItemUso de Ensemble Learning para controle de qualidade de hortaliças(2024-09-24) Leite, André Nery Cruz; Carlos Dias da Silva JuniorO desenvolvimento da tecnologia para a agricultura tem se mostrado essencial para aumentar a eficiência na detecção de doenças em plantas e, consequentemente, melhorar a produção agrícola. Nesse contexto, este trabalho apresenta uma proposta voltada para a implementação de um sistema de classificação de doenças em plantas, utilizando técnicas de aprendizado de máquina. O objetivo principal foi construir um modelo capaz de identificar doenças específicas em cultivos de batata, milho e tomate, auxiliando os agricultores. Foram implementados e testados diferentes modelos de classificação, como Decision Tree, Random Forest, Support Vector Classification (SVC), K-Nearest Neighbors (KNN), Gradient Boosting e Stacking Learning, a fim de selecionar o mais preciso para essa aplicação. O sistema foi desenvolvido em Python, utilizando a biblioteca Scikit-Learn, e os modelos foram avaliados com base em métricas como Erro Médio Absoluto (MAE), Erro Quadrático Médio (MSE), Raiz do Erro Quadrático Médio (RMSE) e acurácia. Os resultados indicaram que o modelo de Stacking Learning apresentou o melhor desempenho na classificação das doenças, destacando-se pela precisão superior. Adicionalmente, foi criada uma interface em React Native, facilitando o uso do sistema em dispositivos móveis. A partir da conclusão deste trabalho, foi possível propor uma ferramenta para o diagnóstico automatizado de doenças em plantas, oferecendo um apoio relevante para a agricultura e o manejo mais eficiente das culturas.