Dissertações/Teses

2024
Dissertações
1
  • RAFAEL MARTINS PREISSER MARÇAL

  • PROJETO E DESENVOLVIMENTO DE UM SISTEMA DE MONITORAMENTO ALIMENTAR DE BOVINOS
  • Orientador : JOSE GERALDO RIBEIRO JUNIOR
  • MEMBROS DA BANCA :
  • GUSTAVO CAMPOS MENEZES
  • JOSE GERALDO RIBEIRO JUNIOR
  • MATHAUS FERREIRA DA SILVA
  • MURILLO FERREIRA DOS SANTOS
  • Data: 25/03/2024
  • Mostrar Resumo

  • Acompanhar o comportamento alimentar de bovinos de forma individualizada e
    em grandes fazendas é um desafio, especialmente em fazendas que usam cocho, onde não
    há uma separação do espaço utilizado por cada animal. Soluções existentes ou dependem
    dessa separação no cocho ou utilizam equipamentos conectados aos animais que dependem
    de bateria para funcionamento. Considerando a importância de aprimorar a compreensão
    do comportamento alimentar de bovinos ao monitorar o tempo que cada animal permanece
    no cocho, a coleta de dados visa otimizar a oferta de alimentação, possibilitando, inclusive,
    a identificação precoce de eventuais doenças. Dessa forma, essa dissertação apresenta o
    desenvolvimento de uma Plataforma de Internet das Coisas (IoT - Internet of Things) que
    utilizatagsRFID (Radio-Frequency IDentification- Identificação por Radiofrequência)
    UHF (Ultra-High Frequency- Ultra Frequência) e um cabo de antena específico para
    registrar o tempo de entrada e saída dos animais no cocho de alimentação. Os dados
    coletados são parcialmente tratados localmente e transmitidos para uma central para
    armazenamento, tratamento e visualização. A definição dos equipamentos e tecnologias a
    serem utilizadas é parte importante deste trabalho visto que existem poucos fabricantes
    no mundo da tecnologia utilizada para cobertura da área monitorada.Testes iniciais
    foram realizados em laboratório para avaliar o funcionamento de cada etapa, da coleta
    à visualização dos dados.Experimentos em ambientes reais mostram que esta é uma
    tecnologia promissora para o monitoramento alimentar, especialmente em cochos com até
    8 metros de comprimento.


  • Mostrar Abstract

  • This research project aims to improve the understanding of the feeding behavior of livestock by monitoring the time each animal spends at the trough. Data collection aims to optimize the feed supply, with the possibility of early identification of possible diseases. The central proposal of this work involves developing an IoT Platform that will use UHF RFID tags and a specific antenna cable to record the time animals spend in and out of the feeding trough.
2
  • GABRIEL LIMA CONDÉ

  • INOVAÇÕES NA INDÚSTRIA TÊXTIL - ESTUDO DE CASO SOBRE A PREDIÇÃO DO CONSUMO DE TINTA NO PROCESSO DE ESTAMPARIA
  • Orientador : JOSE GERALDO RIBEIRO JUNIOR
  • MEMBROS DA BANCA :
  • FABIANO PEREIRA BHERING
  • JOSE GERALDO RIBEIRO JUNIOR
  • JOVENTINO DE OLIVEIRA CAMPOS
  • LUCAS SILVA DE OLIVEIRA
  • Data: 27/03/2024
  • Mostrar Resumo

  • Neste texto é apresentado um estudo de caso que se aprofunda na simulação aplicada à serigrafia no contexto da estamparia têxtil, com um foco específico na previsão de consumo de tinta. A investigação consiste em uma análise meticulosa que compara minuciosamente o conusumo real de tinta durante o processo com as previsões geradas pela ferramenta de simulação desenvolvida. Os resultados obtidos revelam um erro percentual que varia de -6,3% a 6,5%, indicando uma notável precisão na previsão do consumo de tinta por meio da ferramenta. Ao ampliar a análise para incluir um conjunto significativo de substratos estampados, totalizando 8371 metros quadrados, observou-se um erro médio absoluto de 3,24%. Esse valor destaca a relevância e a eficácia dessa solução para otimizar o processo produtivo. Anteriormente carente de cálculos precisos e parâmetros, o processo de estamparia frequentemente dependia de abordagens empíricas e testes, resultando em atrasos na produção. A contribuição significativa deste estudo reside na introdução de uma abordagem inovadora na indústria de serigrafia, proporcionando uma visão mais preditiva e eficiente do consumo de tinta em aplicações têxteis, promovendo, assim, avanços substanciais na gestão e eficiência dos processos produtivos


  • Mostrar Abstract

  • This work presents an in-depth case study on simulation applied to screen printing in the context of textile printing, specifically focusing on the prediction of ink consumption. The investigation involves a meticulous analysis that carefully compares actual ink consumption during the process with predictions generated by the developed simulation tool. The results obtained reveal a percentage error ranging from -6.3% to 6.5%, indicating a remarkable accuracy in predicting ink consumption through the simulation tool. Expanding the analysis to include a significant set of printed substrates, totaling 8371 square meters, an average absolute error of 3.24% was observed. This value underscores the relevance and effectiveness of this solution in optimizing the production process. Previously lacking precise calculations and parameters, the textile printing process often relied on empirical approaches and tests, resulting in production delays. The significant contribution of this study lies in introducing an innovative approach to the screen printing industry, providing a more predictive and efficient insight into ink consumption in textile applications, thus fostering substantial advancements in process management and efficiency
3
  • DALILA MIRANDA TRINDADE

  • INTERNET DAS COISAS APLICADA À CADEIA PRODUTIVA DO SORVETE

     
     
     
  • Orientador : ANGELO ROCHA DE OLIVEIRA
  • MEMBROS DA BANCA :
  • EDUARDO PESTANA DE AGUIAR
  • ANGELO ROCHA DE OLIVEIRA
  • FABIANO PEREIRA BHERING
  • RODRIGO LACERDA SALES
  • Data: 27/03/2024
  • Mostrar Resumo

  • Este trabalho propõe a aplicação de IoT no desenvolvimento de um sistema para o setor de sorvetes, melhorando a qualidade da tomada de decisão tanto para o lojista quanto para a fábrica. A proposta é desenvolver um sistema para acompanhamento remoto das vendas de sorvetes self-service e monitoramento de temperatura em freezers visando contribuir para melhoria da gestão da cadeia de suprimentos, incluindo a gestão para os pontos de vendas, para a fábrica e contribuindo para a inserção da indústria do sorvete no conceito de Indústria 4.0. No presente estudo são abordados os desafios enfrentados pela indústria de sorvetes, mais especificamente no que tange à otimização de mix de produtos nos pontos de venda, com foco em maximização do faturamento, previsão de demanda e controle de perdas. O sistema consiste em um conjunto de sensores instalados sob as caixas de sorvete, de forma individualizada, que tem a capacidade de medir a quantidade de sorvete da caixa. Esse sistema também conta com sensor de temperatura interna integrado ao equipamento. Essa estrutura conecta-se à internet por wi-fi e os dados são enviados para um banco de dados em nuvem. Esses dados são cruzados com os dados de um sistema que colhe informações da balança utilizada para cobrar os clientes no momento da compra e as envia também para um banco de dados em nuvem. Essas informações são processadas para detecção de padrões e tendências associadas aos objetivos do trabalho. Os resultados mostram um sistema capaz de melhorar a visão da cadeia de valor do sorvete tanto para a fábrica, quanto para o lojista. Esse projeto conta com a parceria de uma indústria de sorvetes e uma empresa especializada em sistema de gestão para a cadeia de sorvetes.

     
     

  • Mostrar Abstract

  •  

     
     
     
2023
Dissertações
1
  • RAFAEL GONÇALVES SOARES

  • MODELO PREDITIVO BASEADO EM ÁRVORE DE DECISÃO PARA CONTROLE DIMENSIONAL DE CARCAÇAS DE MANCAIS DE DESLIZAMENTO FLANGEADOS
  • Orientador : GABRIELLA CASTRO BARBOSA COSTA DALPRA
  • MEMBROS DA BANCA :
  • GABRIELLA CASTRO BARBOSA COSTA DALPRA
  • ANGELO ROCHA DE OLIVEIRA
  • ALISSON MARQUES DA SILVA
  • JORGE NEI BRITO
  • Data: 06/07/2023

  • Mostrar Resumo

  • A usinagem de precisão e o controle dimensional exigem equipamentos de alto nível tecnológico, porém, observa-se que a interação humana também é utilizada na tomada de decisões como, por exemplo, nos ajustes de parâmetros de processo ou na definição de conformidade de peças produzidas. Essa interação humana é capaz de causar imprevisibilidade nos processos de fabricação por usinagem, acarretando na diminuição da produtividade e o aumento de custos de produção. Neste sentido, esse trabalho apresenta um modelo de predição baseado em árvore de decisão para controle dimensional no processo de fabricação de carcaças de mancais de deslizamento flangeados, conforme a norma técnica DIN 31693. O método que implementa essa aplicação fundamenta-se no monitoramento holístico da geometria da superfície da peça usinada. A abordagem utilizada para a compensação dos desvios dimensionais baseia-se no monitoramento e modelagem do desvio total. A heurística é utilizada para as etapas que compõe o processo de tomada de decisão. O caminho para a implementação do modelo preditivo na linha de produção baseia-se na interação entre a experiência humana e a máquina. É proposto o uso da técnica de aprendizado de máquina baseada em árvores de decisão por regressão, para definição dos parâmetros de deslocamento dos eixos do centro de usinagem a partir dos resultados dimensionais das carcaças. O modelo é validado se o erro médio absoluto for menor ou igual a 0,003mm. Uma comparação entre um modelo de floresta aleatória é realizada para verificar o desempenho entre diferentes modelos preditivos. O modelo desenvolvido resultou em um máximo erro médio absoluto de 0,002042mm. Experimentos foram realizados em uma indústria de fabricação de mancais de deslizamento, posicionada entre as três marcas de maior participação no mercado internacional no ano de 2023, onde um lote com 12 peças foi fabricado e 48 definições de parâmetros foram submetidas ao modelo preditivo, o qual teve seu resultado aplicado em 46 definições.


  • Mostrar Abstract

  • Precision machining and dimensional control require high-tech equipment. However, it is observed that human interaction is also used in decision-making, such as, for example, in adjusting process parameters or in defining the conformity of produced pieces. This human interaction can cause unpredictability in machining manufacturing processes, leading to decreased productivity and increased production costs. This work presents a prediction model based on a decision tree for dimensional control in the manufacturing process of side flange bearing housings, according to the technical standard DIN 31693. The method used is based on the holistic monitoring of the surface geometry of the machined piece. The approach used to compensate for dimensional deviations is based on monitoring and modeling the total deviation. The heuristic is used for the steps that make up the decision-making process. The way to implement the predictive model in the production line is based on the interaction between the human experience and the machine. A machine learning technique based on regression decision trees is used to define the displacement parameters of the machining center axes based on the dimensional results of the housings. The model is validated if the mean absolute error is less than or equal to 0.003mm. A comparison between a random forest model is performed to verify the performance between different predictive models. The developed model resulted in a maximum mean absolute error of 0.002042mm. Experiments were carried out in a journal-bearing manufacturing industry positioned among the three brands with the highest participation in the international market in 2023, whose batch with 12 pieces was manufactured, and 48 parameter definitions were submitted to the predictive model, which had its result applied to 46 definitions.
SIGAA | Diretoria de Tecnologia da Informação - DTI - (31) 3319-7000 | Copyright © 2006-2024 - UFRN - vm-sig-app-05.ditic.sgi.cefetmg.br.inst5