Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/37778| Título: | Machine learning aplicado à simulação e controle de um misturador |
| Título(s) alternativo(s): | Machine learning applied to the simulation and control of a mixer |
| Autor(es): | Dalperio, André Ricardo D’Alves, Ryan Nabozny |
| Orientador(es): | Matos, Everton Moraes |
| Palavras-chave: | Controladores PID Aprendizado do computador Otimização estrutural Simulação (Computadores) Banco de dados PID controllers Machine learning Structural optimization Computer simulation Data bases |
| Data do documento: | 21-Nov-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Ponta Grossa |
| Citação: | DALPERIO, André Ricardo; D'ALVES, Ryan Nabozny. Machine learning aplicado à simulação e controle de um misturador. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Química) - Universidade Tecnológica Federal do Paraná, 2024. |
| Resumo: | Ao considerar a evolução histórica da automação e a crescente complexidade dos processos industriais, destaca-se a importância estratégica dos controladores PID, amplamente utilizados na regulação de variáveis críticas em diversas indústrias. A necessidade contemporânea de vigilância contínua em instalações químicas e a busca por maior eficiência operacional impulsionam a investigação de técnicas avançadas como machine learning, que tem a capacidade de extrair insights significativos de grandes volumes de dados. O presente trabalho de pesquisa se propõe a desenvolver desde a simulação detalhada do sistema físico do misturador até o desenvolvimento de modelos de machine learning específicos para a otimização de constantes dos controladores PID. Em suma, o projeto visa não apenas à otimização de processos de mistura, mas também à ampliação do conhecimento sobre a interseção entre automação, controle de processos e machine learning, com potencial impacto significativo na eficiência da automação industrial. |
| Abstract: | Considering the historical evolution of automation and the increasing complexity of industrial processes, the strategic importance of PID controllers, widely used in regulating critical variables across various industries, is emphasized. The contemporary need for continuous monitoring in chemical facilities and the pursuit of greater operational efficiency drive the investigation of advanced techniques such as machine learning, which has the ability to extract meaningful insights from large volumes of data. This research project aims to develop everything from a detailed simulation of the physical mixer system to the creation of machine learning models specifically for tuning PID controller constants. In summary, the project seeks not only to optimize mixing processes but also to expand knowledge at the intersection of automation, process control, and machine learning, with the potential for significant impact on industrial automation efficiency. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/37778 |
| Aparece nas coleções: | PG - Engenharia Química |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| controladorpidmachinelearning.pdf | 2,28 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
