Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/41367| Título: | Aplicação de inteligência artificial na estimativa da espessura da camada de tinta depositada sobre chapas de aço galvanizado em linha de pintura industrial |
| Título(s) alternativo(s): | Application of artificial intelligence in the estimation of the thickness of the paint layer deposited on galvanized steel sheets in an industrial painting line |
| Autor(es): | Plotchkacz, Everton Ricardo Santos, Jônatas Macedo |
| Orientador(es): | Passarin, Thiago Alberto Rigo |
| Palavras-chave: | Inteligência artificial Controladores programáveis Redes neurais (Computação) Aprendizado do computador Pintura industrial Aço galvanizado Artificial intelligence Programmable controllers Neural networks (Computer science) Machine learning Painting, Industrial Steel, Galvanized |
| Data do documento: | 19-Mai-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Curitiba |
| Citação: | PLOTCHKACZ, Everton Ricardo; SANTOS, Jônatas Macedo. Aplicação de inteligência artificial na estimativa da espessura da camada de tinta depositada sobre chapas de aço galvanizado em linha de pintura industrial. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Controle e Automação) - Universidade Tecnológica Federal do Paraná, Curitiba, 2025. |
| Resumo: | Este trabalho consiste no estudo e desenvolvimento de uma inteligência artificial integrada com um CLP através de uma rede industrial, capaz de estimar a espessura da camada de tinta aplicada sobre chapas de aço galvanizadas em uma linha de produção industrial. Atualmente, o ajuste das variáveis de processo depende de um processo experimental pouco eficiente, onde é demandado um alto tempo de parada da linha de produção para realizar, em laboratório e por processo de amostragem, a medição da camada de tinta aplicada na chapa que está em produção. Nesse contexto, o sistema de simulação proposto, baseado no treinamento de uma inteligência artificial utilizando uma base de dados real, deverá fornecer uma estimativa da espessura da camada de tinta que será aplicada sobre a chapa, conforme os parâmetros coletados durante o setup da linha ou através da entrada manual de dados pelo operador. O simulador proposto tem potencial de reduzir significativamente os custos de produção causados pelo tempo de linha parada, evitar desperdícios de matéria-prima, monitorar o comportamento da espessura de acordo com os dados fornecidos pelo controlador em tempo real e possibilitar a avaliação de novas configurações de parâmetros, reduzindo assim a carga de trabalho do operador, retirando a responsabilidade do mesmo em tornar-se um especialista no processo experimental de medição da espessura da camada de tinta aplicada. O desempenho do sistema proposto foi avaliado através da comparação entre os resultados indicados pela inteligência artificial MLP e RF, de acordo com os valores reais amostrados em uma linha de produção. Conforme métricas da matriz confusão apresentado nas seções 5.4 e 5.6, a MLP obteve um desempenho de precisão em torno dos 70%, porém a RF, chegou a atingir mais de 80% de precisão entre as classes com uma acurácia de 84%. |
| Abstract: | This work consists of the study and development of an artificial intelligence integrated with a PLC through an industrial network, capable of estimating the thickness of the paint layer applied to galvanized steel sheets on an industrial production line. Currently, the adjustment of process variables depends on a rather inefficient experimental process, which demands a long downtime of the production line to perform, in a laboratory and through a sampling process, the measurement of the paint layer applied to the sheet in production. In this context, the proposed simulation system, based on the training of an artificial intelligence using a real database, should provide an estimate of the thickness of the paint layer that will be applied to the sheet, according to the parameters collected during the line setup or through manual data entry by the operator. The proposed simulator has the potential to significantly reduce production costs caused by line downtime, avoid raw material waste, monitor the thickness behavior according to the data provided by the controller in real time, and enable the evaluation of new parameter configurations, thus reducing the operator’s workload and removing the responsibility of becoming an expert in the experimental process of measuring the thickness of the applied paint layer. The performance of the proposed system was evaluated by comparing the results provided by the MLP and RF artificial intelligence models with the actual values sampled from a production line. According to the confusion matrix metrics presented in Sections 5.4 and 5.5, the MLP achieved an accuracy of approximately 70%, whereas the RF reached over 80% precision among the classes, with an overall accuracy of 84%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/41367 |
| Aparece nas coleções: | CT - Engenharia de Controle e Automação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| simulacaointeligenciaartificiallabview.pdf | 5,44 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
