Defesa de mestrado do discente Josemar Félix, dia 29/06 as 10:00.Defesa de mestrado do discente Josemar Félix, dia 29/06 as 10:00. Título: Algoritmos de aprendizado de máquina para previsão de tempo da manutenção de vagões Banca: Prof. Dr. Edson Romano Nucci - UFJS; Prof. Dr. Robson Bruno Dutra Pereira; Profa. Dra. Andrea Gomes Campos Bianchi; Prof. Dr. Rodrigo César Pedrosa Resumo: A análise do planejamento de manutenção, com o objetivo de criar predições sobre a capacidade produtiva, é uma importante aliada na gestão industrial. A Engenharia de Métodos dispõe da ferramenta denominada cronoanálise, utilizada desde 1856, para avaliar a capacidade industrial. Essa ferramenta tem como base a cronometragem e análise subjetiva de várias atividades envolvidas nas atividades de produção da manutenção. Contudo, o próprio processo de cronometragem tende a afetar o tempo de execução, comprometendo a sua estimativa. Nesse contexto, este trabalho investiga a aplicação de métodos baseados em aprendizado de máquina para a avaliação da capacidade de restaurar vagões em oficinas da MRS Logística, e, ainda, comparar com a aplicação da cronoanálise utilizada atualmente pela empresa. Para tal, foram disponibilizados dados de 2019 sobre a manutenção de vagões, esses dados serviram para a construção dos modelos de predição desta pesquisa. Foram reservados os dados de nove meses para treinamento de três meses para testes e também realizou-se a validação cruzada utilizando cinco subdivisões. Com o auxilio do planejamento de experimentos e testes os estatísticos de Friedman e Nemenyi, foi possível constatar que, os algoritmos de aprendizado de máquina, são capazes de produzir modelos com melhor qualidade quando combinados com a cronoanálise na liberação de vagões restaurados, comprovado pelas métricas RMSE e MAE. Video call link: https://meet.google.com/usb-yjhp-qct |
Departamento de Computação | ICEB | Universidade Federal de Ouro Preto
Campus Universitário Morro do Cruzeiro | CEP 35400-000 | Ouro Preto - MG, Brasil
Telefone: +55 31 3559-1692 | decom@ufop.edu.br