Use este identificador para citar ou linkar para este item:
http://www.monografias.ufop.br/handle/35400000/5780
Registro completo de metadados
Campo Dublin Core | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Santos, Zirlene Alves da Silva | pt_BR |
dc.contributor.author | Gaigher, Lucio | - |
dc.date.accessioned | 2023-08-07T14:26:04Z | - |
dc.date.available | 2023-08-07T14:26:04Z | - |
dc.date.issued | 2023 | pt_BR |
dc.identifier.citation | GAIGHER, Lucio. Machine learning aplicado à tribologia: análise dos parâmetros relacionados aos desgastes abrasivo, adesivo e por erosão nos equipamentos da indústria da mineração. 2023. 34 f. Monografia (Graduação em Engenharia Mecânica) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2023. | pt_BR |
dc.identifier.uri | http://www.monografias.ufop.br/handle/35400000/5780 | - |
dc.description.abstract | Como toda empresa, o setor industrial de mineração visa um negócio rentável, ainda mais com a competitividade do mercado. Diante deste cenário é necessário aumentar a disponibilidade dos ativos para que a produção tenha redução de paradas não programadas, tendo em vista que a inovação tecnológica é a melhor alternativa para as indústrias. Este trabalho tem como objetivo o desenvolvimento de um programa de Machine Learning na linguagem Python para analisar os tipos de desgastes que impactam no sistema tribológico dos equipamentos da indústria de mineração, para assim traçar o melhor plano de manutenção possível, aumentando a disponibilidade deles. A metodologia utilizada na pesquisa foi de natureza qualitativa, se classifica como exploratória quanto aos objetivos, bibliográfica e experimental quanto aos procedimentos técnicos. É possível afirmar que o programa Machine Learning em Python baseado em Decision Tree contribui para o aumento da disponibilidade física de ativos da indústria de mineração, já que indica o desgaste predominante em um sistema tribológico de uma dada máquina, assim podendo traçar o melhor plano de manutenção. | pt_BR |
dc.language.iso | pt_BR | pt_BR |
dc.subject | Aprendizado do computador | pt_BR |
dc.subject | Aprendizado do computador - arvore de decisão | pt_BR |
dc.subject | Python - linguagem de programação de computador | pt_BR |
dc.subject | Tribologia - sistema tribológico | pt_BR |
dc.title | Machine learning aplicado à tribologia : análise dos parâmetros relacionados aos desgastes abrasivo, adesivo e por erosão nos equipamentos da indústria de mineração. | pt_BR |
dc.type | TCC-Graduação | pt_BR |
dc.contributor.referee | Rosa, José Francisco Vilela | pt_BR |
dc.contributor.referee | Bortolaia, Luís Antônio | pt_BR |
dc.contributor.referee | Santos, Zirlene Alves da Silva | pt_BR |
dc.description.abstracten | Like any other company, the industrial mining sector aims at a profitable business, even more so with the competitiveness of the market. For this, we need the greatest possible availability of assets so that production stops as little as possible, given that innovation is the best way to seek alternatives that are not yet used. This work aims to develop a Machine Learning program in Python language to analyze the types of wear that impact the tribological system of mining industry equipment, in order to draw the best possible maintenance plan, increasing their availability. The methodology used in the research was qualitative in nature, classified as exploratory in terms of objectives, bibliographic and experimental in terms of technical procedures. It is possible to affirm that the Machine Learning program in Python based on Decision Tree contributes to the increase of the physical availability of assets in the mining industry, since it indicates the predominant wear in a tribological system of a given machine, thus being able to draw the best maintenance plan. | pt_BR |
dc.contributor.authorID | 14.2.9202 | pt_BR |
Aparece nas coleções: | Engenharia Mecânica |
Arquivos associados a este item:
Arquivo | Descrição | Tamanho | Formato | |
---|---|---|---|---|
MONOGRAFIA_MachineLearningAplicado.pdf | 874,77 kB | Adobe PDF | Visualizar/Abrir |
Este item está licenciado sob uma Licença Creative Commons