EM - Escola de Minas

URI permanente desta comunidadehttp://www.hml.repositorio.ufop.br/handle/123456789/6

Notícias

A Escola de Minas de Ouro Preto foi fundada pelo cientista Claude Henri Gorceix e inaugurada em 12 de outubro de 1876.

Navegar

Filtros

2020 - 20222

Configurações

Assunto: search.filters.subject.Processos de fabricação - automação

Resultados da Pesquisa

Agora exibindo 1 - 2 de 2
  • Nenhuma Miniatura Disponível
    Item
    Previsão de falta de equipamento de carga para frota de transporte com base em aprendizado de máquina.
    (2022) Cordeiro, Guilherme Gouveia; Guimarães, Frederico Gadelha; Souza, Marcone Jamilson Freitas; Guimarães, Frederico Gadelha; Souza, Marcone Jamilson Freitas; Reis, Agnaldo José da Rocha; Bessani, Michel
    Um desafio vigente na gestão de frota do setor de mineração é a predição de eventos de falhas de processo, devido à alta quantidade de parâmetros de influência internos (como quebra de equipamentos), externos ao processo (como intempéries) e de interface (como parada de britagem). Este trabalho trata do desenvolvimento de uma abordagem de aprendizado de maquina para previsão da quantidade de horas por dia do evento Falta de Equipamento de Carga para a frota de transporte utilizando dados de despacho. O modelo aplicado foi o Random Forest variando o numero de árvores entre 20, 50 e 100. Realizou-se a seleçãoo de atributos por meio de Backward Elimination para a redução de 20 para 5 parâmetros. A métrica utilizada para avaliação dos modelos foi o coeficiente de correlação (R). Dados de operação real foram utilizados para construção do modelo contendo ao final do trabalho 11,7 milhões de registros em 2 anos de coleta. Os resultados apontaram através do teste de Shapiro-Wilk e T-Welch que os modelos de 20, 50 e 100 árvores eram equivalentes, os coeficientes de correlação médio foram respectivamente 0,768, 0,773 e 0,773 que após a ampliação da massa de dados de 860 mil para 11,7 milhões de registros chegaram a 0,809, resultados melhores do que o valor de 0,35 obtido com o método regressão linear, atualmente utilizado pela área. Assim, o uso do aprendizado de máquina através do Random Forest apresentou bons resultados e aplicabilidade para predições e classificações de eventos da gestão de frota na indústria de mineração.
  • Nenhuma Miniatura Disponível
    Item
    Investigação e verificação experimental de um sistema robotizado para emenda de correias transportadoras.
    (2020) Rodrigues, Guilherme Brito; Freitas, Gustavo Medeiros; Freitas, Gustavo Medeiros; Pritzelwitz, Philip von; Cocota Júnior, José Alberto Naves; Battistel, Andrei Giordano de Holanda
    Os transportadores de correia (TCs) desempenham papel fundamental no transporte de materiais sólidos, apresentando vantagens como baixo custo de operação e segurança de aplicação em diferentes aplicações, incluindo processos de mineração. Devido ao intenso uso, estas estruturas necessitam de manutenção rotineira. A manutenção dos trechos desgastados da correia demanda um tempo considerável, além de apresentar riscos operacionais aos trabalhadores. Diante disso, esta dissertação propõe o estudo de uma solução robotizada com a finalidade de aumentar a automatização do processo de emenda de correias. Inicialmente foram escolhidas algumas etapas do procedimento de emenda a serem automatizadas: o mapeamento de parâmetros internos e externos da correia, além da realização de marcações de referência. As dimensões da correia são obtidas através de triangulação óptica, utilizando um laser linear verde mais uma webcam acoplados ao robô. Já a posição dos cabos de aço dentro da correia é determinada utilizando um sensor indutivo. Testes de conceito para validar as etapas da solução proposta são realizados com auxílio de um ambiente virtual de simulação por meio do desenvolvimento de um gêmeo digital no CoppeliaSim que simula as condições da área operacional onde são realizadas as emendas. As atividades realizadas no simulador são testadas em bancada utilizando um braço manipulador ABB IRB120 e ferramentas de instrumentação e marcação para modelar a correia e fazer indicações de referência. Todo o sistema foi implementado utilizando o Robot Operating System(ROS), e o comando dos manipuladores robóticos utilizando ferramentas do ROS Industrial, MoveIt! e a biblioteca de planejamento de caminhos Descartes Path Planning.