https://hdl.handle.net/1884/98651 Fri, 03 Apr 2026 18:05:32 GMT 2026-04-03T18:05:32Z https://hdl.handle.net/1884/98946 Análise comparativa de modelos de aprendizado de máquina Random Forest e Árvore de Decisão para detecção de falhas em poços de petróleo : um estudo de caso utilizando o Dataset 3W Resumo : A identificação precoce de falhas em poços de petróleo é crucial para a otimização da produção e a mitigação de riscos operacionais e ambientais na indústria de óleo e gás. Este trabalho tem como objetivo desenvolver e comparar um pipeline de aprendizado de máquina, utilizando os algoritmos Árvore de Decisão e Random Forest, para a classificação da anomalia de "perda rápida de produtividade". A metodologia emprega dados reais do dataset 3W, disponibilizado pela Petrobras, utilizando um poço para treinamento (Poço 16) e outro distinto para validação externa (Poço 20). O pipeline de processamento inclui a segmentação dos dados em janelas temporais, a extração de atributos estatísticos e a redução de dimensionalidade com a Análise de Componentes Principais (PCA), configurada para reter 95% da variância dos dados. Adicionalmente, a técnica de oversampling foi aplicada para balancear as classes no conjunto de treinamento. Os resultados da validação interna no Poço 16 mostraram um desempenho perfeito para ambos os modelos. Contudo, na validação externa no Poço 20, o modelo Random Forest demonstrou uma superioridade expressiva, com uma ROC AUC de 0.9432 contra 0.5287 da Árvore de Decisão, indicando uma capacidade de generalização muito maior. Conclui-se que a arquitetura de ensemble do Random Forest é mais robusta e eficaz para a tarefa, mitigando o superajuste observado no modelo de árvore única e representando uma solução mais confiável para a detecção de anomalias em cenários operacionais reais; Abstract : Early fault detection in oil wells is crucial for optimizing production and mitigating operational and environmental risks in the oil and gas industry. This study aims to develop and compare a machine learning pipeline, using the Decision Tree and Random Forest algorithms, for the classification of the "rapid productivity loss" anomaly. The methodology uses real data from the 3W dataset, provided by Petrobras, utilizing one well for training (Well 16) and a distinct one for external validation (Well 20). The processing pipeline includes segmenting data into temporal windows, extracting statistical features, and reducing dimensionality with Principal Component Analysis (PCA), configured to retain 95% of the data's variance. Additionally, an oversampling technique was applied to balance the classes in the training set. The internal validation results on Well 16 showed perfect performance for both models. However, in the external validation on Well 20, the Random Forest model demonstrated expressive superiority, with a ROC AUC of 0.9432 compared to the Decision Tree's 0.5287, indicating a much greater generalization capability. It is concluded that the ensemble architecture of the Random Forest is more robust and effective for the task, mitigating the overfitting observed in the single tree model and representing a more reliable solution for anomaly detection in real operational scenarios Orientado: Prof. Dr. Pablo Valle; Monografia (graduação) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Graduação em Engenharia Mecânica; Inclui referências Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/98946 2025-01-01T00:00:00Z https://hdl.handle.net/1884/98945 Concepção de um assistente virtual para auxílio na tomada de decisão técnica em ambientes fabris Resumo : Novas tecnologias vêm sendo implementadas em ambientes industriais como objetivo de aumentar a eficiência operacional, reduzir falhas técnicas e melhorar a rastreabilidade de processos. Nesse contexto, o uso de sistemas inteligentes, como assistentes virtuais baseados em inteligência artificial(IA), surgiu como uma solução promissora para apoia a tomada de decisão técnica em tempo real. No entanto, a integração entre ferramentas de automação e modelos de linguagem natural ainda enfrenta desafios técnicos,como a adaptação a contextos industriais específicos e a confiabilidade na geração de respostas. Este estudo apresenta a concepção de um sistema composto por dois módulos independentes: um conjunto de automações desenvolvido com a ferramenta Microsoft Power Automate, responsável por executar comandos técnicos,e um assistente virtual baseado em linguagem natural, construído em Python com uso de bibliotecas como Lang Chain, FAISS e Open AI. O sistema permite que operadores interajam por meio da plataforma Microsoft Teams, selecionando comandos via Adaptive Cards ou enviando perguntas abertas para o assistente. Paraavaliarafuncionalidade, foram simulados três fluxos automáticos(ajuste de acesso, registro de falhas e envio para auditoria), além da implementação de um modelo de diagnóstico técnico treinado com base documental da linha de montagem. Os resultados mostraram alta taxa de sucesso nas interações com o sistema, bem como clareza e assertividade nas respostas do módulo de IA, compotencial para aplicação real em linhas produtivas. A combinação das tecnologias se mostrou viáve e eficaz para ambientes fabris, promovendo maior automação, autonomia operacional e suporte técnico em tempo real Orientador: Prof. Dr. Pablo Deivid Valle; Monografia (graduação) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Graduação em Engenharia Mecânica; Inclui referências Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/98945 2025-01-01T00:00:00Z https://hdl.handle.net/1884/98944 Simulação e análise de desempenho em uma linha de produção de pintura : otimização de processos e resultados Resumo : A indústria de manufatura busca constantemente otimizar seus processos, reduzir custos e aumentar a produtividade. As linhas de pintura são essenciais por fornecerem valor estético e proteção contra corrosão, mas enfrentam gargalos devido à complexidade de suas etapas. Este trabalho analisa uma linha de pintura industrial, utilizando simulação computacional no software Tecnomatix Plant Simulation para identificar restrições e propor melhorias. A aplicação de tinta metálica, que exige múltiplas passagens, foi identificada como o principal gargalo. O modelo de simulação criado representa um Modelo Digital (Digital Model), alimentado manualmente, sem conexão em tempo real com o ambiente físico. Foram analisados tempos de processamento, taxas de recirculação, mix de produtos e desempenho da linha. As simulações testaram cenários variados quanto ao mix de modelos, variantes de cor e tempos de ciclo, buscando aumento de capacidade produtiva, redução de gargalos e melhoria do OLE. Os resultados fundamentam propostas para a evolução da linha rumo a um Gêmeo Digital completo; Abstract : The manufacturing industry constantly seeks to optimize processes, reduce costs, and increase productivity. Paintshop lines are crucial for providing aesthetic value and corrosion protection but often face bottlenecks due to their complexity. This work analyzes an industrial painting line using Tecnomatix Plant Simulation software to identify constraints and propose improvements. The application of metallic paints, which requires multiple passes, was identified as the main bottleneck. The simulation model represents a Digital Model (DM), manually updated without real-time connection to the physical environment. Processing times, recirculation rates, product mix, and performance metrics were analyzed. Simulations tested different scenarios involving model mix, color variants, and cycle times to increase production capacity, reduce bottlenecks, and improve OLE. The results support strategies toward a complete Digital Twin implementation Orientador: Prof. Dr. Pablo Deivid Valle; Monografia (graduação) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Graduação em Engenharia Mecânica; Inclui referências Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/98944 2025-01-01T00:00:00Z https://hdl.handle.net/1884/98943 Aplicação integrada e em tempo real de ferramentas da qualidade no controle de recebimento de peças Resumo : Este trabalho apresenta a aplicação integrada e em tempo real de ferramentas da qualidade no processo de controle de recebimento de peças, com foco em uma indústria de veículos pesados para construção civil e agricultura. Partindo de um cenário inicial marcado por ausência de padronização nas inspeções, retrabalhos frequentes e baixa rastreabilidade das causas de não conformidade, foi desenvolvida uma metodologia prática baseada no uso combinado das ferramentas RCCA (Root Cause and Corrective Action), PPAP (Production Part Approval Process), CEP (Controle Estatístico de Processo) e checklists padronizados de inspeção. A proposta visa fortalecer a confiabilidade no recebimento de materiais, garantir o alinhamento com requisitos técnicos e promover uma melhoria contínua no desempenho do setor de qualidade. A metodologia implementada busca padronizar as rotinas de inspeção, facilitar a detecção precoce de desvios, aumentar a rastreabilidade dos registros e viabilizar ações corretivas estruturadas. Estimativas baseadas na experiência prática indicam que a integração dessas ferramentas pode reduzir o retrabalho relacionado a falhas não detectadas, bem como diminuir o índice de falhas internas originadas por componentes não conformes. Além disso, a aplicação digital e em tempo real desses instrumentos favorece o alinhamento com os princípios da manufatura inteligente, possibilitando monitoramento contínuo, agilidade nas decisões e rastreabilidade dos dados ao longo da cadeia. A análise discute os principais ganhos esperados, incluindo a confiabilidade no recebimento, a melhoria da comunicação com fornecedores e a eficiência operacional. Também são apontadas as limitações do processo, como a resistência inicial da equipe e a necessidade de treinamentos, propondo estratégias práticas para sua superação. Por fim, recomenda-se a expansão gradual da metodologia para setores como produção e montagem, onde os princípios já aplicados ao recebimento podem contribuir para a prevenção de falhas, controle estatístico contínuo e padronização de etapas críticas, consolidando a cultura da qualidade em toda a organização; Abstract : This paper presents the integrated and real-time application of quality tools in the incoming inspection process of components, with a focus on a heavy machinery industry serving the construction and agricultural sectors. Starting from an initial scenario characterized by lack of inspection standardization, frequent rework, and low traceability of nonconformities, a practical methodology was developed based on the combined use of RCCA (Root Cause and Corrective Action), PPAP (Production Part Approval Process), SPC (Statistical Process Control), and standardized inspection checklists. The proposed approach aims to strengthen reliability in incoming materials, ensure compliance with technical specifications, and promote continuous improvement in quality performance. The implementation of this methodology seeks to standardize inspection routines, enable early detection of deviations, enhance traceability of records, and structure effective corrective actions. Practical estimates indicate that the integration of these tools can reduce rework due to undetected defects, and decrease internal failures caused by nonconforming components. Additionally, the real-time digital application of these tools reinforces alignment with smart manufacturing principles, enabling ongoing monitoring, faster decision-making, and improved traceability throughout the supply chain. The analysis highlights the expected benefits, including improved reliability in receiving processes, enhanced supplier communication, and operational efficiency. Limitations such as initial team resistance and the need for training are addressed, along with practical strategies for overcoming them. The paper concludes by recommending the gradual extension of this methodology to production and assembly areas, where the same principles can help prevent failures, ensure statistical monitoring, and strengthen quality control across critical operations Orientador: Prof. Dr. Pablo Deivid Valle; Monografia (graduação) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Graduação em Engenharia Mecânica; Inclui referências Wed, 01 Jan 2025 00:00:00 GMT https://hdl.handle.net/1884/98943 2025-01-01T00:00:00Z