Aprendizagem de máquina aplicada à predição do tempo de fabricação de novos produtos : um estudo exploratório com foco no tipo de material utilizado em empresa de produção mecatrônica da área médica e espacial

Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2020.A indústria 4.0 é um projeto estratégico que combina inúmeras tecnologias com o intuito de transformar as cadeias de valor da indústria, da produção e dos modelos de negócio. Realizar estimativas e prever eventos futuros incorrem em desafios confrontados pela quarta revolução industrial. Predizer o lead-time total de fabricação de um produto ou componente na indústria torna-se uma atividade crítica e vital para um ambiente de grande competitividade enfrentado por um mercado altamente globalizado e direcionado para a inovação. O trabalho proposto apresenta um estudo com foco em predizer o lead-time total de fabricação de peças e componentes de novos produtos de uma empresa com produção mecatrônica na área de equipamentos médicos e espaciais. A análise preditiva e o aprendizado de máquina através dos algoritmos de Redes Neurais Artificiais (RNA), Support Vector Machine (SVM) e Random Forest (RF) delinearam a metodologia aplicada no estudo. Os modelos de predição foram aplicados em um conjunto de dados de ordens de serviço da empresa, e os resultados mostraram a eficiência do método na estimativa do lead-time total de fabricação. Os melhores resultados apresentaram uma taxa de acerto acima de 87% e com um erro médio absoluto menor que um (1) dia para a fabricação com o material alumínio 6061.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Industry 4.0 is a strategic project that combines numerous technologies in order to transform the value chains of industry, production and business models. Making estimates and predicting future events face challenges faced by the fourth industrial revolution. Predicting the total lead time for manufacturing a product or component in the industry becomes a critical and vital activity for a highly competitive environment faced by a highly globalized and innovation-driven market. The proposed work presents a study aimed at predicting the total lead time of manufacturing parts and components for new products of a company with mechatronic production in the area of medical and space equipment. Predictive analysis and machine learning through Artificial Neural Network (RNA), Support Vector Machine (SVM) and Random Forest (RF) algorithms outlined the methodology applied in the study. The prediction models were applied to a dataset of the company's work orders, and the results showed the efficiency of the method in estimating the total lead time of manufacture. The best results showed a hit rate above 87% and with an average absolute error less than one (1) day for manufacturing with 6061 aluminum material