Aprendizagem automática em testes fim de linha

Data
2023-01-16
Título da revista
ISSN da revista
Título do Volume
Editora
Projetos de investigação
Unidades organizacionais
Fascículo
Resumo
A industrialização massiva de produtos que decorre em ambiente fabril, exige a testagem do produto numa fase prévia à sua exportação para o mercado de venda. Por exemplo, os testes fim de linha (End of Line) contribuem para validação da funcionalidade de uma antena, sendo esta um produto fabricado pela Continental Advanced Antenna. O armazenamento da informação proveniente do processo de testagem, permite a manipulação dos dados, através de algoritmos de aprendizagem automatizada em busca de um contributo benéfico. Os estudos nesta área (aprendizagem automática) levam à procura e ao desenvolvimento de ferramentas concebidas com objetivos como prevenir anomalias na linha de produção, manutenção preditiva, garantia de qualidade do produto, previsão de demanda, previsão de problemas de segurança, aumento de recursos, a deteção, isolamento e correção de anomalias, manutenção proativa, escalabilidade de recursos e redução do tempo de produção. Estas vantagens, quando aplicadas ao ambiente de manufaturação, permitem que o sistema EOL seja mais produtivo, de confiança e recorra a um dispêndio de tempo menor. Deste modo, propõe-se uma ferramenta que permite a visualização e deteção prévia de tendências associadas ao sistema de testagem de antenas. Esta dissertação focase na capacidade de prever falhas que ocorrem no EOL acima mencionado, como tal, o protótipo desenvolvido, através de exploração dos dados disponibilizados provenientes das testagens, habilita o utilizador à visualização de gráficos que mostram a progressão dos dados, bem como, através de um modelo de inteligência artificial, prever dados futuros. O protótipo foi desenvolvido com recurso à ferramenta Visual Studio Code e linguagem de programação Python. O GoogleColab foi escolhido para processamento do modelo. Também foram utilizadas outras ferramentas para manipulação dos dados como o Excel e SQL.
The massive industrialization of products in a factory environment requires testing the product at a stage prior to its exportation to the sales market. For example, the End of Line tests at Continental Advanced Antenna contribute to the validation of an antenna’s functionality, which is a product manufactured by this organization. The storage of information from the testing process allows the manipulation of data through automated machine learning algorithms in search of a beneficial contribution. Studies in this area (automatic learning/machine learning) lead to the search and development of tools designed with objectives such as preventing anomalies in the production line, predictive maintenance, product quality assurance, forecast demand, forecasting safety problems, increasing resources, anomaly detection, isolation and correction, proactive maintenance, resource scalability and reduced production time. Once applied to the manufacturing environment, these advantages allow the EOL system to be more productive, reliable, and less time-consuming. This way, a tool is proposed that allows the visualization and previous detection of trends associated with faults in the antenna testing system. This dissertation focuses on predicting failure ability that occurs in the Continental’s EOL. As such, the prototype developed, through the data exploration provided from the tests, enables the user to visualize graphs that monitor the progression of the data and, through an artificial intelligence model, predict the behavior of future data. The prototype was developed using the Visual Studio Code tool and Python programming language. GoogleColab was chosen for model processing. Other tools ixwere used for data manipulation and storage, such as Excel and SQL.
Descrição
Dissertação submetida à UNIVERSIDADE DE TRAS-OS-MONTES E ALTO DOURO para obtenção do grau de MESTRE em Engenharia Informática
Palavras-chave
Testes fim de linha , Aprendizagem Automática
Citação