| Resumo: | Ao longo dos últimos anos, as técnicas de aprendizagem automática sofreram um grande desenvolvimento demonstrado pela evolução dos algoritmos de Deep Learning (DL) implementados em várias áreas do nosso dia-a-dia, como por exemplo, na condução autónoma ou no reconhecimento facial. Apesar das altas taxas de sucesso e fortes potencialidades provadas, estas técnicas estão ainda para ser implementadas por completo num contexto industrial. Baseado no estágio curricular completado na Bosch Termotecnologia, SA, o trabalho aqui apresentado visa resolver o problema que a empresa enfrenta atualmente com elevada percentagem de peças com defeito (32% da produção total) no fim do processo de brasagem das câmaras de combustão (CCs) - um dos componentes dos esquentadores que a empresa produz. Baseada em algoritmos de ML, é proposta uma solução para otimizar o processo de brasagem das CCs. O trabalho realizado representa a primeira parte da solução proposta, onde foi desenvolvido um sistema de visão para classificar, com recurso a redes neuronais convolucionais, 16 modelos de câmaras de combustão. Consoante o modelo classificado, o processo de brasagem seria otimizado através de outro algoritmo de ML que iria prever o valor ideal de um dos parâmetros do processo de brasagem. O sistema foi implementado na linha de produção da empresa e com um dataset reduzido foi possível alcançar taxas de 100% de precisão na classificação de 5 modelos de câmaras de combustão. Ao longo do documento é explicado todo o trabalho desenvolvido, desde a construção do sistema de visão para aquisição das imagens, até ao treino dos algoritmos para classificação das câmaras de combustão.
|
|---|