Uma metodologia de aprendizagem de máquina como suporte para a controladoria industrial identificar impactos de condições de produção em perdas de eficiência: uma aplicação em um caso real de geração de sucata em linhas de produção
| dc.contributor.advisor | Vallim Filho, Arnaldo Rabello de Aguiar | |
| dc.contributor.author | Toaldo, Alexsandro | |
| dc.date.accessioned | 2023-10-30T18:48:10Z | |
| dc.date.available | 2023-10-30T18:48:10Z | |
| dc.date.issued | 2023-09-28 | |
| dc.description.abstract | Propósito – Esta tese apresenta a proposta de uma metodologia, com o desenvolvimento de uma pesquisa intervencionista, através de um experimento de campo em uma indústria no segmento de embalagens (latas) premium de alumínio, localizada nos Estados Unidos. Desenho/Método/Abordagem: Este estudo é baseado na pesquisa intervencionista, que é um tipo de experimento de campo onde o pesquisador não tem controle total sobre o experimento e busca experimentar por meio da observação, atuando em conjunto com a organização anfitriã. Foram desenvolvidos experimentos com modelos preditivos de Machine Learning (ML), baseados em árvores, tais como: árvores de decisão (decision tree - DT), floresta aleatória (random forest - RF) e árvores impulsionadas por gradiente (gradient boosted tree - GBT). Além disso, foi explorado também o algoritmo de redes neurais artificiais (artificial neural net - ANN), por ser muito utilizada com sucesso em diferentes tipos de problemas." Resultados: Os resultados dos modelos se mostraram promissores, atingindo acurácias em suas predições, da ordem acima de 90%, e definindo de forma objetiva um rank para as variáveis que causam maior impacto na perda de matéria-prima, indicando que os experimentos poderiam ser expandidos para outras linhas de produção e/ou produtos. Em uma segunda fase do estudo foi desenvolvido um experimento de campo, dentro dos padrões estatísticos do DOE – Design of Experiments, que confirmou os achados dos modelos preditivos de ML. Limitação da Pesquisa/Implicações: A principal limitação foi a amostra utilizada no experimento de campo, correspondente a uma linha de produção e experimento em dois produtos específicos por um curto espaço de tempo. Pesquisas futuras envolvem estudos longitudinais para avaliar os resultados da pesquisa intervencionista. Implicações Práticas: A pesquisa contribui tanto em relação à questão prática quanto a acadêmica. Apesar de amplamente utilizadas em diferentes áreas, as pesquisas intervencionistas e experimento de campo ainda apresentam uma lacuna importante nas ciências sociais, principalmente na controladoria de processos industriais. O modelo apresentado pode ser replicado em uma escala maior, na própria empresa em outra linhas de produção, bem como em empresas do mesmo segmento ou ainda naquelas empresas que estejam passando por desafios de eficiência em seus processos produtivos. | |
| dc.identifier.uri | https://dspace.mackenzie.br/handle/10899/33694 | |
| dc.language.iso | pt_BR | |
| dc.language.iso | en | |
| dc.subject | aprendizado de máquina | |
| dc.subject | planejamento estatístico de experimentos | |
| dc.subject | pesquisa intervencionista | |
| dc.subject | eficiência de processos | |
| dc.subject | sucata de alumínio | |
| dc.title | Uma metodologia de aprendizagem de máquina como suporte para a controladoria industrial identificar impactos de condições de produção em perdas de eficiência: uma aplicação em um caso real de geração de sucata em linhas de produção | |
| dc.type | Tese | |
| local.contributor.advisorLattes | http://lattes.cnpq.br/2511892257148568 | |
| local.contributor.advisorOrcid | https://orcid.org/0000-0003-4100-4975 | |
| local.contributor.authorLattes | http://lattes.cnpq.br/0323439262287009 | |
| local.contributor.board1 | Yoshikuni, Adilson Carlos | |
| local.contributor.board1Lattes | http://lattes.cnpq.br/6436446845747176 | |
| local.contributor.board1Orcid | https://orcid.org/0000-0003-4611-6933 | |
| local.contributor.board2 | Peters, Marcos Reinaldo Severino | |
| local.contributor.board2Lattes | http://lattes.cnpq.br/2958522536547146 | |
| local.contributor.board3 | Mendonça Neto, Octavio Ribeiro de | |
| local.contributor.board3Lattes | http://lattes.cnpq.br/6833517372823578 | |
| local.contributor.board4 | Santos, Fernando de Almeida | |
| local.contributor.board4Lattes | http://lattes.cnpq.br/4527505611889742 | |
| local.contributor.board4Orcid | https://orcid.org/0000-0002-1716-2802 | |
| local.contributor.coadvisor | Oyadomari, José Carlos Tiomatsu | |
| local.contributor.coadvisorLattes | http://lattes.cnpq.br/5722412463663652 | |
| local.contributor.coadvisorOrcid | https://orcid.org/0000-0003-3059-3102 | |
| local.description.abstracten | Purpose: This thesis presents the proposal of a methodology, with the development of interventionist research, through a field experiment in an industry in the premium aluminum packaging (cans) segment, located in the United States. Design/Method/Approach: This study is based on interventionist research, which is a type of field experiment where the researcher does not have complete control over the experiment and seeks to experiment through observation, working together with the host organization. Experiments were developed with predictive Machine Learning (ML) models, based on trees, such as: decision trees (decision tree - DT), random forest (random forest - RF) and gradient boosted trees (GBT). In addition, the artificial neural network algorithm (artificial neural net - ANN) was also explored, as it is widely used successfully in different types of problems." Results: The results of the models were promising, achieving accuracy in their predictions of the order above 90%, and objectively defining a rank for the variables that cause the greatest impact on the loss of raw material, indicating that the experiments could be expanded to other production lines and/or products. In a second phase of the study, a field experiment was developed, within the statistical standards of the DOE – Design of Experiments, which confirmed the findings of the ML predictive models. Research Limitation/Implications: The main limitation was the sample used in the field experiment, corresponding to a production line and experiment on two specific products for a short period of time. Future research involves longitudinal studies to evaluate the results of interventional research. Practical Implications: The research contributes to both practical and academic issues. Despite being widely used in different areas, interventionist research and field experiments still present an important gap in social sciences, especially in the control of industrial processes. The model presented can be replicated on a larger scale, in the company itself on other production lines, as well as in companies in the same segment or in those companies that are experiencing efficiency challenges in their production processes. | |
| local.keywords | machine learning | |
| local.keywords | statistical experiment planning | |
| local.keywords | interventional research | |
| local.keywords | process efficiency | |
| local.keywords | aluminum scrap | |
| local.publisher.department | Centro de Ciências Sociais e Aplicadas (CCSA) | |
| local.publisher.program | Controladoria e Finanças Empresariais | |
| local.subject.cnpq | CNPQ::CIENCIAS SOCIAIS APLICADAS::ADMINISTRACAO::ADMINISTRACAO DE EMPRESAS |