Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/jspui/handle/123456789/6578
Title: Modelagem matemática de indicadores subjetivos preditivos para auxílio na seleção de materiais em projetos de produtos industriais.
Authors: Ferreira, Eliana de Carvalho
metadata.dc.contributor.advisor: Câmara, Jairo José Drummond
Keywords: Análise e seleção de materiais
Modelos matemáticos
Controle preditivo
Issue Date: 2016
metadata.dc.contributor.referee: Souza, Caissa Veloso e
Engler, Rita de Castro
Citation: FERREIRA, Eliana de Carvalho. Modelagem matemática de indicadores subjetivos preditivos para auxílio na seleção de materiais em projetos de produtos industriais. 2016. 180 f. Tese (Doutorado em Engenharia de Materiais) – Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2016.
Abstract: Os desafios mercadológicos contemporâneos, movidos pelas necessidades de uma sociedade ativa, globalizada e conhecedora de suas demandas, atribuem às áreas de engenharia e design um aprofundamento em soluções nas etapas de projetos de produtos industriais. Pesquisas de soluções em materiais sempre estiveram na ponta do primor tecnológico e inovador, contribuindo sobremaneira na formação de vetores para áreas industriais e de serviços. Tais vetores se tornam chaves das economias, otimizadores de processos de produção, além da geração de subsídios de projetos; mais especificamente nas etapas iniciais, quando da formulação de soluções de viabilidade funcional, de qualidade e de usabilidade do produto acabado. Porém, a dinâmica dessa demanda contemporânea exige assertividade na implementação de soluções em projetos, fazendo com que os projetistas se atentem em múltiplos critérios quando da etapa de seleção de materiais. Buscou-se portanto com essa pesquisa, contribuir para o reconhecimento desses critérios, utilizando-se de variáveis subjetivas extraídas das observações dos indivíduos quando em contato (ou uso) de um produto industrial. O objetivo foi modelar matematicamente tais variáveis, gerando indicadores preditivos para auxílio na seleção de materiais em projetos de produtos industriais. As hipóteses que sustentaram a pesquisa foram testadas através de duas metodologias de modelagem matemática, sendo a Regressão Linear Múltipla e as Redes Neurais Artificiais. Pelos resultados, pôde-se concluir que ambos os métodos são passíveis de uso para fins de análises subjetivas para soluções de projetos. Porém, o diferencial esteve na potencialidade de se atribuir a formulação matemática gerada em projetos novos, e diversificados, parametrizando-os por estimadores com capacidade de explicação.
metadata.dc.description.abstracten: The contemporary market challenges, driven by the needs of an active society, globalized and knowledgeable of their demands, attach to the engineering and design a deepening in projects steps solutions the industrial products. Material solutions researches have always been on the edge of technological and innovative excellence, greatly contributing to the formation of new vectors for industrial and service areas. Those vectors become key in the several economies, strong optimizers’ production processes as well as generating project subsidies; more specifically the early stages when formulating functional viability solutions, usability and quality of the finished product. However, the dynamics of contemporary demand requires assertiveness in implementing these solutions in projects, so that the designers they pay attention on multiple criteria when the materials selection stage. This research therefore sought to contribute to the recognition of these criteria, gathering subjective variables drawn from the individuals observations when in contact (or use) an industrial product. The goal was to model mathematically the variables, generating predictive support indicators in the selection of materials for the success industrial products formulation. The assumptions that supported the research were tested by two modeling mathematical methodologies: the Multiple Linear Regression and Artificial Neural Networks. From the results, it could be concluded that both methods are likely to use for the purpose of subjective analysis to design solutions. However the difference was the capability to assign mathematical formulation generated in new and diverse projects, parameterizing them by estimators with explanatory power.
Description: Programa de Pós-Graduação em Engenharia de Materiais. Departamento de Engenharia Metalúrgica, Escola de Minas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/6578
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 03/06/2016 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Appears in Collections:REDEMAT - Doutorado (Teses)

Files in This Item:
File Description SizeFormat 
TESE_ModelagemMatemáticaIndicadores.pdf14,68 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons