Machine learning algorithms applied to intelligent tyre manufacturing

Acosta, Simone Massulini; Oliveira, Rodrigo Marcel Araujo; Sant’Anna, Ângelo Márcio Oliveira

doi:10.1080/0951192x.2023.2177734

Cited by 8 publications

(4 citation statements)

References 30 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Em [6] os autores utilizaram o modelo Random Forest para detecc ¸ão de anomalias e previsão do peso do pneu de uma fábrica. Nesse estudo um algoritmo de evoluc ¸ão diferencial foi utilizado para otimizar parâmetros de modelos de aprendizado de máquina e isso possibilitou melhores resultados comparado a outros métodos.…”

Section: Revis ãO Da Literaturaunclassified

See 1 more Smart Citation

Modelo híbrido de aprendizado de máquina para extração de características em imagens de radiografia de tórax

Oliveira,

Figueredo,

Silva

et al. 2023

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

O diagnostico de doenças com imagens e auxílio de sistemas computacionais de Inteligência Artificial v em sendo desenvolvidos e aplicados em varios contextos clínicos. A Indústria 4.0 tem um papel fundamental nesse processo e pesquisas recentes demonstram que transferência de aprendizado de redes neurais convolucionais pre-treinadas como ResNet-50, VGG-16 e Inception podem contribuir significativamente no resultado das prediçoes para classificação de imagens. Contudo, na maioria das vezes, o treinamento de redes neurais requer um tempo de execução consider avel. Este artigo propõe um método rápido e eficiente para treinamento com menor tempo de execução baseado em algoritmos de aprendizado de máquina para modelagem preditiva de imagens de radiografia de torax de pacientes saudaveis e com pneumonia. O trabalho consiste em desenvolver uma modelagem híbrida usando a ResNet-50 para extração de características, a análise de componentes principais para reduzir a dimensão das variáveis preditoras e o modelo Random Forest para classificar as imagens. Algoritmos geneticos foram utilizados para otimizar os parametros do modelo Random Forest. Os resultados dessa abordagem permitiu alcançar valores relevantes de desempenho quando comparado com os encontrados na literatura por arquiteturas robustas de redes neurais. O classificador híbrido Random Forest proposto alcançou 93%, 79%, 88% de ROC-AUC nos conjuntos de treino, teste e validação, respectivamente.

show abstract

Section: Revis ãO Da Literaturaunclassified

“…A Indústria 4.0 [6] é caracterizada pela integrac ¸ão de diferentes tecnologias como Inteligência Artificial (IA), robótica, computac ¸ão em nuvem, etc. As Redes Neurais Convolucionais (CNNs) são métodos eficazes para extrair características de imagens [7].…”

Section: Introduc ¸ãOunclassified

Modelo híbrido de aprendizado de máquina para extração de características em imagens de radiografia de tórax

Oliveira,

Figueredo,

Silva

et al. 2023

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

show abstract

“…A abordagem utilizando máquina de vetores de relevância (RVM) para previsão do peso do pneu e detecção de anomalias é proposta por Acosta et al, (2023). Nesse estudo o RVM apresentou o melhor desempenho comparado com outros algoritmos de aprendizado de máquina.…”

Section: Desenvolvidos Os Algoritmos Isolation Forest Local Outlier F...unclassified

Modelos De Aprendizado De Máquina Para Detecção De Anomalias No Processo De Manufatura De Pneus

OLIVEIRA,

SANT ANNA

2023

Anais Do Encontro Nacional De Engenharia De Produção

View full text Add to dashboard Cite

“…In computer science, ML is used for various tasks, such as natural language processing [1][2][3][4][5], image recognition [6][7][8], or computer vision [9][10][11][12][13][14]. In engineering, ML is applied in the optimization and control of complex systems [15][16][17][18], the prediction of equipment failures [19][20][21], or the enhancement of manufacturing processes [22][23][24][25]. ML is also extensively used in materials science for materials discovery [26][27][28][29][30], property prediction [31][32][33][34], and accelerated materials design [35][36][37].…”

Section: Introductionmentioning

confidence: 99%

X-ray Diffraction Data Analysis by Machine Learning Methods—A Review

Surdu,

Győrgy

2023

Applied Sciences

View full text Add to dashboard Cite

X-ray diffraction (XRD) is a proven, powerful technique for determining the phase composition, structure, and microstructural features of crystalline materials. The use of machine learning (ML) techniques applied to crystalline materials research has increased significantly over the last decade. This review presents a survey of the scientific literature on applications of ML to XRD data analysis. Publications suitable for inclusion in this review were identified using the “machine learning X-ray diffraction” search term, keeping only English-language publications in which ML was employed to analyze XRD data specifically. The selected publications covered a wide range of applications, including XRD classification and phase identification, lattice and quantitative phase analyses, and detection of defects and substituents, as well as microstructural material characterization. Current trends in the field suggest that future efforts pertaining to the application of ML techniques to XRD data analysis will address shortcomings of ML approaches related to data quality and availability, interpretability of the results and model generalizability and robustness. Additionally, future research will likely incorporate more domain knowledge and physical constraints, integrate with quantum physical methods, and apply techniques like real-time data analysis and high-throughput screening to accelerate the discovery of tailored novel materials.

show abstract

Machine learning algorithms applied to intelligent tyre manufacturing

Cited by 8 publications

References 30 publications

Modelo híbrido de aprendizado de máquina para extração de características em imagens de radiografia de tórax

Modelo híbrido de aprendizado de máquina para extração de características em imagens de radiografia de tórax

Modelos De Aprendizado De Máquina Para Detecção De Anomalias No Processo De Manufatura De Pneus

X-ray Diffraction Data Analysis by Machine Learning Methods—A Review

Contact Info

Product

Resources

About