Desenvolvimento de sensor virtual embarcado para estimação de vazão de gás em processo industrial utilizando modelos de aprendizado de máquina
| dc.contributor.advisor | Carvalho, Tulio Charles de Oliveira | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/0249563467742892 | |
| dc.contributor.author | Silva, Rita Vitória Braga | |
| dc.contributor.authorLattes | http://lattes.cnpq.br/0361300206047822 | |
| dc.contributor.referee | Carvalho, Tulio Charles de Oliveira | |
| dc.contributor.referee | Poubel, Raphael Paulo Braga | |
| dc.contributor.referee | Afonso, Márcio Matias | |
| dc.date.accessioned | 2026-09-08T20:01:23Z | |
| dc.date.available | 2026-09-08T20:01:23Z | |
| dc.date.issued | 2026-06-23 | |
| dc.description.abstract | Sensores virtuais constituem uma alternativa de baixo custo para a estimação de vari áveis de processo, reduzindo a necessidade de instrumentação física adicional e ampliando as possibilidades de monitoramento em sistemas industriais. Nesse contexto, este trabalho propõe o desenvolvimento e a implementação embarcada de sensores virtuais baseados em aprendizado de máquina para estimação da vazão de gás em uma planta de bancada que emula um sistema de bicos injetores de alto-forno. Inicialmente, foi realizada a aquisição de dados experimentais da planta, seguida do pré-processamento e da construção de modelos preditivos utilizando as técnicas Perceptron Multicamadas (MLP) e as Florestas Aleatórias, do inglês Random Forest (RF). Posteriormente, os modelos foram convertidos e embarcados em uma plataforma ESP32. Em ambos osambientes, computacional e embarcado, os modelos foram avaliados por meio das métricas coeficiente de determinação (𝑅2), erro absoluto médio (MAE) e erro quadrático médio (MSE), além do erro percentual absoluto médio (MAPE) e da análise dos recursos computa cionais demandados durante a execução embarcada. Os resultados demonstraram que ambos os modelos foram capazes de estimar adequadamente a variável de interesse, apresentando elevados valores de 𝑅2 e baixos erros de predição. Entretanto, o modelo RF apresentou desem penho superior ao MLP tanto em ambiente computacional quanto embarcado, mantendo maior estabilidade das métricas após a implementação no microcontrolador e demandando menor utilização de memória. Os resultados obtidos demonstram o potencial da aplicação de técnicas de aprendizado de máquina no desenvolvimento de sensores virtuais para sistemas embarcados, contribuindo para a estimação de variáveis de processo em ambientes sujeitos a restrições de processamento e memória. | |
| dc.identifier.uri | https://repositorio.cefetmg.br//handle/123456789/2951 | |
| dc.language.iso | pt | |
| dc.publisher | Centro Federal de Educação Tecnológica de Minas Gerais | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Departamento de Engenharia Elétrica | |
| dc.publisher.initials | CEFET-MG | |
| dc.subject | Sensor virtual | |
| dc.subject | Aprendizado do computador | |
| dc.subject | Sistemas embarcados (Computadores) | |
| dc.subject | Amostragem (Estatística) | |
| dc.title | Desenvolvimento de sensor virtual embarcado para estimação de vazão de gás em processo industrial utilizando modelos de aprendizado de máquina | |
| dc.type | Trabalho de Conclusão de Curso da Graduação |