Publication
Intelligent systems for defect monitoring and diagnosis in the body shop of a automotive assembly line
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Leitão, Paulo | |
| dc.contributor.advisor | Barbosa, José | |
| dc.contributor.advisor | Alves, Gleifer Vaz | |
| dc.contributor.author | Costa, Júlio Cesar Guimarães | |
| dc.date.accessioned | 2025-01-10T10:03:46Z | |
| dc.date.embargo | 2026-01-10 | |
| dc.date.issued | 2024 | |
| dc.description | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná | pt_PT |
| dc.description.abstract | This study investigates data analysis techniques and the development of two analytical tools in the openZDM project for the body shop and final assembly measurement stations of a automotive industry plant. These systems were designed to generate quality information, helping the industry to achieve the Zero Defect Manufacturing (ZDM) goals. The use case section provides essential background for understanding the nuances and limitations of the case study. Next sections devised the tools to apply the Zero Defect Manufac- turing strategies, firstly the proposed rule-based monitoring framework, which enables quick adaptation of context-specific and general rules for statistical, trend, and Machine Learning based monitoring. Two micro-services serve as the diagnostic tool, evaluating the car and measurement quality while classifying defects, and generating their causes, consequences, and process implications. The tests carried out demonstrated the system’s effectiveness in handling a high-frequency data environment having a processing time 30 times faster than the required by the use case, and offering reliable outputs for proactive decision-making. The tools development was a collaborative effort within the industry partners, this concern with the operator comfort reinforces mainly the adaptation to the existing industrial process. | pt_PT |
| dc.description.abstract | Este estudo investiga técnicas de análise de dados e o desenvolvimento de duas ferramentas de analise de dados no projeto openZDM para as estações de medição da montagem final e da funilaria em uma fábrica automotiva. Esses sistemas foram projetados para gerar informações de qualidade, ajudando a indústria a alcançar os objetivos do Zero Defect Manufacturing (ZDM). A seção do caso de estudo fornece o contexto essencial para compreender as nuances e limitações do estudo de caso. As próximas seções detalham as ferramentas aplicadas para implementar as estratégias de ZDM, começando com o framework de monitoramento baseado em regras, que permite a rápida adaptação de regras específicas e gerais para o monitoramento estatístico, de tendências e baseado em aprendizado de máquina. Dois microsserviços funcionam como ferramentas de diagnóstico, avaliando a qualidade do carro e das medições, classificando defeitos e gerando suas causas, consequências e implicações nos processos. Os testes realizados demonstraram a eficácia do sistema em lidar com um ambiente de dados de alta frequência, com um tempo de processamento 30 vezes mais rápido que o necessário para o caso de uso, além de fornecer saídas confiáveis para decisões proativas. Este desenvolvimento foi fruto da colaboração entre o autor e os parceiros da indústria, e a preocupação com o conforto do operador reforça a viabilidade e qualidade do sistema no ambiente de manufatura. | pt_PT |
| dc.identifier.tid | 203794117 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/30884 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | ZDM | pt_PT |
| dc.subject | Analytical tools | pt_PT |
| dc.subject | Monitoring | pt_PT |
| dc.subject | Diagnosis | pt_PT |
| dc.title | Intelligent systems for defect monitoring and diagnosis in the body shop of a automotive assembly line | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Informática | pt_PT |