Logo

Anais

Resumo do trabalho

Operações · Novas Tecnologias e IA em Operações e Desenvolvimento de Produtos

Página inicial Resumos em sequência

Título

IA PARA PREDIÇÃO DE REFUGO: Avaliação de modelos na indústria de papel reciclado

Baixar PDF Sessão completa

Palavras-chave

Inteligência Artificial Papel Reciclado Aprendizado de Máquina
Agradecimento: Este trabalho foi realizado com apoio da Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco (FACEPE).

Autores

  • ROBERTA VANESSA ARAGÃO FELIX DA SILVA
    UNIVERSIDADE FEDERAL DE PERNAMBUCO (UFPE)
  • Taciana de Barros Jerônimo
    UNIVERSIDADE FEDERAL DE PERNAMBUCO (UFPE)
  • JOSÉ CLAUDIO VILAR GOMES JÚNIOR
    UNIVERSIDADE FEDERAL DE PERNAMBUCO (UFPE)
  • Fernando Gomes de Paiva Júnior
    UNIVERSIDADE FEDERAL DE PERNAMBUCO (UFPE)
  • Jardiel de Moura Gomes
    UNIVERSIDADE FEDERAL DE PERNAMBUCO (UFPE)

Resumo

Introdução

A Indústria 4.0 promove a integração entre automação, dados e inteligência artificial para melhorar processos produtivos (Cheng; Yu, 2021). Na indústria papeleira, a variabilidade da matéria-prima reciclada impacta a qualidade e eleva a taxa de refugo (Devi et al., 2023). O Brasil é líder global em celulose, segundo a IBÁ (2024). Nesse contexto, modelos supervisionados de IA têm se mostrado eficazes para antecipar falhas e reduzir perdas (He et al., 2022), alinhando o setor aos princípios da digitalização e da eficiência operacional sustentável (Merlin; Caleman; Padgett, 2024).

Problema de Pesquisa e Objetivo

A indústria de papel reciclado enfrenta altos custos devido a refugos (1,7%) causados por variáveis como gramatura e umidade. Este estudo avalia três algoritmos de aprendizado de máquina (Random Forest, Gradient Boosting, MLPClassifier) para prever falhas em tempo real, visando reduzir perdas e otimizar a qualidade. O objetivo é comparar seu desempenho na classificação de lotes, com foco na detecção da classe minoritária (refugo).

Fundamentação Teórica

A Indústria 4.0 (Kagermann et al., 2013) redefiniu a manufatura com a integração de IA, e ênfase na análise preditiva. No contexto do papel reciclado, a heterogeneidade da matéria-prima e a baixa taxa de refugo exigem modelos robustos. Algoritmos como Random Forest (Breiman, 2001), Gradient Boosting (Friedman, 2001) e MLP (Haykin, 1998) destacam-se por lidar com dados desbalanceados e capturar padrões não-lineares. A validação cruzada e métricas como F1-score (James et al., 2021) viabilizam a avaliação, enquanto técnicas de pré-processamento (Han et al., 2011) garantem qualidade dos dados.

Metodologia

Estudo quantitativo aplicado em indústria de papel reciclado analisou 6.613 lotes com medições de gramatura e umidade (254 pontos/lote). Dados foram pré-processados (remoção de outliers via IQR) e transformados em estatísticas descritivas. Três algoritmos (Random Forest, Gradient Boosting, MLPClassifier) foram comparados usando validação cruzada (k-folds) e métricas específicas (F1-score, recall), com ajuste fino de hiperparâmetros. A divisão 80/20 (treino/teste) garantiu avaliação robusta, priorizando a detecção de refugo (classe minoritária).

Análise dos Resultados

Os três modelos apresentaram desempenho elevado, com acurácia superior a 97%. O MLPClassifier obteve os melhores índices de precisão e revocação, destacando-se na identificação de bobinas refugadas. A análise da matriz de confusão evidenciou limitações na detecção da classe minoritária, composta pelos lotes refugados, que são menos frequentes no conjunto de dados. Mesmo com esse desafio, os modelos mostraram-se eficazes para decisões industriais, reduzindo perdas e elevando a confiabilidade do processo produtivo.

Conclusão

A aplicação de modelos supervisionados de IA na predição de refugo industrial revelou alto desempenho e potencial para aprimorar a qualidade na produção de papel reciclado. A limitação mais relevante foi a baixa granularidade dos dados, que compromete análises mais refinadas. Para pesquisas futuras, recomenda-se o uso de dados em tempo real e técnicas híbridas. Conclui-se que a IA representa uma ferramenta estratégica para reduzir perdas e apoiar a tomada de decisão baseada em dados.

Contribuição / Impacto

Evidenciar a viabilidade do uso de IA na indústria papeleira reforça seu papel na antecipação de falhas e redução de desperdícios. A inovação com IA permite maior controle dos processos, mesmo diante da variabilidade da matéria-prima reciclada. Na produção, otimiza recursos; na qualidade, promove padronização; e na gestão, torna as decisões mais ágeis e assertivas. Ao integrar dados à operação, contribui para a produção de conhecimento no que tange a eficiência operacional e tomada de decisão.

Referências Bibliográficas

CHENG, Y.; YU, J. Application of Artificial Intelligence in Smart Manufacturing: A Review. Journal of Manufacturing Systems, v. 59, p. 1-13, 2021.
HE, Y. et al. Prediction of Paper Properties Using Machine Learning Techniques. Industrial & Engineering Chemistry Research, v. 61, n. 4, p. 1331-1340, 2022.
IBÁ – Indústria Brasileira de Árvores. Relatório Anual 2024. Disponível em: https://iba.org. Acesso em: 10 jul. 2024.
DEVI, R. et al. Challenges in Recycled Paper Manufacturing: Data-Driven Insights. Resources, Conservation and Recycling, v. 195, p. 106734, 2023.

Navegação

Anterior Próximo