DESENVOLVIMENTO DE UM MODELO PREDITIVO DE QUALIDADE DE PRODUTOS ATRAVÉS DO CONTROLE ESTATÍSTICO DO PROCESSO (CEP) EM AMBIENTE PYTHON INTEGRADO A DADOS DO PI SYSTEM (AVEVA/OSISOFT)

Abstract

No contexto da transformação digital, ferramentas estatísticas  são essenciais para garantir a qualidade dos produtos e a eficiência operacional. O Controle Estatístico do Processo (CEP) é utilizado na indústria para monitorar e controlar a variabilidade dos processos produtivos, permitindo a detecção rápida de variações. Isso ajuda a prevenir prejuízos e assegura que produtos fora das especificações sejam identificados e corrigidos, otimizando assim a qualidade final. Além do CEP, um número crescente de empresas está utilizando modelos preditivos para aumentar a eficiência, otimizar decisões e melhorar a rentabilidade. Nesse sentido, este trabalho objetivou o desenvolvimento de um modelo preditivo utilizando técnicas estatísticas e de aprendizado de máquina, baseado na metodologia CRISP-DM, amplamente aplicada em ciência de dados. Por meio do PI System ocorreram a coleta e análise de dados, possibilitando a identificação das variáveis relevantes e a execução de um estudo exploratório. O modelo preditivo foi construído em Python, utilizando regressão linear múltipla, já que a variável alvo e as variáveis preditoras apresentaram uma relação linear. Os resultados obtidos indicaram um desempenho moderado, com um R² de 0,51, sugerindo a necessidade de melhorias. A implantação do modelo foi realizada por meio do PI Web API, permitindo sua conexão com o PI System. Embora o desempenho do modelo seja satisfatório para previsões iniciais, há espaço para aprimoramento, como através do uso de outras técnicas de modelagem. Por fim, os resultados demonstram a viabilidade da integração de modelos preditivos no contexto industrial, ressaltando o potencial da arquitetura de predição proposta neste trabalho.