RDBU| Repositório Digital da Biblioteca da Unisinos

IoTBio: uma proposta de metodologia para ensaio de biodegradabilidade utilizando técnicas de IoT e aprendizado de máquina

Show simple item record

metadataTrad.dc.contributor.author Cardoso, Regis;
metadataTrad.dc.contributor.authorLattes http://lattes.cnpq.br/0370243234351654;
metadataTrad.dc.contributor.advisor Costa, Cristiano André da;
metadataTrad.dc.contributor.advisorLattes http://lattes.cnpq.br/9637121030877187;
metadataTrad.dc.contributor.advisor-co1 Figueiredo, Rodrigo Marques de;
metadataTrad.dc.contributor.advisor-co1Lattes http://lattes.cnpq.br/0192178587738651;
metadataTrad.dc.publisher Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.publisher.initials Unisinos;
metadataTrad.dc.publisher.country Brasil;
metadataTrad.dc.publisher.department Escola Politécnica;
metadataTrad.dc.language pt_BR;
metadataTrad.dc.title IoTBio: uma proposta de metodologia para ensaio de biodegradabilidade utilizando técnicas de IoT e aprendizado de máquina;
metadataTrad.dc.description.resumo Estima-se que até 2050 serão produzidos mais de 500 milhões de toneladas de materiais poliméricos e, se nenhuma ação for tomada, os oceanos terão mais peso em polímeros do que peixes. É com base nessas afirmações que surgem as motivações para realização desse trabalho. Uma solução para redução do acúmulo desses polímeros é a utilização de materiais biodegradáveis, os quais se degradam junto ao meio ambiente. Para determinar o percentual de biodegradabilidade desses materiais, é necessária a utilização de condições padronizadas, através da aplicação de normas e testes de laboratório. Porém, esses testes são longos já que o período de tempo para sua realização varia de 90 a 180 dias. Durante esse tempo é necessário manter um controle preciso sobre as variáveis envolvidas no processo, necessitando de muito envolvimento dos operadores. Sendo assim, o objetivo desse trabalho é a definição de um modelo de equipamento automatizado para determinação do percentual de biodegradabilidade de materiais, utilizando técnicas de Internet das coisas e Aprendizado de máquina. Os trabalhos realizados nesta área não contemplam o desenvolvimento de uma máquina totalmente automatizada, colocando em dúvida a metodologia de controle de umidade dos ambientes de teste. Além disso, não foi encontrado nenhum registro na literatura disponível de protótipos ou equipamentos que utilizem técnicas de Aprendizado de Máquina, tornando esse o grande diferencial da pesquisa realizada nessa dissertação. A proposta tem como objetivo trabalhar em três frentes: avaliação de sensores de baixo custo para aplicações reais, quando foram avaliados diferentes sensores de medição de CO2, verificação da efetividade de um controle preciso para umidade do solo, quando se realizou um estudo de diferentes configurações de controle e, por fim, implementação de algoritmos de Aprendizado de Máquina, os quais têm o objetivo de prever resultados do percentual de biodegradabilidade de materiais poliméricos com menos tempo de teste. Nesse âmbito, esta pesquisa propõe o modelo IoTBIO. O IoTBio foi avaliado através da montagem de um protótipo e simulações. Ao final, foi possível verificar que os resultados do percentual de biodegradabilidade de um equipamento automatizado por sensores melhoraram significadamente, quando comparados com os resultados de teste realizados de forma não automatizada. Foram testados algoritmos de ARIMA e de Redes Neurais Recorrentes, mais especificadamente a arquitetura LSTM. Apenas a Rede Neural Recorrente foi capaz de prever valores com erros aceitáveis, porque foram alcançados erros máximos de 13 % entre valores reais e valores previstos para uma execução de apenas 50 dias reais de teste, reduzindo em quase 1/3 o tempo máximo necessário para execução destes ensaios. O desenvolvimento desse trabalho trouxe como principais contribuições o desenvolvimento de um protótipo automático e inteligente que utiliza algoritmos de Aprendizado de Máquina para predição e redução de custos dos testes de biodegradabilidade, através da diminuição do tempo total de ensaio e aplicação de sensores de baixo valor agregado. Os resultados bem-sucedidos desta dissertação resultaram na construção de três equipamentos para determinação do percentual de biodegradabilidade, os quais estão disponíveis para atendimento da indústria e instituições no Instituto Senai de Inovação em Engenharia de Polímeros em São Leopoldo.;
metadataTrad.dc.description.abstract It is estimated that by 2050 more than 500 million tonnes of polymeric materials will be produced and, if no action is taken, the oceans will have more weight in polymers than fish. It is based on these statements that the motivations for carrying out this work emerge. A solution to reduce the accumulation of these polymers is the use of biodegradable materials, which degrade with the environment. To determine the percentage of biodegradability of these materials, it is necessary to use standardized conditions, through the application of standards and laboratory tests. However, these tests are long since the time to perform them varies from 90 to 180 days. During this time it is necessary to maintain a precise control over the variables involved in the process, requiring a lot of involvement from the operators. Therefore, the objective of this work is the definition of an automated equipment model to determine the percentage of biodegradability of materials, using Internet of things and machine learning techniques. The work carried out in this area does not include the development of a fully automated machine, putting in doubt the humidity control methodology of the test environments. In addition, no record was found in the literature available for prototypes or equipment that use Machine Learning techniques, making this the great differential of the research carried out in this dissertation. The proposal aims to work on three fronts: evaluation of low cost sensors for real applications, when different measurement sensors of CO2 were evaluated, verification of the effectiveness of a precise control for soil moisture, when it was carried out a study of different control configurations and, finally, implementation of Machine Learning algorithms, which aim to predict the results of the biodegradability percentage of polymeric materials with less testing time. In this context, this research proposes the IoTBIO model. IoTBio was evaluated by assembling a prototype and simulations. In the end, it was possible to verify that the results of the percentage of biodegradability of an equipment automated by sensors improved significantly, when compared with the results of tests carried out in a non-automated way. ARIMA and Recurrent Neural Network algorithms were tested, more specifically the LSTM architecture. Only the Recurrent Neural Network was able to predict values with acceptable errors, because maximum errors of 13 % were reached between real values and predicted values for an execution of only 50 real test days, reducing by almost 1/3 the maximum time needed to perform these tests. The development of this work brought as main contributions the development of an automatic and intelligent prototype that uses Machine Learning algorithms to predict and reduce the costs of biodegradability tests, by reducing the total testing time and applying low added value sensors. The successful results of this dissertation resulted in the construction of three pieces of equipment to determine the percentage of biodegradability, which are available to serve industry and institutions at the Senai Institute for Innovation in Polymer Engineering in São Leopoldo.;
metadataTrad.dc.subject Automação; IoT; Aprendizado de máquina; Sensores; Biodegrabilidade; Automation; Machine learning; Sensors; Biodegradability;
metadataTrad.dc.subject.cnpq ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação;
metadataTrad.dc.type Dissertação;
metadataTrad.dc.date.issued 2021-02-26;
metadataTrad.dc.description.sponsorship CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior;
metadataTrad.dc.rights openAccess;
metadataTrad.dc.identifier.uri http://www.repositorio.jesuita.org.br/handle/UNISINOS/9725;
metadataTrad.dc.publisher.program Programa de Pós-Graduação em Computação Aplicada;


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search

Advanced Search

Browse

My Account

Statistics