1

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E

TECNOLOGIA DO PARÁ CAMPUS MARABÁ INDUSTRIAL
DIREÇÃO DE PESQUISA E PÓS-GRADUAÇÃO SETOR DE
PÓS-GRADUAÇÃO COORDENAÇÃO DA ESPECIALIZAÇÃO EM
GESTÃO DA PRODUÇÃO INDUSTRIAL

DANNIEL RODRIGUES PACHECO

APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING EM

PROBLEMAS DE ENGENHARIA

MARABÁ -PA
2023
 2

DANNIEL RODRIGUES PACHECO

APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING EM

PROBLEMAS DE ENGENHARIA

Trabalho de Conclusão de Curso

apresentado ao programa de Pós-graduação em
Especialização em Gestão da Produção Industrial.
do Instituto Federal de Educação, Ciência e
Tecnologia do Pará – IFPA Campus Marabá
Industrial.

Orientador: Prof. Msc. Leonardo Figueiredo

Maia

MARABÁ -PA
 3

2023
 4

PACHECO, DANNIEL RODRIGUES

APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING EM
PROBLEMAS DE ENGENHARIA / DANNIEL RODRIGUES
PACHECO. - PARÁ, 2023.
X, 20 f.: il. ; 29 cm.

Trabalho de Conclusão de Curso (Apresentado ao

programa de Pós-graduação em Especialização em Gestão da
Produção Industrial) – Instituto Federal, Campus, local, 2023.

Orientador (a): Prof. Msc. Leonardo Figueiredo Maia

 5

INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E

TECNOLOGIA DO PARÁ CAMPUS MARABÁ INDUSTRIAL
DIREÇÃO DE PESQUISA E PÓS-GRADUAÇÃO SETOR DE
PÓS-GRADUAÇÃO COORDENAÇÃO DA ESPECIALIZAÇÃO EM
GESTÃO DA PRODUÇÃO INDUSTRIAL

DANNIEL RODRIGUES PACHECO

APLICAÇÃO DE TÉCNICAS DE MACHINE LEARNING EM

PROBLEMAS DE ENGENHARIA

Trabalho de Conclusão de Curso

apresentado ao programa de Pós-graduação em
Especialização em Gestão da Produção Industrial.
do Instituto Federal de Educação, Ciência e
Tecnologia do Pará – IFPA Campus Marabá
Industrial.

Aprovado em: XX de XXXXX de 202X.

Banca Examinadora

____________________________________________________
(Nome do orientador, sua titulação e Instituição a que pertence).

____________________________________________________
(nome, titulação e instituição a que pertence).

____________________________________________________
 6

(nome, titulação e instituição a que pertence).

Neste momento, gostaria de expressar toda a gratidão e amor que sinto por
você. Você é a pessoa que sempre esteve ao meu lado, me apoiando, cuidando e
amando incondicionalmente. Mãe, você é um exemplo de força, sabedoria e ternura.
Seu amor é o alicerce que sustenta minha vida e suas palavras são como um bálsamo
que acalma meu coração. Sua presença é um abraço acolhedor que me envolve em
todos os momentos. Este trabalho é dedicado a você Maria Helena Rodrigues Moura,
 7

com todo carinho e amor!

 8

AGRADECIMENTOS

Hoje, neste momento de despedida e gratidão, gostaria de expressar minha

profunda gratidão a cada um de vocês. Durante nossa jornada acadêmica,
compartilhamos risos, desafios e conquistas, formando laços que perdurarão para
sempre em nossos corações.
Agradeço pela parceria e pelo apoio mútuo ao longo desses anos. Juntos,
enfrentamos horas de estudo árduo, trabalhos em equipe e momentos de pressão.
Cada um de vocês contribuiu para o nosso crescimento pessoal e acadêmico, tornando
essa jornada ainda mais especial.
Ao reitor e à equipe administrativa da faculdade, expresso minha gratidão pelo
ambiente de aprendizado inspirador que nos foi proporcionado. O compromisso com a
excelência acadêmica e o suporte oferecido foram fundamentais para o nosso sucesso.
Ao professor orientador, sou imensamente grato pela sua dedicação e orientação
ao longo do meu trabalho de conclusão de curso. Suas palavras encorajadoras, sua
sabedoria e sua orientação foram inestimáveis para o desenvolvimento do meu projeto.
Sua expertise e apoio foram essenciais para minha formação acadêmica e crescimento
profissional.
Agradeço também à faculdade por proporcionar um ambiente de aprendizado
enriquecedor, repleto de recursos e oportunidades. As instalações, biblioteca e
laboratórios foram fundamentais para aprofundar nosso conhecimento e explorar novas
áreas.
Por fim, não poderia deixar de expressar minha gratidão a Deus. A Ele dedico
meus agradecimentos por ter me guiado, inspirado e abençoado durante todo o
percurso acadêmico. Sua graça e orientação foram fundamentais em todos os
momentos de dúvida e desafio.
A cada um de vocês, colegas de turma, reitor, professor orientador, faculdade e
Deus, agradeço do fundo do meu coração por fazerem parte dessa jornada incrível.
Que cada um de nós possa trilhar caminhos de sucesso e felicidade, sempre lembrando
das experiências compartilhadas e do apoio mútuo que nos fortaleceu.

Com gratidão sincera,

 9

"O sucesso é a soma de pequenos esforços repetidos dia após dia."

Robert Collier
 10

RESUMO

Machine learning é uma área da inteligência artificial que se concentra no

desenvolvimento de algoritmos e técnicas que permitem que os sistemas de
computador aprendam e melhorem a partir de dados, sem serem explicitamente
programados. O objetivo principal é capacitar as máquinas a tomar decisões e realizar
tarefas complexas com base em padrões e informações extraídas dos dados. O
machine learning tem aplicações amplas em diversos setores, como medicina, finanças,
indústria, marketing, entre outros. Ele é usado para a detecção de fraudes, previsão de
demanda, recomendação de produtos, diagnóstico médico, análise de sentimentos,
reconhecimento de padrões, entre muitas outras tarefas. As técnicas de machine
learning são alimentadas por grandes volumes de dados, que são processados por
meio de algoritmos sofisticados. O machine learning é uma disciplina que permite que
os sistemas de computador aprendam e melhorem com base em dados, capacitando-
os a tomar decisões e executar tarefas complexas. Essa tecnologia tem o potencial de
transformar diversos setores, impulsionando a automação, a eficiência e a tomada de
decisões informadas em uma ampla gama de aplicações.

Palavras-chave: Machine Learning; Indústria 4.0; Internet das Coisas;

 11

ABSTRACT

Machine learning is an area of artificial intelligence that focuses on the

development of algorithms and techniques that allow computer systems to learn and
improve from data, without being explicitly programmed. The main objective is to enable
machines to make decisions and perform complex tasks based on patterns and
information extracted from data. Machine learning has wide applications in several
sectors, such as medicine, finance, industry, marketing, among others. It is used for
fraud detection, demand forecasting, product recommendation, medical diagnosis,
sentiment analysis, pattern recognition, among many other tasks. Machine learning
techniques are powered by large volumes of data, which are processed through
sophisticated algorithms. Machine learning is a discipline that allows computer systems
to learn and improve based on data, enabling them to make decisions and perform
complex tasks. This technology has the potential to transform many industries, driving
automation, efficiency and informed decision-making across a wide range of
applications.

Keywords: Machine Learning; Industry 4.0; Internet of Things;

 12

LISTAS DE FIGURAS

FIGURA 1 - BRAÇOS QUE COMPÕEM O MACHINE LEARNING 16

FIGURA 2 - CICLO DE PROCESSOS NA INDÚSTRIA 4.0 19
 13

1. INTRODUÇÃO

Este estudo de caso de inovações emergentes em conectividade no satélite

SpaceX da Starlink e órbita baixa da Terra (LEO) constelações destina-se a fornecer
aos leitores, particularmente em países em desenvolvimento em todo mundo, com um
conhecimento prévio do papel das comunicações via satélite na conectividade global
com a Internet e uma exploração do impacto potencial da próxima geração de sistemas
de constelação LEO.
Embora a adoção da conectividade com a Internet em todo o mundo tenha
aumentado gradativamente, algumas inovações foram transformadoras, expandindo
dramaticamente o alcance geográfico da conectividade e capacidade de largura de
banda.
Os satélites têm usado órbitas baixas da Terra desde o início da exploração
espacial; no entanto, o investimento privado em constelações LEO, compostas por
centenas ou milhares de satélites, tem sido limitado porque é necessária uma despesa
de capital inicial significativa.
Enquanto resta saber como será a evolução da próxima geração de
constelações de satélites LEO, prevê-se que os LEOs aumentem significativamente a
largura de banda de internet disponível em áreas geográficas remotas.
Essas tecnologias fornecem largura de banda razoavelmente suficiente para os
assinantes. Mas, em certos bolsões urbanos, a conectividade não é confiável devido à
capacidade insuficiente das estações base e efeitos de sombra no caso da banda larga
móvel. Quando se trata de áreas rurais, a conectividade de fibra para residências não é
disponível devido a fatores econômicos, como custo de implantação e base de
assinantes insuficiente devido à baixa densidade população populacional, bem como a
pobreza entre a população rural. Além disso, a conectividade de banda larga móvel é
superficial em áreas rurais devido à implantação leve de estações base. Como
resultado, alguns locais não têm conectividade e, em muitos locais onde a
conectividade está disponível, a baixa qualidade do sinal torna a experiência do usuário
abaixo do normal. A economia da implantação discutida anteriormente impede que os
 14

provedores de serviços de Internet expandam profundamente suas redes em áreas

rurais
Essa maior largura de banda pode ser aproveitada para aumentar as
oportunidades de desenvolvimento econômico e social para indivíduos, organizações,
empresas e instalações governamentais (incluindo escolas públicas), desde que as
empresas de satélite do setor privado que investem em constelações LEO vejam as
oportunidades de mercado para estender o serviço a essas áreas.
 15

2. OBJETIVOS

2.1. Objetivo Geral

Esta monografia tem como principal objetivo dissertar de maneira sucinta

sobre a evolução das técnicas de Machine Learning, aplicadas em problemas de
engenharia no atual contexto industrial

2.2. Objetivos Específicos

 Apresentar as técnicas de Machine Learning de um modo geral;

 Apresentar técnicas de Machine Learning aplicadas a problemas de engenharia;

 Analisar as vantagens e benefícios do uso das técnicas de Machine Learning

dentro do atual contexto industrial
 16

3. METODOLOGIA

A metodologia utilizada neste para o desenvolvimento desta monografia será a

Revisão Bibliográfica que consiste em uma abordagem que envolve a busca, seleção,
análise crítica e síntese de literatura existente sobre um determinado tema. A revisão
bibliográfica tem como objetivo fornecer uma visão abrangente do estado atual do
conhecimento sobre o tema em questão
Esta fase será dedicada à busca e análise de bibliografias relacionadas ao tema,
a fim de construir um embasamento teórico sólido e atualizado sobre as técnicas de
Machine Learning aplicadas a problemas de engenharia. Os dados coletados serão
tratados, classificados e transcritos na forma de monografia.
 17

4. REVISÃO BIBLIOGRÁFICA

4.1. Um pouco de história

O conceito de Sir Arthur C. Clarke de cobertura de rádio mundial usando três

satélites geoestacionários apresentado em 1945 marca o início da era dos satélites. A
tecnologia de satélite avançou muito desde aquela publicação até vários ciclos
tecnológicos. O conceito de comunicação de alta largura de banda de baixa latência
através de uma rede de terra média órbita (MEO) e baixa órbita terrestre (LEO)
ganharam força no final dos anos 80. Iridium, ICO e Globalstar são tais sistemas
implantados no final dos anos 90. Mas com as rápidas melhorias na fibra óptica
terrestre e sem fio celular sistemas de comunicação, a necessidade de tais redes de
satélites diminuiu. Como resultado, esses sistemas MEO/LEO falhou financeiramente.
Na segunda década do século XX, com os rápidos avanços das TIC e o aumento dos
requisitos de capacidade de comunicação, a importância das constelações de satélites
LEO, com sua baixa latência e alto rendimento, ressurgiu [7]. A incapacidade de fibra
óptica e tecnologias de comunicação sem fio para penetrar áreas remotas do globo,
devido a várias razões, atuam como um catalisador para esse desenvolvimento.
A partir desse pano de fundo, surgiram vários conceitos de constelação LEO,
como Kuiper, Starlink, Telesat e OneWeb. Esses sistemas estão em vários estágios de
desenvolvimento e usam tecnologias avançadas para uso de espectro, satélite e taxa
de transferência de constelação, desenvolvimento de equipamentos terrestres e
gerenciamento de sistemas.
Dessas constelações, o Starlink é o mais extenso e o que mais avançou na
implantação. Portanto, o Starlink pode ser considerado como a solução mais
promissora para superar a lacuna de conectividade digital na educação neste momento.
A arquitetura do sistema Starlink é mostrada na figura x. As estações terrestres
ou Starlink Gateways estão em constante comunicação com os satélites. Eles fornecem
acesso à internet e informações de controle para os terminais dos usuários. A
comunicação usuário-satélite usa banda Ku e a comunicação estação terrestre-satélite
usa banda Ku para downlink e banda Ka para uplink. Os satélites da SpaceX geram
feixes de tamanho pontual ultrapequenos devido ao fato de serem muito mais perto da
 18

Terra em comparação com os satélites geoestacionários. A proximidade com a terra

proporciona maior velocidade e menor latência. A largura de banda total estimada no
início da implantação comercial é de 23,7 Tbps.

Figura 1 - Arquitetura do Starlink

Fonte: YIN, 2017

O equipamento de instalações do cliente Starlink (CPE) consiste em uma antena

parabólica, um roteador Wi-Fi e uma fonte de alimentação. Este é um sistema plug and
play. Pode ser colocado no chão ou em um telhado onde a visibilidade do céu claro
esteja disponível. O prato consiste em uma antena faseada matriz da estrutura de favo
de mel empilhada. O prato pode alinhar automaticamente com o satélite Starlink
disponível. Starlink usa tecnologia phased array avançada tanto para o satélite quanto
para a antena parabólica. Isso permite transferências quase instantâneas entre
diferentes satélites sem transições mecânicas. O roteador está equipado com uma
porta Gigabit Ethernet e Wi-Fi para fornecer conectividade. A antena parabólica está
conectada ao roteador e ambos são alimentados usando Power over Ethernet (PoE).
Um roteador pode suportar até 128 dispositivos simultaneamente, é operado com uma
fonte de 56 V CC fornecida por PoE. O roteador está em conformidade com IEEE
 19

802.11 padrão e opera em 2,4 GHz e 5 GHz. A tecnologia de modulação OFDM é

usada para transmissão, a figura 2 apresenta a antena do sistema.

Figura 2 - Antena Starlink

 20

5. CONCLUSÃO
 21

6. REFERÊNCIAS BIBLIOGRÁFICAS

ALPAYDIN, E., 2014. Introduction to machine learning. 3 ed. Massachusetts, MIT

Press.

CNI, Desafios para Indústria 4.0 no Brasil. 01 de Ago de 2016. Disponível em:
<https://www.portaldaindustria.com.br/publicacoes/2016/8/desafios-para-industria-40-
no-brasil/>. Acesso em: 21 de Maio de 2023.

B. JACK COPELAND, (2007) Artificial intelligence: History, foundations, and

philosophical issues

BMIET, S. (2018). Industrial revolution—From industry 1.0 to industry 4.0. Journal

of Advances in Computational Intelligence and Communication Technologies, 2(1).

HERMANN, M.; PENTEK, T.; OTTO, B. Design principles for industrie 4.0 scenarios.
In: System Sciences (HICSS), 2016 49th Hawaii International Conference on. IEEE,
2016.

INDUSTRIAL 4.0 TECNOLOGIA E SERVIÇOS. Manutenção Preditiva e Indústria 4.0.

Jan.2020. Disponível em: <https://industrial4-0.com.br/manutencao-preditiva-e-industria-
40/#:~:text=A%20manuten%C3%A7%C3%A3o%20preditiva%20agiliza%20e,vem
%20para%20agregar%20e%20facilitar>. Acesso em: 30 Maio 2020

THANGARAJ, J., & NARAYANAN, R. L. (2018). Industry 1.0–4.0: The Evolution of

Smart Factories. Acessado em Junho 17, 2023.

https://www.researchgate.net/publication/
330336790_INDUSTRY_10_TO_40_THE_EVOLUTION_OF_SMART_FACTORIES

YIN, Y., STECKE, K. E., & LI, D. (2017). The evolution of production systems from
Industry 2.0 through Industry 4.0. International Journal of Production Research