Banca de DEFESA: STEPHANO DANIEL SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: STEPHANO DANIEL SANTOS
DATA: 25/08/2025
HORA: 14:00
LOCAL: htpp://meet.google.com/pvh-pkpu-gby
TÍTULO:

ENHANCING PREDICTION ACCURACY OF PORTLAND CEMENT COMPRESSIVE STRENGTH AT LOW COST USING
MACHINE LEARNING AND CHEMOMETRIC TECHNIQUES

 

PALAVRAS-CHAVES:

 Aprendizado de máquina; Redes neurais artificiais; Cimento Portland.

PÁGINAS: 80
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Química
SUBÁREA: Físico-Química
RESUMO:

O cimento Portland é essencial na construção civil, servindo como base para a produção de concreto em infraestruturas modernas. A resistência à compressão aos 28 dias é um fator crítico para garantir a durabilidade das estruturas, sendo influenciada por aspectos como a composição, proporções, processo de cura e condições ambientais. A previsão precisa dessa resistência é fundamental para otimizar a produção e assegurar a qualidade do concreto. Métodos tradicionais de predição, como a Regressão Linear Múltipla (MLR) e a Regressão por Quadrados Mínimos Parciais (PLS), apresentam limitações quando aplicados a sistemas complexos com múltiplas variáveis. Nesse contexto, técnicas de inteligência artificial (IA), como as redes neurais artificiais (RNAs), surgem como alternativas promissoras, capazes de modelar relações não lineares entre os componentes do cimento e sua resistência. Este estudo desenvolveu um modelo de RNA utilizando um Perceptron de Múltiplas Camadas (MLP) para prever a resistência à compressão aos 28 dias do cimento Portland. A pesquisa teve como objetivo estabelecer um método de predição eficiente em termos de tempo e custo, capaz de capturar as interações complexas entre os constituintes do cimento e as condições de cura. O processo envolveu a coleta e o pré-processamento dos dados, a seleção da arquitetura da rede, definição de hiperparâmetros, treinamento do modelo e validação. Os resultados demonstraram que o modelo MLP alcançou um coeficiente de determinação (R²) de 0,985, erro quadrático médio (MSE) de 0,848, raiz do erro quadrático médio (RMSE) de 0,921 e erro percentual absoluto médio (MAPE) de 1,851%, superando os métodos tradicionais. Isso evidencia o potencial das RNAs como uma ferramenta robusta para a previsão da resistência do cimento, contribuindo para a otimização dos processos produtivos e para o controle de qualidade. A validação foi realizada com dados independentes, confirmando a superioridade do modelo desenvolvido.

MEMBROS DA BANCA:
Presidente - TEODORICO DE CASTRO RAMALHO (Membro)
Externo ao Programa - RAFAEL FARINASSI MENDES - DQM/EENG (Membro)
Externo à Instituição - MATEUS AQUINO GONÇALVES - UEMG (Suplente)
Externo à Instituição - ERIC FERNANDES DE MELLO ARAUJO - CALVIN (Membro)
Interno - ELAINE FONTES FERREIRA DA CUNHA (Suplente)
Externo à Instituição - DANIEL HENRIQUES SOARES LEAL - UNIFEI - UNI (Membro)