dc.contributor.author | Ortiz, Guilherme de Oliveira | |
dc.date.accessioned | 2023-07-10T18:28:57Z | |
dc.date.available | 2023-07-10T18:28:57Z | |
dc.date.issued | 2023-03-20 | |
dc.identifier.citation | ORTIZ, Guilherme de Oliveira. Estudo do algoritmo de clusterização K-means no processo de seleção de materiais. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia de Materiais) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18258. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18258 | |
dc.description.abstract | The use of machine learning algorithms has become common in everyday life,
bringing to realize experiments in several fields of material engineering. This study
complements the Ashby methodology with the clustering machine learning technic Kmeans, by the application of an algorithm in the material selection process for a
screwdriver. For that, two materials processes were performed, where the firsts
consisted in use integrally the Ashby’s methodologies. In the second one, materials
resulting from the screening step of first process were used and applied the clustering
algorithm K-means several times in order to reduce the number of materials. After that,
comparisons are made with the two obtained results by each process, making it
possible to observe the advantages and disadvantages present in the use of K-means.
Four identical materials were obtained in both results. The main advantage observed
is the possibility of working with a large number of variables with K-means, whereas
in Ashby's methodology it is only possible to use two materials per property map. The
main disadvantage is the loss of the algorithm's capacity to differentiate the materials
after each run, due to the similarity between them. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Machine learning | eng |
dc.subject | K-means | por |
dc.subject | Ashby | por |
dc.subject | Seleção de materiais | por |
dc.title | Estudo do algoritmo de clusterização K-means no processo de seleção de materiais | por |
dc.title.alternative | Study of K-means Clusterization Algorithm in the Material Selection Process | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Staffa, Lucas Henrique | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/2896049826673626 | por |
dc.description.resumo | O uso de algoritmos de Machine Learning tem se tornado comum no cotidiano,
levando a realizar experimentos em diversas áreas da Engenharia de Materiais. Este
trabalho tem como objetivo complementar a metodologia de Ashby com a técnica de
machine learning de clusterização K-means, através da aplicação de um algoritmo no
processo de seleção de materiais para uma chave de fenda. Para isso, foram
realizados dois processos de seleção no qual o primeiro consistia em utilizar
integralmente a metodologia de Ashby. Já no segundo, foram utilizados os materiais
resultantes da etapa de triagem do primeiro processo e aplicado o algoritmo de
clusterização K-means diversas vezes a fim de se reduzir o número de materiais.
Após isto, foram realizadas comparações entre os dois resultados obtidos em cada
processo, possibilitando observar as vantagens e desvantagens presentes na
utilização do K-means. Foram obtidos quatro materiais idênticos em ambas as
abordagens. A principal vantagem observada consiste na possibilidade de trabalhar
com um grande número de variáveis com o K-means, enquanto que na metodologia
de Ashby só é possível utilizar dois materiais por mapa de propriedade. Já a principal
desvantagem consiste na queda da capacidade do algoritmo diferenciar os materiais
após cada execução, devido à similaridade entre os mesmos. | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | ENGENHARIAS::ENGENHARIA DE MATERIAIS E METALURGICA | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.publisher.course | Engenharia de Materiais - EMa | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0002-6338-6903 | por |