Modelação do Processo de Afinação de Tintas através de Algoritmos de Machine Learning - Dissertação de Mestrado

Aug 5, 2026

Esta dissertação investiga a otimização do processo de afinação de tintas, enfrentando o desafio de prever a proporção ideal de cada base para atingir uma tonalidade específica. O trabalho integra Engenharia e Gestão Industrial com colorimetria, explorando como as combinações entre bases condicionam a paleta cromática e a escolha de fórmulas. São aplicadas abordagens sustentáveis de Machine Learning para determinar fórmulas a partir de características da cor e do acabamento, com foco nos parâmetros L, a e b do CIELab. A metodologia CRISP-DM orienta a avaliação de três estratégias e a comparação da consistência e precisão das previsões.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas103

Tempo de leitura2 h 39 min

AcessoDownload gratuito

Índice

Resumo

Contexto e motivação

Objetivo do projeto

Metodologia e abordagem

Estratégias de modelação e avaliação

Modelação do Processo de Afinação de Tintas através de Algoritmos de Machine Learning CATARINA MORIM DA COSTA setembro de 2023 Politécnico do Porto Instituto Superior de Engenharia do Porto Modelação do Processo de Afinação de Tintas através de Algoritmos de Machine Learning Catarina Morim da Costa Mestrado em Engenharia e Gestão Industrial Departamento de Engenharia Mecânica Instituto Superior de Engenharia do Porto Setembro, 2023 Esta dissertação satisfaz, parcialmente, os requisitos que constam da Ficha de Unidade Curricular de Tese/Dissertação, do 2 º ano, do Mestrado em Engenharia e Gestão Industrial. Candidato: Catarina Morim da Costa, Nº 1180788, [1180788@isep. ipp. pt](1180788@isep. ipp. pt) Orientação Científica: Carlos Manuel Abreu Gomes Ferreira, [cgf@isep. ipp. pt](cgf@isep. ipp. pt) Empresa: Gloma – Comércio, Indústria e Representações de Pinturas Ecológicas, Lda ® Orientador: Sónia Martins, [soniamartins@gloma. pt](soniamartins@gloma. pt) Departamento de Engenharia Mecânica Instituto Superior de Engenharia do Porto Rua Dr. António Bernardino de Almeida, 431, 4200–072 Porto Setembro, 2023 À minha estrelinha guia, cuja luz continua a brilhar no meu coração! Agradecimentos Não poderia deixar de expressar a minha profunda gratidão a todas as pessoas que tornaram possível a concretização deste projeto de investigação. A jornada que aqui termina foi enriquecida pelo seu apoio e dedicação, pelo que não poderiam deixar de ser mencionados aqueles cujas contribuições foram essenciais para o meucrescimento. Inicialmente, gostaria de agradecer ao Instituto Superior de Engenharia do Porto (ISEP) por proporcionar a oportunidade de realizar este projeto, permitindo-me aplicar eficazmente os conhecimentos adquiridos e explorá-los num contexto mais realistado mercado de trabalho. E, neste sentido, desejo expressar a minha sincera apreciação ao meu orientador científico, o Doutor Carlos Manuel Abreu Gomes Ferreira pela sua orientação, disposição constante para esclarecer dúvidas e por todo o apoio ao longo deste percurso, direcionando este projeto a “bom porto”. E, além disso, ao Diretor de Curso, Engenheiro Manuel Pereira Lopes, pela abordagem visionária que nos prepara para os desafios do futuro. Por conseguinte, agradecer à Gloma® por aprovar a realização do projeto e mais precisamente à minha orientadora, Sónia Martins, por acompanhar todo o processo. Não podia esquecer de agradecer a toda a equipa da Gloma®, que se tornou um pilar fundamental na minha jornada profissional. Neste caminho, não posso deixar de mencionar os amigos e companheiros dejornada que sempre se mostraram disponíveis para me ajudar e motivar, durante opercurso académico. Aos meus pais e irmã, por acreditarem em mim e pelo apoio incondicional emcada etapa da minha vida. Aos meus avós, que tornaram o meu objetivo num sonho deles. A todos, o meu muito obrigada! Resumo Considerando o constante esforço em aprimorar a eficiência dos processos industriais, esta pesquisa direciona o seu foco para a convergência entre Engenharia e Gestão Industrial e a colorimetria. No âmago deste estudo, ressalta a necessidade prementede melhorar o processo de afinação de tintas, no qual a capacidade de prever aproporção ideal de cada base de tinta para alcançar uma tonalidade específica se configura como um desafio complexo e relevante. As bases de tinta, essência da palete cromática, oferecem uma gama diversificadade tonalidades por meio de combinações variadas. O processo de identificar as bases a integrar na mistura e as suas proporções é uma questão de destaque na colometria, frequentemente apresentando múltiplas soluções devido à natureza intrincada da cor. Este estudo adota abordagens sustentáveis de Machine Learning para determinar fórmulas de tintas a partir de características específicas da cor e acabamento da tinta, oferecendo uma solução inovadora aos desafios da colorimetria. Simultaneamente, esta pesquis

Perguntas frequentes

Qual é o objetivo principal da dissertação?

Desenvolver, no mínimo, um modelo de previsão de fórmulas de tinta para alcançar uma cor especificada com base nos parâmetros L, a e b do sistema CIELab.

Que metodologia orienta o estudo?

O trabalho adota a metodologia Cross Industry Standard Process for Data Mining (CRISP-DM) como estrutura orientadora para a exploração e avaliação dos modelos.

Como o estudo compara diferentes abordagens de Machine Learning?

São avaliadas três estratégias: modelação clássica com algoritmos únicos, combinação dos modelos mais adequados por base de tinta e uma abordagem por clusters para especializar a previsão por grupos de dados.

Aug 5, 2026

Carregar por Ava Thompson