Inspeção de falhas em conectores PTH de placas de circuito impresso utilizando Machine Learning
Carregando...
Data
Autores
Orientador(es)
Coorientador(es)
Membros da banca
Araújo, Gabriel Matos
Carvalho, Celso Barbosa
Carvalho, Celso Barbosa
Pós-Graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal do Amazonas
Tipo
Direito de acesso
DOI
Resumo
A dissertação aborda o desenvolvimento de um modelo de aprendizado de máquina para prever modos de falha em terminais de conectores PTH e parafusos em placas de circuito impresso. Utilizando processamento de imagem e algoritmos como KNN, Decision Tree e SVM, o modelo segmenta e classifica defeitos a partir de um banco de dados customizado com 3800 imagens, representativas das condições reais de produção. A integração deste sistema em linha de produção mostrou que a inspeção automatizada supera a manual, com acurácias de até 97%, além de reduzir o tempo de inspeção e custos relacionados a retrabalho e paradas, melhorando a qualidade final dos produtos.
Abstract
This dissertation addresses the development of a machine learning model to predict failure modes in PTH connector terminals and screws on printed circuit boards. Using image processing and algorithms such as KNN, Decision Tree, and SVM, the model segments and classifies defects from a custom database of 3,800 images representative of real production conditions. Integration of this system into a production line demonstrated that automated inspection outperforms manual inspection, with accuracy of up to 97%, in addition to reducing inspection time and costs related to rework and downtime, improving the final quality of the products.
Descrição
Palavras-chave
Termo controlado
Localização de falhas (Engenharia)
Objetivos de Desenvolvimento Sustentável (ODS)
Citação
PENEDO, Jorge Eduardo Santos. Inspeção de falhas em conectores PTH de placas de circuito impresso utilizando Machine Learning. 2025. 59 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus (AM), 2025.
Coleções
Avaliação
Revisão
Suplementado Por
Referenciado Por
Licença Creative Commons
Exceto quando indicado de outra forma, a licença deste item é descrita como Acesso Aberto