Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/64904

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorMOURA, Márcio José das Chagas-
dc.contributor.authorLIMA, Gustavo Camargo Rocha-
dc.date.accessioned2025-08-07T13:04:01Z-
dc.date.available2025-08-07T13:04:01Z-
dc.date.issued2025-07-08-
dc.date.submitted2025-07-25-
dc.identifier.citationLIMA, Gustavo Camargo Rocha. Aplicação de visão computacional na gestão de riscos da indústria de óleo e gás. 2025. 74f. Trabalho de Conclusão de Curso (Graduação) - Curso de Engenharia de Produção, Departamento de Engenharia de Produção, Centro de Tecnologia e Geociências, Universidade Federal de Pernambuco, Recife, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/64904-
dc.description.abstractAs indústrias de transformação se caracterizam pela complexidade de suas operações e pelo elevado risco ocupacional. Estudos extensivos sobre acidentes industriais apontam que os desvios operacionais causados por fatores humanos figuram entre as principais causas desses eventos. Nesse contexto, uma indústria do setor de óleo e gás (O&G) propôs uma série de desafios relacionados à segurança do trabalho, considerando a dificuldade das equipes em monitorar todos os desvios operacionais. A partir desse cenário, surgiu a motivação para investigar como realizar uma gestão preventiva mais eficaz da segurança no trabalho. Dentre eles, os desvios relacionados ao uso de equipamentos de proteção individuais foram destaque, que neste trabalho foram estudados os usos de capacete, luva e vestimenta de proteção. Além disso, a segurança é um tema comum a diversas indústrias, e para demonstrar a adaptabilidade da solução, também houve interesse por parte de duas outras empresas (uma no setor de vidro e outra da indústria alimentícia) que contribuíram para a execução de testes de rastreamento de pessoas e veículos. Diante disso, o presente trabalho buscou desenvolver um sistema de monitoramento com visão computacional (VC), capaz de identificar, em tempo real, o uso correto de EPIs, além de rastrear a movimentação de pessoas e veículos em ambientes industriais. Para tal, foi implementado um modelo baseado no Faster R-CNN, utilizando dados combinados de datasets públicos e de coletas realizadas em campo. Os resultados obtidos demonstram que o sistema é eficaz na detecção de desvios operacionais, alcançando mais de 70% de mean Average Precision (mAP) em todos os testes e atingindo um máximo de 94% de mAP na detecção de capacetes. O sistema mostrou-se capaz de operar em tempo real e adaptável a diferentes contextos industriais, tendo sido validado em cenários de três setores distintos. Essa solução oferece às equipes de segurança o potencial de realizar um monitoramento contínuo nas principais áreas de atividade das plantas industriais, facilitando a identificação de causas recorrentes de desvios operacionais. Isso possibilita a implementação de ações corretivas imediatas e até mesmo de treinamentos direcionados para fortalecer a cultura de segurança nas empresas. Com sua capacidade de adaptação, a tecnologia proposta revela o potencial da visão computacional como uma ferramenta versátil para enfrentar desafios complexos e diversos no ambiente industrial.pt_BR
dc.description.sponsorshipOutrospt_BR
dc.format.extent75p.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/pt_BR
dc.subjectGestão de riscospt_BR
dc.subjectVisão computacionalpt_BR
dc.subjectIndústria de óleo e gáspt_BR
dc.subjectAprendizagem de máquinapt_BR
dc.subjectEquipamento de proteção individualpt_BR
dc.subjectSegurança no trabalhopt_BR
dc.titleAplicação de visão computacional na gestão de riscos da indústria de óleo e gáspt_BR
dc.typebachelorThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/1644658629388150pt_BR
dc.degree.levelGraduacaopt_BR
dc.contributor.advisorLattesMárcio José das Chagaspt_BR
dc.description.abstractxManufacturing industries are characterized by the complexity of their operations and a high level of occupational risk. Extensive studies on industrial accidents indicate that operational deviations caused by human factors are among the leading causes of such events. In this context, a company in the oil and gas (O&G) sector proposed a series of challenges related to occupational safety, given the difficulty teams face in monitoring all operational deviations. This scenario motivated the investigation of how to achieve more effective preventive management of workplace safety. Among the challenges, deviations related to the use of personal protective equipment (PPE) stood out, specifically the use of hardhats, gloves, and safety vest, which were the focus of this study. Additionally, safety is a cross-cutting issue in various industries, and to demonstrate the adaptability of the solution, two other companies, one in the glass sector and another in the food industry, also took part in the project by contributing to testing scenarios involving people and vehicle tracking. Accordingly, this work aimed to develop a computer vision (CV) monitoring system capable of identifying, in real time, the correct use of PPE and tracking the movement of people and vehicles in industrial environments. To achieve this, a model based on Faster R-CNN was implemented, using a combination of public datasets and field-collected data. The results demonstrate the system's effectiveness in detecting operational deviations, achieving over 70% mean Average Precision (mAP) in all tests and up to 94% mAP in helmet detection. The system proved capable of operating in real time and adapting to different industrial contexts, having been validated in scenarios from three distinct sectors. This solution provides safety teams with the ability to perform continuous monitoring in key operational areas of industrial plants, facilitating the identification of recurring causes of operational deviations. It enables the implementation of immediate corrective actions and even targeted training programs to strengthen safety culture within companies. With its adaptive capability, the proposed technology highlights the potential of computer vision as a versatile tool for addressing complex and diverse challenges in industrial environments.pt_BR
dc.subject.cnpqÁreas::Engenharias::Engenharia de Produçãopt_BR
dc.degree.departament::(CTG-DEP) - Departamento de Engenharia de Produçãopt_BR
dc.degree.graduation::CTG-Curso de Engenharia de Produçãopt_BR
dc.degree.grantorUniversidade Federal de Pernambucopt_BR
dc.degree.localRecifept_BR
dc.identifier.orcidhttps://orcid.org/0000-0002-5843-742Xpt_BR
Aparece nas coleções:(TCC) - Engenharia de Produção

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC Gustavo Camargo Rocha Lima.pdf2,76 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons