Aprendizado de máquina para a detecção e diagnóstico de anomalias em aplicações acionadas por motores elétricos (2022)
- Authors:
- USP affiliated author: FERRAZ JUNIOR, FÁBIO - ICMC
- School: ICMC
- Subjects: INTELIGÊNCIA ARTIFICIAL; APRENDIZADO COMPUTACIONAL; MANUTENÇÃO PREDITIVA
- Language: Português
- Abstract: Os sistemas de manufatura vêm se tornando mais flexíveis do que nunca para se adaptarem a um mercado turbulento e complexo. Conceitos modernos de sistemas de produção exigem integrações verticais e horizontais de todos os participantes do processo produtivo. A integração desses ambientes permite a obtenção de uma grande quantidade de dados. Quando processados e analisados, esses dados podem trazer informações e conhecimentos valiosos, podendo ser explorados para vantagem competitiva. A Manutenção Preditiva (MPd) está entre as possibilidades oferecidas por este cenário, principalmente com a Industria 4.0 e suas tecnologias habilitadoras, tais como a Internet das Coisas (IoT), Big Data e a Inteligência Artificial (IA). No entanto, a adoção industrial de tais soluções ainda é relativamente baixa além do estágio piloto experimental. Com o intuito de contribuir para o avanço das aplicações industriais de MPd baseadas em Aprendizado de Máquina (AM), e sua divulgação na academia e indústria nacional, o presente trabalho apresenta os seguintes objetivos: i. aplicar tecnologias de AM em um processo de MPd de equipamento industrial. ii. descrever o processo de implementação de uma MPd, identificando os desafios e seus resultados. Para alcançar os objetivos propostos foi realizado uma revisão da literatura sobre AM aplicado para MPd. Posteriormente foram realizados testes experimentais de MPd, simulando aplicações industriais de máquinas rotativas acionadas por motores elétricos. Foi adotado como procedimento operacional as seguintes etapas: elaboração de bancada de testes, coleta de dados, geração e seleção de atributos, seleção e otimização de classificadores e, por fim, avaliação dos desempenhos dos classificadores. Foram adotados os algoritmos k-nearest neighbor (k-NN) e support vector machines (SVM), obtendo desempenhos com acurácia de 0,93, precisão, recall e f1-score com valores entre 0,81 à 1,00.Foi possível detectar e diagnosticar anomalias de uma aplicação acionado por motor elétrico, identificando a sua causa dentre os cenários: mecanismo de acionamento desacoplado de carga, com sobrecarga, desbalanceado e desalinhado em relação ao eixo do motor elétrico.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2022
-
ABNT
FERRAZ JÚNIOR, Fábio. Aprendizado de máquina para a detecção e diagnóstico de anomalias em aplicações acionadas por motores elétricos. 2022. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2022. Disponível em: https://bdta.abcd.usp.br/directbitstream/b41a4836-0c5f-4a77-9b65-ba92cdcb06b3/F%C3%A1bio%20Ferraz%20Junior_TCC_IABD_Fabio%20Ferraz%20Junior_FINAL_206827.pdf. Acesso em: 18 abr. 2024. -
APA
Ferraz Júnior, F. (2022). Aprendizado de máquina para a detecção e diagnóstico de anomalias em aplicações acionadas por motores elétricos (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/b41a4836-0c5f-4a77-9b65-ba92cdcb06b3/F%C3%A1bio%20Ferraz%20Junior_TCC_IABD_Fabio%20Ferraz%20Junior_FINAL_206827.pdf -
NLM
Ferraz Júnior F. Aprendizado de máquina para a detecção e diagnóstico de anomalias em aplicações acionadas por motores elétricos [Internet]. 2022 ;[citado 2024 abr. 18 ] Available from: https://bdta.abcd.usp.br/directbitstream/b41a4836-0c5f-4a77-9b65-ba92cdcb06b3/F%C3%A1bio%20Ferraz%20Junior_TCC_IABD_Fabio%20Ferraz%20Junior_FINAL_206827.pdf -
Vancouver
Ferraz Júnior F. Aprendizado de máquina para a detecção e diagnóstico de anomalias em aplicações acionadas por motores elétricos [Internet]. 2022 ;[citado 2024 abr. 18 ] Available from: https://bdta.abcd.usp.br/directbitstream/b41a4836-0c5f-4a77-9b65-ba92cdcb06b3/F%C3%A1bio%20Ferraz%20Junior_TCC_IABD_Fabio%20Ferraz%20Junior_FINAL_206827.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Fábio Ferraz Junior_TCC_... | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
