Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção

Detalhes bibliográficos
Autor(a) principal: Renato de Pádua Moreira
Data de Publicação: 2012
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do ITA
Texto Completo: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2059
Resumo: Manutenção não planejada de sistemas aeronáuticos é geralmente associada com altos custos. Parte desses custos poderia ser evitada com a adoção de programas de prognóstico de sistemas. O objetivo desses programas é avaliar o estado atual de saúde de um componente baseado nos dados disponíveis (como dados de voo e de manutenção) e estimar o desempenho futuro do componente. Diversos algoritmos podem ser utilizados para esse propósito. Este trabalho propõe um método baseado em um algoritmo de classificação Support Vector Machine (SVM), que classifica um componente aeronáutico entre SAUDÁVEL e DEGRADADO. O algoritmo SVM de classificação consiste em uma máquina de aprendizado supervisionado, treinada a partir de dados de voo e registros de manutenção. Depois de treinado, o classificador SVM é aplicado a qualquer novo voo. Do resultado das classificações, um índice de degradação é gerado, de tal forma que seja fácil identificar o estado de saúde do item aeronáutico. Como estudo de caso, o método é aplicado para estimar falhas de válvulas de sangria pneumática de motores. Dados reais de voo (quatro parâmetros relacionados ao sistema de sangria) e registros de manutenção (datas das substituições do componente) foram usados para gerar os conjuntos de dados de treinamento e generalização. Os resultados mostram ser possível identificar quando o componente está próximo de falhar e deve ser substituído. Uma vantagem do método proposto é não requerer conhecimento sobre os modos de falha do componente.
id ITA_6fdb480979d632dc63fb24e758826fe8
oai_identifier_str oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2059
network_acronym_str ITA
network_name_str Biblioteca Digital de Teses e Dissertações do ITA
spelling Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutençãoClassificação de padrõesTécnicas de previsãoMáquinas de vetores-suporteSistemas aeroespaciaisPrognósticoInteligência artificialComputaçãoManutenção não planejada de sistemas aeronáuticos é geralmente associada com altos custos. Parte desses custos poderia ser evitada com a adoção de programas de prognóstico de sistemas. O objetivo desses programas é avaliar o estado atual de saúde de um componente baseado nos dados disponíveis (como dados de voo e de manutenção) e estimar o desempenho futuro do componente. Diversos algoritmos podem ser utilizados para esse propósito. Este trabalho propõe um método baseado em um algoritmo de classificação Support Vector Machine (SVM), que classifica um componente aeronáutico entre SAUDÁVEL e DEGRADADO. O algoritmo SVM de classificação consiste em uma máquina de aprendizado supervisionado, treinada a partir de dados de voo e registros de manutenção. Depois de treinado, o classificador SVM é aplicado a qualquer novo voo. Do resultado das classificações, um índice de degradação é gerado, de tal forma que seja fácil identificar o estado de saúde do item aeronáutico. Como estudo de caso, o método é aplicado para estimar falhas de válvulas de sangria pneumática de motores. Dados reais de voo (quatro parâmetros relacionados ao sistema de sangria) e registros de manutenção (datas das substituições do componente) foram usados para gerar os conjuntos de dados de treinamento e generalização. Os resultados mostram ser possível identificar quando o componente está próximo de falhar e deve ser substituído. Uma vantagem do método proposto é não requerer conhecimento sobre os modos de falha do componente.Instituto Tecnológico de AeronáuticaCairo Lúcio Nascimento JúniorRenato de Pádua Moreira2012-04-17info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2059reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:03:48Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2059http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:38:07.986Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue
dc.title.none.fl_str_mv Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
title Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
spellingShingle Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
Renato de Pádua Moreira
Classificação de padrões
Técnicas de previsão
Máquinas de vetores-suporte
Sistemas aeroespaciais
Prognóstico
Inteligência artificial
Computação
title_short Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
title_full Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
title_fullStr Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
title_full_unstemmed Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
title_sort Prognóstico de sistemas aeronáuticos utilizando o algoritmo SVM treinado com dados de voo e registros de manutenção
author Renato de Pádua Moreira
author_facet Renato de Pádua Moreira
author_role author
dc.contributor.none.fl_str_mv Cairo Lúcio Nascimento Júnior
dc.contributor.author.fl_str_mv Renato de Pádua Moreira
dc.subject.por.fl_str_mv Classificação de padrões
Técnicas de previsão
Máquinas de vetores-suporte
Sistemas aeroespaciais
Prognóstico
Inteligência artificial
Computação
topic Classificação de padrões
Técnicas de previsão
Máquinas de vetores-suporte
Sistemas aeroespaciais
Prognóstico
Inteligência artificial
Computação
dc.description.none.fl_txt_mv Manutenção não planejada de sistemas aeronáuticos é geralmente associada com altos custos. Parte desses custos poderia ser evitada com a adoção de programas de prognóstico de sistemas. O objetivo desses programas é avaliar o estado atual de saúde de um componente baseado nos dados disponíveis (como dados de voo e de manutenção) e estimar o desempenho futuro do componente. Diversos algoritmos podem ser utilizados para esse propósito. Este trabalho propõe um método baseado em um algoritmo de classificação Support Vector Machine (SVM), que classifica um componente aeronáutico entre SAUDÁVEL e DEGRADADO. O algoritmo SVM de classificação consiste em uma máquina de aprendizado supervisionado, treinada a partir de dados de voo e registros de manutenção. Depois de treinado, o classificador SVM é aplicado a qualquer novo voo. Do resultado das classificações, um índice de degradação é gerado, de tal forma que seja fácil identificar o estado de saúde do item aeronáutico. Como estudo de caso, o método é aplicado para estimar falhas de válvulas de sangria pneumática de motores. Dados reais de voo (quatro parâmetros relacionados ao sistema de sangria) e registros de manutenção (datas das substituições do componente) foram usados para gerar os conjuntos de dados de treinamento e generalização. Os resultados mostram ser possível identificar quando o componente está próximo de falhar e deve ser substituído. Uma vantagem do método proposto é não requerer conhecimento sobre os modos de falha do componente.
description Manutenção não planejada de sistemas aeronáuticos é geralmente associada com altos custos. Parte desses custos poderia ser evitada com a adoção de programas de prognóstico de sistemas. O objetivo desses programas é avaliar o estado atual de saúde de um componente baseado nos dados disponíveis (como dados de voo e de manutenção) e estimar o desempenho futuro do componente. Diversos algoritmos podem ser utilizados para esse propósito. Este trabalho propõe um método baseado em um algoritmo de classificação Support Vector Machine (SVM), que classifica um componente aeronáutico entre SAUDÁVEL e DEGRADADO. O algoritmo SVM de classificação consiste em uma máquina de aprendizado supervisionado, treinada a partir de dados de voo e registros de manutenção. Depois de treinado, o classificador SVM é aplicado a qualquer novo voo. Do resultado das classificações, um índice de degradação é gerado, de tal forma que seja fácil identificar o estado de saúde do item aeronáutico. Como estudo de caso, o método é aplicado para estimar falhas de válvulas de sangria pneumática de motores. Dados reais de voo (quatro parâmetros relacionados ao sistema de sangria) e registros de manutenção (datas das substituições do componente) foram usados para gerar os conjuntos de dados de treinamento e generalização. Os resultados mostram ser possível identificar quando o componente está próximo de falhar e deve ser substituído. Uma vantagem do método proposto é não requerer conhecimento sobre os modos de falha do componente.
publishDate 2012
dc.date.none.fl_str_mv 2012-04-17
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2059
url http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2059
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do ITA
instname:Instituto Tecnológico de Aeronáutica
instacron:ITA
reponame_str Biblioteca Digital de Teses e Dissertações do ITA
collection Biblioteca Digital de Teses e Dissertações do ITA
instname_str Instituto Tecnológico de Aeronáutica
instacron_str ITA
institution ITA
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica
repository.mail.fl_str_mv
subject_por_txtF_mv Classificação de padrões
Técnicas de previsão
Máquinas de vetores-suporte
Sistemas aeroespaciais
Prognóstico
Inteligência artificial
Computação
_version_ 1706809279070076928