Uma Abordagem para Manutenção Preditiva baseada em Sistemas Multiagente e Machine Learning

• Autor(a) principal: Fernandes, Diogo Filipe Faria Duarte
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10362/108614
• topic: Manutenção Preditiva; Sistemas Multiagente; Sistemas Ciber-Físicos; Indústria 4.0; Análise de Dados; Domínio/Área Científica::Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática

Nos dias de hoje onde a tecnologia está em constante evolução, surge a necessidade de os sistemas industriais se adaptarem às alterações do mercado, de modo a fazer frente às necessidades de um mercado cada vez mais competitivo e global. No seguimento da evolução da tecnologia e dos desenvolvimentos recentes que resultaram numa maior disponibilidade dos sistemas de aquisição de dados e redes de computadores, a natureza competitiva da indústria atual força os sistemas de manufatura a avançar para a implementação de metodologias de alta tecnologia, possibilitando a estes sistemas uma maior flexibilidade e robustez ao lidar com situações inesperadas. A Manutenção Preditiva é a primeira grande quebra de paradigma na manutenção, intensificando-se cada vez mais, quanto maior o desenvolvimento tecnológico. Esta solução, é considerada como a mais fiável sob o ponto de vista de produção, na medida que monitoriza o equipamento e/ou sistema, agindo quando necessário. No entanto, toda a tecnologia inerente a este tipo de manutenção ainda precisa de intervenção humana, pois, embora os equipamentos/sistemas já possam detetar as falhas, estes não se auto-reparam, necessitando da intervenção do homem para efetuar o reparo. O trabalho desenvolvido na presente dissertação de mestrado consiste no estudo, de como integrar Machine Learning em sistemas ciber-físicos baseados em agentes e utilizando serviços.