Estudo de técnicas de aprendizado de máquina para detecção de falhas em turbinas de avião

• Autor(a) principal: Carvalho, Rock Nickson Ximenes
• Data de Publicação: 2024
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: https://app.uff.br/riuff/handle/1/33308
• topic: Aprendizado de máquina; Manutenção preditiva; Aprendizado de máquina; Manutenção; Turbina; Machine learning; Failure prediction; Turbofan

O aprendizado de máquina é um subcampo da inteligência artificial com aplicações em diversas áreas, como engenharia, finanças e entretenimento. Em particular, a tecnologia de manufatura moderna está começando a incorporar o aprendizado de máquina em todo o processo de produção onde algoritmos preditivos estão sendo usados ​​para planejar a manutenção da máquina de forma adaptativa, em vez de utilizando um cronograma fixo. Isto permite o monitoramento preditivo, com algoritmos prevendo quebras de equipamento (antes que ocorram) permitindo uma manutenção mais eficiente em tempo hábil. A manutenção preditiva aliada ao aprendizado de máquina surge como uma solução eficiente onde é possível analisar dados históricos de uso de equipamentos para prever o momento ideal para a manutenção, otimizando custos e aumentando a eficiência operacional. O presente trabalho apresenta uma revisão destas ferramentas e realiza um estudo comparativo do desempenho das mesmas aplicado a detecção de falhas numa turbina tipo turbofan a partir de dados de uma base de dados histórica de sensores do equipamento, aplicando distintos algoritmos de aprendizado e fazendo uma comparação do desempenho deles