Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva

• Autor(a) principal: Martins, Ricardo Bohadana
• Data de Publicação: 2022
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/25868
• topic: Gestão de ativos; Aprendizado de máquina; Manutenção preditiva; Aprendizado de máquina; Gestão de ativo; Energia elétrica; Produção intelectual; Machine learning; Asset management; Predictive maintenance

Automação industrial, robótica, internet das coisas, inteligência artificial, Big Data e computação em nuvem são algumas das inovações trazidas pela quarta revolução industrial. O desenvolvimento dessas tecnologias tem aplicação direta na gestão de ativos dentro de diversos setores que utilizam equipamentos e máquinas sujeitos a falhas e quebras. Nessa perspectiva, algumas empresas já iniciaram o desenvolvimento de soluções de gestão de ativos baseadas na manutenção preditiva, como a plataforma Predix da GE e a Siemens Energy Global. A partir disso, este trabalho realiza o desenvolvimento de uma solução baseada em machine learning com o objetivo de auxiliar a tomada de decisão em estratégias preditivas. A solução é desenvolvida utilizando algoritmos e técnicas de desenvolvimento e treinamento de redes neurais em Python, com o uso de bibliotecas de código aberto conhecidas (como TensorFlow e Keras), além de se basear em um banco de dados público da Microsoft Azure AI Gallery, disponível para aplicações de manutenção preditiva. Foi identificada a capacidade de prever, com um tempo razoável de antecedência, a falha de ativos, possibilitando aos engenheiros de manutenção responsáveis, avaliar e agendar intervenções, reduzindo a quantidade de falhas, manutenções e aumentando o tempo de disponibilidade e vida útil das máquinas e equipamentos.