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

Detalhes bibliográficos
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
Resumo: 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.
id UFF-2_8426455970ebe993bee243dd0b12cd61
oai_identifier_str oai:app.uff.br:1/25868
network_acronym_str UFF-2
network_name_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository_id_str 2120
spelling Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditivaGestão de ativosAprendizado de máquinaManutenção preditivaAprendizado de máquinaGestão de ativoEnergia elétricaProdução intelectualMachine learningAsset managementPredictive maintenanceAutomação 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.Industrial automation, robotics, internet of things, artificial intelligence, Big Data and cloud computing are some of the innovations brought by the fourth industrial revolution. The development of these technologies has direct application in asset management within several sectors that use equipment and machines subject to failures and breakdowns. In this perspective, some companies have already started developing asset management solutions based on predictive maintenance, such as GE’s Predix platform and Siemens Energy Global. Thus, this paper carries out the development of a machine learning solution in order to assist decision making in predictive strategies. The development is made using algorithms and techniques for modelling and training neural networks in Python, using well-known open-source libraries (such as TensorFlow and Keras) and a predictive maintenance database made publicly available by Microsoft Azure AI Gallery. The main achievement was the model’s capability of predicting, with a reasonable amount of time in advance, asset failure, allowing responsible maintenance engineers to schedule interventions, hence reducing the total number of failures, maintenance costs, machinery downtime and increasing useful lifetime.82 p.Ferreira, Vitor HugoPinho, Andre da CostaDaniel, Luciano de OliveiraMartins, Ricardo Bohadana2022-07-27T16:22:19Z2022-07-27T16:22:19Z2022info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfMARTINS, Ricardo Bohadana. Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva. 2022. 82 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica)-Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2022http://app.uff.br/riuff/handle/1/25868CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-01-03T15:01:47Zoai:app.uff.br:1/25868Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:47:57.770565Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false
dc.title.none.fl_str_mv Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
title Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
spellingShingle Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
Martins, Ricardo Bohadana
Gestão de ativos
Aprendizado de máquina
Manutenção preditiva
Aprendizado de máquina
Gestão de ativo
Energia elétrica
Produção intelectual
Machine learning
Asset management
Predictive maintenance
title_short Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
title_full Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
title_fullStr Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
title_full_unstemmed Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
title_sort Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva
author Martins, Ricardo Bohadana
author_facet Martins, Ricardo Bohadana
author_role author
dc.contributor.none.fl_str_mv Ferreira, Vitor Hugo
Pinho, Andre da Costa
Daniel, Luciano de Oliveira
dc.contributor.author.fl_str_mv Martins, Ricardo Bohadana
dc.subject.por.fl_str_mv Gestão de ativos
Aprendizado de máquina
Manutenção preditiva
Aprendizado de máquina
Gestão de ativo
Energia elétrica
Produção intelectual
Machine learning
Asset management
Predictive maintenance
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
description 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.
publishDate 2022
dc.date.none.fl_str_mv 2022-07-27T16:22:19Z
2022-07-27T16:22:19Z
2022
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MARTINS, Ricardo Bohadana. Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva. 2022. 82 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica)-Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2022
http://app.uff.br/riuff/handle/1/25868
identifier_str_mv MARTINS, Ricardo Bohadana. Desenvolvimento de solução computacional baseada em machine learning para apoio à manutenção preditiva. 2022. 82 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica)-Universidade Federal Fluminense, Escola de Engenharia, Niterói, 2022
url http://app.uff.br/riuff/handle/1/25868
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC-BY-SA
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC-BY-SA
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)
instname:Universidade Federal Fluminense (UFF)
instacron:UFF
instname_str Universidade Federal Fluminense (UFF)
instacron_str UFF
institution UFF
reponame_str Repositório Institucional da Universidade Federal Fluminense (RIUFF)
collection Repositório Institucional da Universidade Federal Fluminense (RIUFF)
repository.name.fl_str_mv Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)
repository.mail.fl_str_mv riuff@id.uff.br
_version_ 1811823572961722368