Detecção de falha aplicada na atualização de probabilidade de falha

Detalhes bibliográficos
Autor(a) principal: Renan Nominato Oliveira Souza
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/BUOS-B33HJS
Resumo: A coleta de dados de manutenção, a curto e longo prazo, é tarefa de grande relevância num contexto que envolve questões relacionadas ao planejamento orçamentário da indústria. Um conjunto de dados de falha conável possibilita a denição de estratégias que geram redução de custos, diminuição de incidentes, aumento da produtividade, satisfação dos clientes e fazem com que ampliações do sistema possam ser realizadas considerando informações importantes que podem ser visualizadas nos históricos de falha. O presente trabalho trata da aplicação de técnicas de detecção de falhas com o objetivo de atualizar, em tempo real, a vida útil de componente. Para isso a vida útil dos componentes foi ajustada em sistemas com falhas de um único tipo, ou seja, apartir de um único modo de falha ajustou-se a taxa de falha do componente; e em sistemas com falhas diferentes, onde além da etapa de detecção, foi necessária uma etapa da classicação da falha e posteriormente a atualização da probabilidade de falha. Para a detecção de falhas foi utilizado um algoritmo para detecção de pontos de mudança. Já para o ajuste do modelo de falhas foi utilizada a distribuição estatística de Weibull, que é aplicada a problemas relacionados a vida útil de componentes e manutenção de maneira geral. O vetor de dados de falha, após atualização, foi testado a partir de um teste de Kolmogorov-Smirnov para validar se a distribuição de Weibull se ajustou aos dados de falhas. Em sistemas que ocorreram mais de um tipo de falha foi utilizado um classicador NFC (Neuro Fuzzy Classier) com o objetivo de determinar o tipo de falha. Após a determinação do tipo de falha o problema foi tratado da mesma maneira de quando ocorreu um único tipo de falha. O classicador alcançou uma taxa de acerto de 85,04% quando aplicado em classicação de falhas em um transformador e 88,88% quando aplicado em classicação de falhas em Sistemas de Tanques Interativos. A partir dos resultados obtidos foi possível observar que a metodologia aplicada pode direcionar a política de manutenção a ser utilizada. Outro ponto importante foi que os dados passaram a ter maior conabilidade tanto para serem coletados como para serem classicados. Assim, percebe-se que os resultados da utilização do sistema são altamente benécos para armazenamento de dados em um ambiente de manutenção
id UFMG_c2fa202bb6df027d4bfa3e745afc2a3d
oai_identifier_str oai:repositorio.ufmg.br:1843/BUOS-B33HJS
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Reinaldo Martinez PalharesWalmir Matos CaminhasRenan Nominato Oliveira Souza2019-08-14T14:04:56Z2019-08-14T14:04:56Z2013-07-11http://hdl.handle.net/1843/BUOS-B33HJSA coleta de dados de manutenção, a curto e longo prazo, é tarefa de grande relevância num contexto que envolve questões relacionadas ao planejamento orçamentário da indústria. Um conjunto de dados de falha conável possibilita a denição de estratégias que geram redução de custos, diminuição de incidentes, aumento da produtividade, satisfação dos clientes e fazem com que ampliações do sistema possam ser realizadas considerando informações importantes que podem ser visualizadas nos históricos de falha. O presente trabalho trata da aplicação de técnicas de detecção de falhas com o objetivo de atualizar, em tempo real, a vida útil de componente. Para isso a vida útil dos componentes foi ajustada em sistemas com falhas de um único tipo, ou seja, apartir de um único modo de falha ajustou-se a taxa de falha do componente; e em sistemas com falhas diferentes, onde além da etapa de detecção, foi necessária uma etapa da classicação da falha e posteriormente a atualização da probabilidade de falha. Para a detecção de falhas foi utilizado um algoritmo para detecção de pontos de mudança. Já para o ajuste do modelo de falhas foi utilizada a distribuição estatística de Weibull, que é aplicada a problemas relacionados a vida útil de componentes e manutenção de maneira geral. O vetor de dados de falha, após atualização, foi testado a partir de um teste de Kolmogorov-Smirnov para validar se a distribuição de Weibull se ajustou aos dados de falhas. Em sistemas que ocorreram mais de um tipo de falha foi utilizado um classicador NFC (Neuro Fuzzy Classier) com o objetivo de determinar o tipo de falha. Após a determinação do tipo de falha o problema foi tratado da mesma maneira de quando ocorreu um único tipo de falha. O classicador alcançou uma taxa de acerto de 85,04% quando aplicado em classicação de falhas em um transformador e 88,88% quando aplicado em classicação de falhas em Sistemas de Tanques Interativos. A partir dos resultados obtidos foi possível observar que a metodologia aplicada pode direcionar a política de manutenção a ser utilizada. Outro ponto importante foi que os dados passaram a ter maior conabilidade tanto para serem coletados como para serem classicados. Assim, percebe-se que os resultados da utilização do sistema são altamente benécos para armazenamento de dados em um ambiente de manutençãoMaintenance data collection, short and long term, is a task of great importance in a context that involves issues related to budget planning in industry. A reliable dataset of failures enables the denition of strategies that generate cost savings, reduction of incidents, increased productivity, customer satisfaction and make system upgrade scan be performed considering important information that can be viewed in the history of failures. The present work deals with the application of techniques for fault detection in systems subject to failures with the objective is update the life of component in real time. For this, the life of the components was adjusted in systems with a single type of failures, in others words, with only one failure mode the life of component was adjusted. Moreover in systems whose two or more types failure could happen, thats why was necessary another stage which occur the failure classication as well as then the life of component was updated. For fault detection was used Fuzzy / Bayesian algorithm. In order to failure mode ling was used statistical distribution of Weibull which generally is applied in problems related to life time of the component. The dataset of fails after upgrade, was tested from a Kolmogorov-Smirnov test to validate if the Weibull distribution t to the failure data. In systems that occurred more than one type of failure was used a classier NFC (Neuro Fuzzy Classier) for the purpose of to determine the type of failure. After determining the type of failure the problem was treated in the same way when there was only one type of failure. The classier achieve an accuracy rate of 85.04 % when applied to the classication of faults in electrical transformers as well as 88.88 % when applied in a interactive tank system. From the results obtained it was observed that the methodology can direct the maintenance policy to be used. Another important point was that the data now have much greater reliability to be collected as well as be classied. Thus, it is clear that the results of using the system are highly benecial for data storage in a maintenance environmentUniversidade Federal de Minas GeraisUFMGEngenharia elétricaSistemas difusosConfiabilidade (Probabilidades)ConabilidadeDetecção de falha e manutençãoDetecção de falha aplicada na atualização de probabilidade de falhainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINAL966m.pdfapplication/pdf1192713https://repositorio.ufmg.br/bitstream/1843/BUOS-B33HJS/1/966m.pdf970cb395c6884144ae86e6818a361a52MD51TEXT966m.pdf.txt966m.pdf.txtExtracted texttext/plain86593https://repositorio.ufmg.br/bitstream/1843/BUOS-B33HJS/2/966m.pdf.txted8bbc984acea856df9d2327b0e998fcMD521843/BUOS-B33HJS2019-11-14 14:18:19.62oai:repositorio.ufmg.br:1843/BUOS-B33HJSRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T17:18:19Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Detecção de falha aplicada na atualização de probabilidade de falha
title Detecção de falha aplicada na atualização de probabilidade de falha
spellingShingle Detecção de falha aplicada na atualização de probabilidade de falha
Renan Nominato Oliveira Souza
Conabilidade
Detecção de falha e manutenção
Engenharia elétrica
Sistemas difusos
Confiabilidade (Probabilidades)
title_short Detecção de falha aplicada na atualização de probabilidade de falha
title_full Detecção de falha aplicada na atualização de probabilidade de falha
title_fullStr Detecção de falha aplicada na atualização de probabilidade de falha
title_full_unstemmed Detecção de falha aplicada na atualização de probabilidade de falha
title_sort Detecção de falha aplicada na atualização de probabilidade de falha
author Renan Nominato Oliveira Souza
author_facet Renan Nominato Oliveira Souza
author_role author
dc.contributor.advisor1.fl_str_mv Reinaldo Martinez Palhares
dc.contributor.advisor-co1.fl_str_mv Walmir Matos Caminhas
dc.contributor.author.fl_str_mv Renan Nominato Oliveira Souza
contributor_str_mv Reinaldo Martinez Palhares
Walmir Matos Caminhas
dc.subject.por.fl_str_mv Conabilidade
Detecção de falha e manutenção
topic Conabilidade
Detecção de falha e manutenção
Engenharia elétrica
Sistemas difusos
Confiabilidade (Probabilidades)
dc.subject.other.pt_BR.fl_str_mv Engenharia elétrica
Sistemas difusos
Confiabilidade (Probabilidades)
description A coleta de dados de manutenção, a curto e longo prazo, é tarefa de grande relevância num contexto que envolve questões relacionadas ao planejamento orçamentário da indústria. Um conjunto de dados de falha conável possibilita a denição de estratégias que geram redução de custos, diminuição de incidentes, aumento da produtividade, satisfação dos clientes e fazem com que ampliações do sistema possam ser realizadas considerando informações importantes que podem ser visualizadas nos históricos de falha. O presente trabalho trata da aplicação de técnicas de detecção de falhas com o objetivo de atualizar, em tempo real, a vida útil de componente. Para isso a vida útil dos componentes foi ajustada em sistemas com falhas de um único tipo, ou seja, apartir de um único modo de falha ajustou-se a taxa de falha do componente; e em sistemas com falhas diferentes, onde além da etapa de detecção, foi necessária uma etapa da classicação da falha e posteriormente a atualização da probabilidade de falha. Para a detecção de falhas foi utilizado um algoritmo para detecção de pontos de mudança. Já para o ajuste do modelo de falhas foi utilizada a distribuição estatística de Weibull, que é aplicada a problemas relacionados a vida útil de componentes e manutenção de maneira geral. O vetor de dados de falha, após atualização, foi testado a partir de um teste de Kolmogorov-Smirnov para validar se a distribuição de Weibull se ajustou aos dados de falhas. Em sistemas que ocorreram mais de um tipo de falha foi utilizado um classicador NFC (Neuro Fuzzy Classier) com o objetivo de determinar o tipo de falha. Após a determinação do tipo de falha o problema foi tratado da mesma maneira de quando ocorreu um único tipo de falha. O classicador alcançou uma taxa de acerto de 85,04% quando aplicado em classicação de falhas em um transformador e 88,88% quando aplicado em classicação de falhas em Sistemas de Tanques Interativos. A partir dos resultados obtidos foi possível observar que a metodologia aplicada pode direcionar a política de manutenção a ser utilizada. Outro ponto importante foi que os dados passaram a ter maior conabilidade tanto para serem coletados como para serem classicados. Assim, percebe-se que os resultados da utilização do sistema são altamente benécos para armazenamento de dados em um ambiente de manutenção
publishDate 2013
dc.date.issued.fl_str_mv 2013-07-11
dc.date.accessioned.fl_str_mv 2019-08-14T14:04:56Z
dc.date.available.fl_str_mv 2019-08-14T14:04:56Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/BUOS-B33HJS
url http://hdl.handle.net/1843/BUOS-B33HJS
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.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/BUOS-B33HJS/1/966m.pdf
https://repositorio.ufmg.br/bitstream/1843/BUOS-B33HJS/2/966m.pdf.txt
bitstream.checksum.fl_str_mv 970cb395c6884144ae86e6818a361a52
ed8bbc984acea856df9d2327b0e998fc
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589351586660352