Detecção de falha aplicada na atualização de probabilidade de falha
Autor(a) principal: | |
---|---|
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 |