Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina

Detalhes bibliográficos
Autor(a) principal: Leal, Eduardo Schwinden
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/204399
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2019.
id UFSC_0cfc14dd7d5940a09ff8043d5fe60472
oai_identifier_str oai:repositorio.ufsc.br:123456789/204399
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaLeal, Eduardo SchwindenHübner, Jomi Fred2020-02-28T18:03:49Z2020-02-28T18:03:49Z2019364815https://repositorio.ufsc.br/handle/123456789/204399Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2019.Equipamentos de refrigeração em ambientes da área da saúde são de extrema importância para o armazenamento de insumos como medicamentos, sangue e vacinas. Um desvio significativo na temperatura desses equipamentos, seja por falha ou outro motivo, pode ser o suficiente para o completo descarte desses insumos. Sistemas de monitoramento de temperatura podem coletar as temperaturas de tempos em tempos e notificar os responsáveis no caso de a temperatura ultrapassar os valores preestabelecidos. No entanto, esse mecanismo é reativo. Neste trabalho, são apresentadas técnicas de aprendizado de máquina para predizer falhas nesses tipos de equipamento, a fim de antecipar uma falha e evitar perdas de insumos. Os resultados desse trabalho mostram que é possível predizer falhas nesses equipamentos observando somente a temperatura para o conjunto de dados estudado e assumindo algumas premissas. No decorrer desse trabalho, são comparadas técnicas de aprendizado de máquina e são mostrados os aspectos do desenvolvimento de algoritmos para a tarefa.Abstract: Refrigeration equipments in the health sector are of extreme importance for storing contents such as medicine, blood and vaccines. A significant change in the equipment s temperature, either because of failure or any other reason, may be sufficient for discarding the stored products. Temperature monitoring systems can collect temperature data in regular intervals and generate an alert if the temperature surpasses a predetermined range, however this logic is reactive. In the present work, we study machine learning techniques for predicting failures in refrigeration systems in order to avoid product losses. The results of this work show that it is possible to predict failures in the equipments of the obtained data set by only observing the temperature and considering some premises. In the following of this work, we compare machine learning techniques and show the development aspects of the algorithms for the task.98 p.| il., gráfs., tabs.porEngenharia de sistemasAutomaçãoAprendizado do computadorRefrigeradoresPredição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEAS0325-D.pdfPEAS0325-D.pdfapplication/pdf8440647https://repositorio.ufsc.br/bitstream/123456789/204399/-1/PEAS0325-D.pdfba970d3a51203d07530261c50631ea9eMD5-1123456789/2043992020-02-28 15:03:49.713oai:repositorio.ufsc.br:123456789/204399Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732020-02-28T18:03:49Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
title Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
spellingShingle Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
Leal, Eduardo Schwinden
Engenharia de sistemas
Automação
Aprendizado do computador
Refrigeradores
title_short Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
title_full Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
title_fullStr Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
title_full_unstemmed Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
title_sort Predição de falhas em equipamentos de refrigeração com técnicas de aprendizado de máquina
author Leal, Eduardo Schwinden
author_facet Leal, Eduardo Schwinden
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Leal, Eduardo Schwinden
dc.contributor.advisor1.fl_str_mv Hübner, Jomi Fred
contributor_str_mv Hübner, Jomi Fred
dc.subject.classification.none.fl_str_mv Engenharia de sistemas
Automação
Aprendizado do computador
Refrigeradores
topic Engenharia de sistemas
Automação
Aprendizado do computador
Refrigeradores
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2019.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-02-28T18:03:49Z
dc.date.available.fl_str_mv 2020-02-28T18:03:49Z
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 https://repositorio.ufsc.br/handle/123456789/204399
dc.identifier.other.none.fl_str_mv 364815
identifier_str_mv 364815
url https://repositorio.ufsc.br/handle/123456789/204399
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.format.none.fl_str_mv 98 p.| il., gráfs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/204399/-1/PEAS0325-D.pdf
bitstream.checksum.fl_str_mv ba970d3a51203d07530261c50631ea9e
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766804986026524672

Registros relacionados