Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas

Detalhes bibliográficos
Autor(a) principal: Silva, Mateus Cichelero da
Data de Publicação: 2018
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/191755
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.
id UFSC_185790148bb767838ff49d7d3b1e68b3
oai_identifier_str oai:repositorio.ufsc.br:123456789/191755
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaSilva, Mateus Cichelero daCosta, Márcio HolsbachMourão, Gustavo Leão2018-12-03T17:04:23Z2018-12-03T17:04:23Z2018-11-30https://repositorio.ufsc.br/handle/123456789/191755TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.Neste trabalho são apresentados conceitos, técnicas e padrões utilizados na área de manutenção preditiva de máquinas rotativas elétricas, mais precisamente na aplicação de métodos de inteligência artificial para diagnóstico de defeitos mecânicos através da análise de sinais de vibração. Um cenário de experimentos foi configurado através da utilização da base de dados de defeitos mecânicos MAFAULDA, que conta com seis condições distintas de saúde de máquinas rotativas elétricas. Estes dados são tratados por meio de técnicas de pré-processamento para extração de um vetor de características, utilizado como entrada para cinco métodos distintos de classificação: k-nearest neighbors (k-NN), Naive Bayes, Support Vector Machine (SVM), Regressão Logística e Redes Neurais Artificiais. São definidas métricas de desempenho para comparação dos métodos analisados, como a acurácia e sensibilidade. Por fim, testes estatísticos de hipótese são aplicados para confirmar a distinção de desempenho dos classificadores e um ranking é definido.This work presents concepts, techniques and standards used in the field of predictive maintenance of electric machines, more precisely in the application of artificial intelligence methods for the diagnosis of mechanical defects through the analysis of vibration signals. An experimental scenario was set up using the MAFAULDA mechanical fault database, which has six distinct machine health conditions. These data are treated by preprocessing techniques to obtain a vector of characteristics, to be used as input for five distinct classification methods: k-nearest neighbors (k-NN), Naive Bayes, Support Vector Machine (SVM), Logistic Regression, and Artificial Neural Networks. Performance metrics are applied for comparison of the analyzed methods , such as accuracy and sensitivity. Finally, statistical tests of hypothesis are applied to confirm the distinction of performance of the classifiers, and a ranking is defined.94 f.Florianópolis, SCManutenção PreditivaMachine LearningInteligência ArtificialMétodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessLICENSElicense.txtlicense.txttext/plain; charset=utf-81383https://repositorio.ufsc.br/bitstream/123456789/191755/2/license.txt11ee89cd31d893362820eab7c4d46734MD52ORIGINALTCC_MateusCichelero.pdfTCC_MateusCichelero.pdfapplication/pdf2610676https://repositorio.ufsc.br/bitstream/123456789/191755/1/TCC_MateusCichelero.pdf7512b6025603ad613795fb5b4fc71fb0MD51123456789/1917552018-12-03 15:04:24.212oai:repositorio.ufsc.br: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ório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732018-12-03T17:04:24Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
title Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
spellingShingle Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
Silva, Mateus Cichelero da
Manutenção Preditiva
Machine Learning
Inteligência Artificial
title_short Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
title_full Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
title_fullStr Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
title_full_unstemmed Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
title_sort Métodos de inteligência artificial para diagnóstico de defeitos em máquinas rotativas
author Silva, Mateus Cichelero da
author_facet Silva, Mateus Cichelero da
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Silva, Mateus Cichelero da
dc.contributor.advisor1.fl_str_mv Costa, Márcio Holsbach
dc.contributor.advisor-co1.fl_str_mv Mourão, Gustavo Leão
contributor_str_mv Costa, Márcio Holsbach
Mourão, Gustavo Leão
dc.subject.por.fl_str_mv Manutenção Preditiva
Machine Learning
Inteligência Artificial
topic Manutenção Preditiva
Machine Learning
Inteligência Artificial
description TCC (graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Engenharia Elétrica.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-12-03T17:04:23Z
dc.date.available.fl_str_mv 2018-12-03T17:04:23Z
dc.date.issued.fl_str_mv 2018-11-30
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 https://repositorio.ufsc.br/handle/123456789/191755
url https://repositorio.ufsc.br/handle/123456789/191755
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 94 f.
dc.publisher.none.fl_str_mv Florianópolis, SC
publisher.none.fl_str_mv Florianópolis, SC
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/123456789/191755/2/license.txt
https://repositorio.ufsc.br/bitstream/123456789/191755/1/TCC_MateusCichelero.pdf
bitstream.checksum.fl_str_mv 11ee89cd31d893362820eab7c4d46734
7512b6025603ad613795fb5b4fc71fb0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805423522840576

Registros relacionados