Ciência de dados aplicada para manutenção preditiva
Autor(a) principal: | |
---|---|
Data de Publicação: | 2023 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/40953 |
Resumo: | With the introduction of Industry 4.0 and the increased demands for operational efficiency, the application of Exploratory Data Analysis (AED) and predictions using Machine Learning (ML) for predictive maintenance has become a proactive and strategic decision. Such techniques aim to avoid failures and maximize the performance of industrial equipment. In this context, this work seeks to use AED and the creation of models using ML to study a synthetic dataset generated to reproduce data from all equipment in a company. The main objective is to study the creation of prediction models capable of identifying equipment failures, giving a new perspective to professionals in the field and serving as a reference point for future studies with data acquired in real situations. |
id |
UFU_29e1dc829bccbbfc4385bb9d0cbc5c28 |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/40953 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
Ciência de dados aplicada para manutenção preditivaData science applied in predictive maintenanceAnálise exploratória de dadosAprendizagem de máquinasManutenção preditivaExploratory data analysisMachine learningPredictive maintenanceCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICAWith the introduction of Industry 4.0 and the increased demands for operational efficiency, the application of Exploratory Data Analysis (AED) and predictions using Machine Learning (ML) for predictive maintenance has become a proactive and strategic decision. Such techniques aim to avoid failures and maximize the performance of industrial equipment. In this context, this work seeks to use AED and the creation of models using ML to study a synthetic dataset generated to reproduce data from all equipment in a company. The main objective is to study the creation of prediction models capable of identifying equipment failures, giving a new perspective to professionals in the field and serving as a reference point for future studies with data acquired in real situations.Pesquisa sem auxílio de agências de fomentoTrabalho de Conclusão de Curso (Graduação)Com a introdução da Indústria 4.0 e o aumento das demandas de eficiência operacional, a aplicação de Análises Exploratórias de Dados (AED) e predições utilizando Aprendizagem de Máquina (ML na sigla em inglês) para manutenção preditiva tem se tornado uma decisão proativa e estratégica. Tais técnicas visam evitar falhas e maximizar o desempenho de equipamentos industriais. Nesse contexto, esse trabalho busca utilizar da AED e da criação de modelos utilizando ML para estudar um conjunto de dados sintéticos gerados para reproduzir dados de todos os equipamentos de uma empresa. O objetivo principal é estudar a criação de modelos de predição capazes de identificar falhas em equipamentos, dar uma perspectiva nova para profissionais na área e servir de um ponto de referência para futuros estudos com dados adquiridos em situações reais.Universidade Federal de UberlândiaBrasilEngenharia de Controle de AutomaçãoMorais, Josué Silve dehttp://lattes.cnpq.br/2007658962904545Morais, Aniel Silva dehttp://lattes.cnpq.br/8844251698422960Cunha, Márcio José dahttp://lattes.cnpq.br/5012626154282569Ruivo, Eduardo Acrani2024-01-10T19:18:26Z2024-01-10T19:18:26Z2023-11-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfRUIVO, Eduardo Acrani. Ciência de dados aplicada para manutenção preditiva. 2023. 62 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Uberlândia, Uberlândia, 2023.https://repositorio.ufu.br/handle/123456789/40953porhttp://creativecommons.org/licenses/by-nc-nd/3.0/us/info:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFU2024-01-11T06:18:05Zoai:repositorio.ufu.br:123456789/40953Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-01-11T06:18:05Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.none.fl_str_mv |
Ciência de dados aplicada para manutenção preditiva Data science applied in predictive maintenance |
title |
Ciência de dados aplicada para manutenção preditiva |
spellingShingle |
Ciência de dados aplicada para manutenção preditiva Ruivo, Eduardo Acrani Análise exploratória de dados Aprendizagem de máquinas Manutenção preditiva Exploratory data analysis Machine learning Predictive maintenance CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
title_short |
Ciência de dados aplicada para manutenção preditiva |
title_full |
Ciência de dados aplicada para manutenção preditiva |
title_fullStr |
Ciência de dados aplicada para manutenção preditiva |
title_full_unstemmed |
Ciência de dados aplicada para manutenção preditiva |
title_sort |
Ciência de dados aplicada para manutenção preditiva |
author |
Ruivo, Eduardo Acrani |
author_facet |
Ruivo, Eduardo Acrani |
author_role |
author |
dc.contributor.none.fl_str_mv |
Morais, Josué Silve de http://lattes.cnpq.br/2007658962904545 Morais, Aniel Silva de http://lattes.cnpq.br/8844251698422960 Cunha, Márcio José da http://lattes.cnpq.br/5012626154282569 |
dc.contributor.author.fl_str_mv |
Ruivo, Eduardo Acrani |
dc.subject.por.fl_str_mv |
Análise exploratória de dados Aprendizagem de máquinas Manutenção preditiva Exploratory data analysis Machine learning Predictive maintenance CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
topic |
Análise exploratória de dados Aprendizagem de máquinas Manutenção preditiva Exploratory data analysis Machine learning Predictive maintenance CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
description |
With the introduction of Industry 4.0 and the increased demands for operational efficiency, the application of Exploratory Data Analysis (AED) and predictions using Machine Learning (ML) for predictive maintenance has become a proactive and strategic decision. Such techniques aim to avoid failures and maximize the performance of industrial equipment. In this context, this work seeks to use AED and the creation of models using ML to study a synthetic dataset generated to reproduce data from all equipment in a company. The main objective is to study the creation of prediction models capable of identifying equipment failures, giving a new perspective to professionals in the field and serving as a reference point for future studies with data acquired in real situations. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-11-24 2024-01-10T19:18:26Z 2024-01-10T19:18:26Z |
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 |
RUIVO, Eduardo Acrani. Ciência de dados aplicada para manutenção preditiva. 2023. 62 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Uberlândia, Uberlândia, 2023. https://repositorio.ufu.br/handle/123456789/40953 |
identifier_str_mv |
RUIVO, Eduardo Acrani. Ciência de dados aplicada para manutenção preditiva. 2023. 62 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação) - Universidade Federal de Uberlândia, Uberlândia, 2023. |
url |
https://repositorio.ufu.br/handle/123456789/40953 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/3.0/us/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Engenharia de Controle de Automação |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia Brasil Engenharia de Controle de Automação |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1805569616035971072 |