Computação Aplicada (Mestrado Profissional) - Dissertações - FCI Higienópolis
URI Permanente para esta coleção
Navegar
Navegando Computação Aplicada (Mestrado Profissional) - Dissertações - FCI Higienópolis por Assunto "engenharia de atributos"
Agora exibindo 1 - 1 de 1
Resultados por página
Opções de Ordenação
- DissertaçãoUm estudo comparativo e aplicado de técnicas de machine learning e de features para modelos de previsão de parada de equipamentos em processos de manutenção preditivaVenites, Victor de Oliveira (2023-08-02)
Faculdade de Computação e Informática (FCI)
Esta pesquisa vai seguir o padrão de abordagem da Ciência de Dados explorando bases de dados, no sentido de buscar compor um processo de benchmarking de atributos e de técnicas de Machine Learning (ML) para apoio à Manutenção Preditiva de Máquinas Industriais. O objetivo geral é a exploração de técnicas de Feature Engineering tendo por base os dados históricos (séries temporais) de estados conhecidos de máquinas industriais, que neste estudo são classificados em cinco tipos denominados: Run, Setup, Down, Standby e Offline. Com base em características temporais criadas, buscou-se construir e comparar uma pipeline de modelos de ML conhecidos na literatura, buscando como resultado esperado previsões do momento de quebra de uma máquina, e medindo-se a performance dos modelos pelas métricas de acurácia. As séries temporais tem a característica de se trabalhar partindo apenas das observações anteriores para prever as futuras, por tanto, bases de dados com apenas duas colunas como o histórico dos estados e data/hora já são o suficiente para um estudo de modelagem. Os resultados obtidos foram promissores. E, do ponto de vista prático, com a previsão dos momentos de quebras e/ou paradas indesejadas de equipamentos, a indústria pode economizar nos gastos, diminuindo a manutenção corretiva e preventiva. Portanto, otimizando a operação na produção máxima possível.