Um estudo comparativo e aplicado de técnicas de machine learning e de features para modelos de previsão de parada de equipamentos em processos de manutenção preditiva
Carregando...
Tipo
Dissertação
Data de publicação
2023-08-02
Periódico
Citações (Scopus)
Autores
Venites, Victor de Oliveira
Orientador
Vallim Filho, Arnaldo Rabello de Aguiar
Título da Revista
ISSN da Revista
Título de Volume
Membros da banca
Silva, Leandro Augusto da
Zerbinatti, Leandro
Lopes, Fábio Silva
Pereira, Celso Alves
Zerbinatti, Leandro
Lopes, Fábio Silva
Pereira, Celso Alves
Programa
Computação Aplicada
Resumo
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.
Descrição
Palavras-chave
manutenção preditiva , engenharia de atributos , aprendizado de máquina , séries temporais