Aluno: Pedro Ivo da Silva Oliveira

 

Título: “Abordagem Inteligente para Detecção de Falhas em Equipamentos Industriais.”

Orientador: Prof. Fernando Buarque de Lima Neto

Data-hora: 11/06/2018 (10:00h)

Local: Escola Politécnica de Pernambuco - Sala I-4

Resumo: “Na quarta revolução industrial, com a nova onda chamada Internet das Coisas, observam-se extensivamente aplicações de conceitos de Big Data, mineração de dados, e Inteligência Artificial a várias áreas do cotidiano. Aplicações industriais não poderiam ser diferentes. Com um patamar de utilização já muito avançado em controle de processos, a análise dos dados se torna um fator diferencial na busca pela otimização das operações nas industriais. A área de manutenção industrial, porém, ainda sofre com um nível de recursos em desacordo com a onda tecnológica que vem emergindo do setor de tecnologia da informação nos últimos anos. Com uma operação centralmente baseada na coleta de dados, e na periodização da avaliação dos equipamentos, o setor ainda carece de abordagens que possam facilitar a vida dos operadores de manutenção no que tange às suas atividades diárias de monitoramento. A eficiência dessas atividades impacta a eficiência da fábrica, visto que a área de manutenção é uma das áreas mais importantes da engenharia por garantir a operação dos sistemas. O presente trabalho de pesquisa objetiva contribuir na automatização da identificação de pontos de detecção e avaliação de falhas em equipamentos. Detecção aqui significa identificar padrões de não conformidade nos dados que possam revelar possíveis situações de risco a um equipamento, enquanto que avaliação significa analisar casos encontrados e decidir, junto a uma base de conhecimento, se esses novos casos possuem similaridade com casos já conhecidos, e portanto, poderiam ter soluções similares. Para essas duas atividades, a Inteligência Computacional se mostra relevante, pois é capaz de processar uma grande quantidade de dados, com algoritmos, relativamente, simples de serem implementados, além de gerar resultados preditivos em problemas complexos. Através da utilização de técnicas como Lógica Fuzzy, Algoritmos de Enxames, Mapas Auto-Organizáveis, Raciocínio Baseado em Casos, e utilizando princípios de Semiótica Computacional um modelo foi aqui proposto para identificar padrões de ocorrências em dados e avaliar a similaridade desses padrões com o conhecimento previamente adquirido, de forma que sugestões embasadas de soluções apropriadas possam ser entregues a gestores de manutenção industrial, aumentando a eficiência de suas atividades no dia a dia A nova abordagem foi testada em casos de ocorrências de falhas em robôs industriais e obteve bons índices de detecção de casos não conformes, bem como de avaliação desses casos com uma base de conhecimento adquirida.”

Go to top Menu