Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/34771| Título: | Aplicação de aprendizado de máquina para predição de falhas em equipamentos |
| Título(s) alternativo(s): | Machine Learning application for equipament failure prediction |
| Autor(es): | Omine, Erick Hiroyuki Nishida |
| Orientador(es): | Tondato, Rogério |
| Palavras-chave: | Aprendizado do computador Equipamentos industriais Máquinas - Manutenção e reparos Machine learning Industrial equipment Machinery - Maintenance and repair |
| Data do documento: | 19-Ago-2024 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Londrina |
| Citação: | OMINE, Erick Hiroyuki Nishida. Aplicação de aprendizado de máquina para predição de falhas em equipamentos. 2024. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecânica) - Universidade Tecnológica Federal do Paraná, Londrina, 2024. |
| Resumo: | A falha de equipamentos é um fenômeno negativo que ocorre em sistemas industriais, causado por uma variedade de fatores, incluindo desgaste, envelhecimento e condições operacionais adversas. Essas falhas podem resultar em tempo de inatividade do equipamento, defeitos no produto e possíveis danos infraestrutura. Em um contexto industrial, a falha de equipamentos pode levar a perdas significativas para as empresas, comprometendo a qualidade do produto e a eficiência operacional. Diante disso, este trabalho busca desenvolver um método de predição de falhas utilizando aprendizado de máquina, dada sua capacidade preditiva através da análise de dados em tempo real. Para isso, foi reunido uma variedade de técnicas de aprendizado de máquina para a resolução do problema. Foi realizado o tratamento dos dados, treinamento, refinamento e calibração dos modelos, utilizando a linguagem de programação Python e bibliotecas auxiliares como pandas e scikit-learn. Os resultados mostram que o aprendizado de máquina pode melhorar significativamente a precisão da manutenção preditiva, podendo chegar a uma eficiência de detecção de até 96,2%. |
| Abstract: | Equipment failure is a negative phenomenon that occurs in industrial systems, caused by a variety of factors including wear, aging, and adverse operating conditions. These failures can result in equipment downtime, product defects, and potential damage to infrastructure. In na industrial context, equipment failure can lead to significant losses for companies, compromising product quality and operational efficiency. In light of this, this work aims to develop a failure prediction method using machine learning, given its predictive capability through real-time data analysis. For this purpose, a variety of machine learning techniques were gathered to solve the problem. Data processing, training, refinement, and calibration of the models were carried out using the Python programming language and auxiliary libraries such as pandas and scikit-learn. The results show that machine learning can significantly improve the accuracy of predictive maintenance, achieving a detection efficiency of up to 96.2%. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/34771 |
| Aparece nas coleções: | LD - Engenharia Mecânica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| aprendizadomaquinapredicaofalha.pdf | 8,26 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
