Rumo á Indústria 4.0: aprendizado de máquina para apoio no planejamento e controle de manutenção de equipamentos industriais/ Towards Industry 4.0: machine learning to support industrial equipment maintenance planning and control

Jéfter Mateus de Oliveira Rezende, Gustavo de Assis Costa, Camila Dias de Jesus

Abstract


Falhas e defeitos em equipamentos são corriqueiros em qualquer ambiente industrial, gerando perdas e prejuízos materiais e financeiros. Para sanar problemas como estes, diferentes técnicas de manutenção corretiva e preventiva são empregadas. Dentre estas, podemos citar algumas técnicas baseadas em Inteligência Artificial, as quais permitem que seja utilizado o poder computacional para alcançar alto nível de capacidade analítica baseada em busca de padrões gerados a partir de dados previamente obtidos. Desta forma, é possível que sejam realizadas análises como predição de valores e/ou estados futuros ou mesmo a classificação de dados. A aplicação destas técnicas tem sido uma alternativa eficaz que permite a geração de soluções que irão amenizar este problema. Este trabalho tem por objetivo o desenvolvimento de um estudo de caso que permita a criação de soluções automatizadas para auxiliar no planejamento e controle de manutenção em um ambiente de produção industrial, servindo de apoio aos sistemas automatizados existentes numa planta. A partir dos dados gerados pelo estudo, na forma de gráfico e tabelas, decisões poderão ser tomadas pela equipe de manutenção a fim de evitar possíveis falhas no andamento dos processos de produção. Os experimentos foram realizados com a aplicação de algoritmos para as tarefas de Regressão Linear e Classificação. Para validar este estudo foram realizados testes com medições feitas em um motor de testes do IFG -Campus Jataí e, também, em um ambiente controlado que simula uma produção industrial, viabilizado por meio de uma base de dados pública obtida a partir da análise e monitoramento de um sistema de rolamento de motores.


Keywords


Inteligência Artificial, Planejamento e Controle de Manutenção, Aprendizado de Máquina.

References


LESSMEIER, Christian; ZIMMER, Detmar; SEXTRO, Walter; KIMOTHO, James. (2016) Condition Monitoring of Bearing Damage in Electromechanical Drive Systems by Using Motor Current Signals of Electric Motors: A Benchmark Data Set for Data-Driven Classification. Paderborn University.

Bonomi, F., Milito, R., Natarajan, P., Zhu, J., (2014). Big data and internet of things: A roadmap for smart environments. Volume 546.

Li, Zhe & Wang, Kesheng & He, Yafei. (2016). Industry 4.0 - Potentials for Predictive Maintenance. 10.2991/iwama-16.2016.8.

Souza, Elaine M. M., Vieira, Jeferson C (2021). Industrial organization and international trade. Brazilian Journal of Development, 5001-5022, Vol. 6, n. 1.

Ikeziri, Lucas M., Melo, Júlio C., Campos, Raquel T., Okimura, Luciano I., Junior, Alcides G. A perspectiva da indústria 4.0 sobre a filosofia de gestão Lean Manufacturing. 1274-1289, Vol. 6, n. 1.

Ran, Y., Zhou, X., Lin, P., Wen, Y., & Deng, R. (2019). A Survey of Predictive Maintenance: Systems, Purposes and Approaches. ArXiv, abs/1912.07383.

Iqbal, Muhammad & Yan, Zhu. (2015). Supervised Machine Learning Approaches: A Survey. International Journal of Soft Computing. 5. 946-952. 10.21917/ijsc.2015.0133.




DOI: https://doi.org/10.34117/bjdv.v7i5.30031

Refbacks

  • There are currently no refbacks.