Please use this identifier to cite or link to this item:
http://www.monografias.ufop.br/handle/35400000/2506| Title: | Estudo de desempenho de algoritmos de machine learning aplicado à prognósticos e monitoramento de condição. |
| Authors: | Rosa, Vitor Reis |
| metadata.dc.contributor.advisor: | Castanheira, Luciana Gomes |
| metadata.dc.contributor.referee: | Castanheira, Luciana Gomes Cocota Júnior, José Alberto Naves Santos, André Almeida |
| Keywords: | Machine learning Condition monitoring - CM Remaining useful life - RUL Aprendizagem de máquina Engenharia - estimativas |
| Issue Date: | 2019 |
| Citation: | ROSA, Vitor Reis. Estudo de desempenho de algoritmos de machine learning aplicado à prognósticos e monitoramento de condição. 2019. 68 f. Monografia (Graduação em Engenharia de Controle e Automação) - Escola de Minas - Universidade Federal de Ouro Preto, Ouro Preto, 2019. |
| Abstract: | Neste trabalho será realizada uma abordagem original para um problema recorrente no campo da manutenção preditiva. O objetivo visa determinar com a maior precisão possível a vida útil remanescente de motores de turbina submetidos a estresse constante até que atinjam a condição de falha. Dados provenientes de simulações de leituras de sensores instalados nos motores são o alvo principal deste estudo e serão devidamente trabalhados através de técnicas avançadas de estatística, análise e tratamento de dados. Os dados foram disponibilizados pelo Centro de Prognósticos e Excelência da NASA Ames e posteriormente utilizados em uma competição de prognósticos e monitoramento de condição denominada PHM08 Data Challenge. |
| metadata.dc.description.abstracten: | This work presents an original approach to a recurring problem in predictive maintenance field. The objective is to determine as accurately as possible the remaining useful life of turbofan engines subjected to constant stress until they reach the failure condition. Data from simulations of sensor readings installed on the engines are the main target of this study and will be properly worked through advanced techniques of statistics, analysis and data processing. The data were made available by Center for Prognosis and Excellence of NASA Ames and later used in a condition monitoring and prognostics competition named the PHM08 Data Challenge. |
| URI: | http://www.monografias.ufop.br/handle/35400000/2506 |
| Appears in Collections: | Engenharia de Controle e Automação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MONOGRAFIA_EstudoDesempenhoAlgoritmos.pdf | 5,94 MB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License
