Predição de falhas em válvulas de um sistema de refrigeração via aprendizado de máquina.

Abstract

Com o grande aumento das indústrias e o avanço das tecnologias, tornou-se necessário obter um bom sistema de refrigeração capaz de atender aos requisitos do processo e man ter um custo razoável. Um sistema de HVAC (heating, ventilation and air conditioning) é extremamente necessário no setor farmacêutico visto que este precisa garantir os requi sitos exigidos pelos órgãos regulamentadores. Sabendo disso, é necessário haver bombas, válvulas, atuadores e sensores que serão responsáveis por monitorar as variáveis e parâ metros do processo. Em uma indústria farmacêutica do norte de Minas Gerais, muitas vezes percebe-se uma queda no desempenho das válvulas ao final de seu ciclo de vida e, para garantir a robustez do processo e evitar atrasos e prejuízos para a indústria é preciso perceber essas falhas o mais rápido possível para agir sobre o problema. A utilização de inteligência artificial pode ser uma grande aliada nesse contexto, pois são capazes de ana lisar variáveis e encontrar correlações que poderão auxiliar na identificação de falhas. O presente trabalho tem como objetivo utilizar técnicas de aprendizado de máquina, como regressão logística, árvores de decisão e alguns métodos como TabNet, XGBoost e redes neurais recorrentes para correlacionar as variáveis de monitoramento e de controle em busca de identificar e/ou predizer possíveis defeitos em válvulas, assim contribuindo para que as falhas sejam detectadas mais rapidamente e o tempo de resposta da manutenção ou substituição diminuído. Acredita-se que o objetivo foi cumprido com sucesso, visto que todos os métodos alcançaram excelentes desempenhos, sendo possível obter acurácias altíssimas variando entre 95% e 99%.