FenixEdu™

Dissertação

Remote Condition Monitoring – application to railway traction systems EVALUATED

Detalhes: A manutenção é um tema crucial no setor dos transportes. A manutenção preditiva aumenta a disponibilidade das frotas, enquanto reduz custos. Esta estratégia tem como objetivo antecipar as falhas dos equipamentos, permitindo agendar atividades de manutenção em conformidade. É apresentada uma abordagem baseada em ferramentas de ciência de dados para predição de falhas aplicada a sistemas de tração ferroviários, utilizando dados reais. Primeiramente, faz-se a análise exploratória dos dados e a redução de dimensionalidade. De seguida, o problema de engenharia é representado do ponto de vista da ciência de dados. Por fim, é desenhado um esquema para predição de falhas e são usados algoritmos de aprendizagem automática para aprender a partir dos dados. Foram alcançados resultados importantes, porquanto todas as falhas foram corretamente previstas no conjunto de teste. Isto permite que o sistema seja reparado imediatamente antes da falha, evitando falhas durante a operação e as suas repercussões potencialmente graves. Todavia, a taxa de falsos positivos (0.40) é maior do que o desejado, conduzindo a operações de manutenção desnecessárias, mas é esperado que estas tenham um impacto menor do que não prever uma falha verdadeira. Do ponto de vista da operação, esta solução representa uma redução de custos se o gasto com uma reparação for pelo menos 2.22 vezes superior ao de uma manutenção, o que está claramente abaixo da estimativa para este custo relativo (3.7–6.1). São discutidas futuras orientações de trabalho, desde metódos alternativos de aprendizagem até soluções que foram desenhadas mas não realizadas por limitações de tempo.
Keywords: predição de falhas, manutenção preditiva, abordagem baseada em dados, ciência de dados, sistemas de tração ferroviários, monitorização de condição remota

Discussão: novembro 13, 2018, 11:0