Dissertação
Aprendizagem máquina para deteção preditiva de falhas no sistema de referência de dados de ar em aeronaves EVALUATED
Esta tese documenta os vários tipos de dados envolvidos no contexto de uma operadora aérea, tanto a nível operacional como de manutenção. Em aviação o tempo que uma aeronave fica em solo traduz-se em elevados custos. Existem manutenções obrigatórias, previamente planeadas que fazem parte do programa de manutenção de cada aeronave. No entanto, existem outras paralisações não previstas que frequentemente ocorrem causando perturbações operacionais. São estas últimas que se deseja eliminar ou reduzir. Para isso, dados reunidos foram analisados, tendo em vista a análise da sua potencialidade para aplicação de modelos inteligentes, com vista a predizer falhas dos componentes de um importante sistema de navegação (ADR). Desta forma, os eventos associados a essas manutenções não programadas poderão ser antecipados e associados a eventos de manutenções programadas. A análise dos vários tipos de dados é feita com recurso a um conjunto de ferramentas, criadas especificamente no âmbito deste projeto, utilizando linguagem de programação R. Foi igualmente feita uma pesquisa e investigação sobre quais as mensagens de falha e principais razões associadas a falhas no sistema ADR. É feita, de maneira a validar o método utilizado, uma avaliação a alguns casos de estudo, tanto para remoções de um componente de interesse deste sistema, como para uma intervenção do tipo de reprogramação de software. Conclui-se que a abordagem adotada neste trabalho é viável e estima-se que as fontes de dados apresentadas venham a desempenhar um importante papel na criação de variáveis de input para predição.
junho 19, 2019, 14:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
Miguel Afonso Dias de Ayala Botto
Departamento de Engenharia Mecânica (DEM)
Professor Catedrático
