Aplicação da Inteligência Artificial no diagnóstico de falhas de máquinas
DOI:
https://doi.org/10.34117/bjdv10n11-028Keywords:
Inteligência Artificial, diagnóstico de falhas, máquinas industriais, eficiência operacional, redução de custos, manutenção preditivaAbstract
Este estudo investigou a aplicação da inteligência artificial (IA) no diagnóstico de falhas em máquinas industriais, visando melhorar a eficiência operacional e reduzir os custos de manutenção. Por meio de uma revisão da literatura, e análise de dados operacionais, foram identificadas diversas alternativas para a aplicação de sistemas de IA, incluindo o uso de algoritmos de aprendizado profundo e técnicas de processamento de linguagem natural. Concluiu-se que a IA oferece um grande potencial para aprimorar a detecção precoce de falhas e a tomada de decisões proativas de manutenção. Recomenda-se que as empresas invistam em pesquisa e desenvolvimento, promovam a capacitação dos profissionais e estabeleçam parcerias estratégicas para colaborar na aplicação bem-sucedida de soluções baseadas em IA.
References
ALPAYDIN, E. Introduction to Machine Learning. MIT Press. 2010.
BISHOP, C. M. Pattern Recognition and Machine Learning. Springer. 2006.
CHEN, Y., LIU, H., YANG, J., & ZHANG, C. Intelligent fault diagnosis method of automation equipment based on machine learning. IOP Conference Series: Materials Science and Engineering, 1065(1), 012008. 2021.
FAWCETT, T. An introduction to ROC analysis. Pattern Recognition Letters, 27(8), 861-874, 2006.
HAND, D. J. Measuring classifier performance: a coherent alternative to the area under the ROC curve. Machine Learning, 77(1), 103-123. 2009.
HAYKIN, S. Neural Networks and Learning Machines (3rd ed.). Prentice Hall. 2009.
KLIR, G. J., & YUAN, B. Fuzzy Sets and Fuzzy Logic: Theory and Applications. Prentice Hall. 1995.
LI, X., CAO, J., & ZHANG, W. Convolutional neural network-based motor fault diagnosis method for industrial robot. In 2018 IEEE International Conference on Mechatronics and Automation (ICMA) (pp. 343-348). IEEE. 2018.
PROVOST, F., FAWCETT, T. Data Science for Business: What You Need to Know about Data Mining and Data-Analytic Thinking. O'Reilly Media. 2013.
RUSSELL, S., NORVIG, P. Inteligência Artificial: Uma Abordagem Moderna (3a ed.). Pearson. 2016.
SOKOLOVA, M., LAPALME, G. A systematic analysis of performance measures for classification tasks. Information Processing & Management, 45(4), 427-437, 2009.
ZHANG, Y., DONG, Y., JIANG, Z., WANG, Y., JIN, J. Deep Learning-Based Fault Diagnosis and Prognosis for Industrial Production Systems. IEEE Transactions on Industrial Electronics, 67(5), 3745-3754. 2020.
