https://repositorio.ufjf.br/jspui/handle/ufjf/6513
File | Description | Size | Format | |
---|---|---|---|---|
nielsonsoares.pdf | 4.24 MB | Adobe PDF | View/Open |
Type: | Dissertação |
Title: | Técnicas de aprendizado de máquina não supervisionado para a prevenção de falhas em máquinas de chave |
Author: | Soares, Nielson |
First Advisor: | Fonseca, Leonardo Goliatt da |
Co-Advisor: | Aguiar, Eduardo Pestana de |
Referee Member: | Campos, Luciana Conceição Dias |
Referee Member: | Silva, Eduardo Krempser da |
Resumo: | As máquinas de chave são equipamentos eletromecânicos de grande importância em uma malha ferroviária. A ocorrência de falhas nesses equipamentos pode ocasionar interrupções das ferrovias e acarretar potenciais prejuízos econômicos. Assim, um diagnóstico precoce dessas falhas pode representar uma redução de custos e um aumento de produtividade. Essa dissertação tem como objetivo propor um modelo preditivo, baseado em técnicas de inteligência computacional, para a solução desse problema. A metodologia aplicada compreende o uso de técnicas de extração e seleção de características baseada em testes de hipóteses e modelos de aprendizado de máquina não supervisionado. O modelo proposto foi testado em uma base de dados disponibilizada por uma empresa ferroviária brasileira e se mostrou eficiente ao constatar como críticas as operações realizadas próximas à operação classificada como falha. |
Abstract: | Railroad switch machines are important electromechanical equipment in a railway network, and the occurrence of failures in such equipment can cause railroad interruptions and lead to potential economic losses. Thus, an early diagnosis of these failures can represent a reduction of costs and an increase in productivity. This dissertation aims to propose a predictive model, based on computational intelligence techniques, to solve this problem. The applied methodology includes the use of features extraction and selection techniques based on hypothesis tests and unsupervised machine learning models. The proposed model was tested in a database made available by a Brazilian railway company and proved to be efficient when considering as critical the operations performed close to the operation classified as failure. |
Keywords: | Máquinas de chave Inteligência computacional Aprendizado de máquina Previsão de falhas Railroad switch Computational intelligence Machine learning Failure prediction |
CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA |
Language: | por |
Country: | Brasil |
Publisher: | Universidade Federal de Juiz de Fora (UFJF) |
Institution Initials: | UFJF |
Department: | ICE – Instituto de Ciências Exatas |
Program: | Programa de Pós-graduação em Modelagem Computacional |
Access Type: | Acesso Aberto |
URI: | https://repositorio.ufjf.br/jspui/handle/ufjf/6513 |
Issue Date: | 27-Feb-2018 |
Appears in Collections: | Mestrado em Modelagem Computacional (Dissertações) |
Items in DSpace are protected by Creative Commons licenses, with all rights reserved, unless otherwise indicated.