XINFORMAÇÕES SOBRE DIREITOS AUTORAIS
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
As obras disponibilizadas nesta Biblioteca Digital foram publicadas sob expressa autorização dos respectivos autores, em conformidade com a Lei 9610/98.
A consulta aos textos, permitida por seus respectivos autores, é livre, bem como a impressão de trechos ou de um exemplar completo exclusivamente para uso próprio. Não são permitidas a impressão e a reprodução de obras completas com qualquer outra finalidade que não o uso próprio de quem imprime.
A reprodução de pequenos trechos, na forma de citações em trabalhos de terceiros que não o próprio autor do texto consultado,é permitida, na medida justificada para a compreeensão da citação e mediante a informação, junto à citação, do nome do autor do texto original, bem como da fonte da pesquisa.
A violação de direitos autorais é passível de sanções civis e penais.
Coleção Digital
Título: REDES NEURAIS NA MANUTENÇÃO PREDITIVA DE CAMINHÕES FORA DE ESTRADA Autor: FELIPE MIANA DE FARIA FURTADO
Instituição: PONTIFÍCIA UNIVERSIDADE CATÓLICA DO RIO DE JANEIRO - PUC-RIO
Colaborador(es):
MARLEY MARIA BERNARDES REBUZZI VELLASCO - ORIENTADOR
CARLOS ROBERTO HALL BARBOSA - COORIENTADOR
Nº do Conteudo: 15673
Catalogação: 27/05/2010 Liberação: 27/05/2010 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=15673&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=15673&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.15673
Resumo:
Título: REDES NEURAIS NA MANUTENÇÃO PREDITIVA DE CAMINHÕES FORA DE ESTRADA Autor: FELIPE MIANA DE FARIA FURTADO
CARLOS ROBERTO HALL BARBOSA - COORIENTADOR
Nº do Conteudo: 15673
Catalogação: 27/05/2010 Liberação: 27/05/2010 Idioma(s): PORTUGUÊS - BRASIL
Tipo: TEXTO Subtipo: TESE
Natureza: PUBLICAÇÃO ACADÊMICA
Nota: Todos os dados constantes dos documentos são de inteira responsabilidade de seus autores. Os dados utilizados nas descrições dos documentos estão em conformidade com os sistemas da administração da PUC-Rio.
Referência [pt]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=15673&idi=1
Referência [en]: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=15673&idi=2
Referência DOI: https://doi.org/10.17771/PUCRio.acad.15673
Resumo:
Com o aumento da demanda por minério no mundo, a complexidade, o tamanho e
o preço dos equipamentos de extração mineral aumentaram consideravelmente. Como
estas máquinas possuem uma tecnologia de monitoramento embarcada no equipamento, a
utilização desses dados para o aumento da confiabilidade e da disponibilidade do
equipamento tornou-se fundamental, de modo a reduzir os custos de manutenção. O
objetivo desta dissertação foi desenvolver um modelo de apoio à decisão de parada de
equipamento, baseado na classificação por Redes Neurais Artificiais de padrões pré-falha
de caminhões fora de estrada. O modelo proposto tem como objetivo identificar o estado
de falha, ou padrão pré-falha de um equipamento, utilizando os dados armazenados nos
equipamentos e seus respectivos registros de falha, para que seja possível avaliar o risco
de falha deste equipamento e decidir se o mesmo deve ser parado ou aguardar uma nova
parada programada. Essa dissertação foi desenvolvida em quatro partes: estudo dos
principais modelos de manutenção atualmente utilizados; definição e desenvolvimento do
modelo para abordar o problema, baseado em redes neurais artificiais; avaliação de
desempenho do modelo proposto; e simulação do downtime da máquina utilizando o
modelo de decisão proposto. No estudo dos principais modelos foi realizada uma
pesquisa bibliográfica sobre a evolução da manutenção, passando por modelos de
manutenção corretiva, manutenção preventiva e, por fim, chegando ao modelo de
manutenção baseada no monitoramento de condições. Para os dois últimos tipos de
manutenção, foram apresentados os principais modelos utilizados na abordagem do
problema, seus benefícios e deficiências. O desenvolvimento do modelo foi segmentado
em três etapas principais: tratamento das bases de dados, tanto de dados obtidos
diretamente do equipamento quanto das bases de registro de falha dos equipamentos;
seleção de variáveis, baseada no cálculo da influência de cada sensor do equipamento na
determinação de seu estado de falha, assim como na definição do intervalo ideal para se
agrupar os dados; e definição da topologia das redes. Na etapa de avaliação do
desempenho do modelo proposto foram utilizados dados de falhas corretivas mais
recorrentes para os dois componentes específicos de caminhões fora de estrada: motor e
transmissão, sendo que o monitoramento eletrônico do motor é mais extenso do que o de
transmissão, no que diz respeito ao número de sensores empregados no monitoramento.
Para a comparação de desempenho entre os diferentes modelos avaliados, dois fatores
tiveram maior relevância: melhor desempenho na classificação e maior intervalo entre a
identificação do padrão pré-falha e a ocorrência da falha. Os resultados de classificação
dos padrões pré-falha foram bastante satisfatórios para a maioria dos casos de estudos,
com as taxas de acerto variando entre 85% e 95%. A partir do modelo de classificação
determinado na etapa anterior, passou-se à simulação de diferentes cenários de falhas,
calculando-se os tempos de máquina parada (downtimes) que teriam sido evitados se as
intervenções definidas pelo modelo tivessem sido executadas, analisando-se, assim, o
aumento de disponibilidade proporcionado pelo uso do modelo proposto.