Título
[en] PREDICTING THE PROGRESS OF CORROSION IN INDUSTRIAL FACILITIES FROM CLIMATE, AREA AND PERCENTAGE CORRODED DATA
Título
[pt] PREVISÃO DO AVANÇO DA CORROSÃO EM INSTALAÇÕES INDUSTRIAIS A PARTIR DE DADOS CLIMÁTICOS, DE ÁREA E DE PERCENTUAL CORROÍDO
Autor
[pt] ARTHUR XAVIER TAVARES
Vocabulário
[pt] PREVISAO
Vocabulário
[pt] CORROSAO EXTERNA
Vocabulário
[pt] APRENDIZADO DE MAQUINA
Vocabulário
[pt] RANDOM FOREST
Vocabulário
[pt] MANUTENCAO
Vocabulário
[en] FORECASTING
Vocabulário
[en] EXTERNAL CORROSION
Vocabulário
[en] MACHINE LEARNING
Vocabulário
[en] RANDOM FOREST
Vocabulário
[en] MAINTENANCE
Resumo
[pt] A corrosão externa é um dos principais causadores de falhas em equipamentos
em instalações industriais, ocasionando em manutenções altamente custosas. Este
estudo apresenta uma abordagem de aprendizado de máquina para prever taxas de
corrosão com base em dados climáticos, de área e percentual corroído. O modelo
utiliza o algoritmo de aprendizado supervisionado Random Forest, aproveitando um
conjunto de dados de medições de corrosão coletados ao longo do tempo. Além disso,
buscou-se incluir novos dados e variáveis ao modelo e avaliar o impacto gerado na
performance da previsão. Dessa forma, o principal objetivo deste projeto é, a partir do
algoritmo trabalhado, permitir o planejamento de manutenções prescritivas, que
possam garantir a segurança operacional e reduzir os custos.
Resumo
[en] External corrosion is one of the main causes of equipment failures in industrial
facilities, leading to highly costly maintenance. This study presents a machine learning
approach to predict corrosion rates based on climatic data, area, and percentage of
corrosion. The model employs the supervised learning algorithm Random Forest,
leveraging a dataset of corrosion measurements collected over time. Additionally, the
study aims to incorporate new data and variables into the model and evaluate their
impact on prediction performance. Thus, the primary objective of this project is to
enable prescriptive maintenance planning through the developed algorithm, ensuring
operational safety and reducing costs.
Orientador(es)
PAULO IVSON NETTO SANTOS
Catalogação
2025-04-05
Tipo
[pt] TEXTO
Formato
application/pdf
Idioma(s)
PORTUGUÊS
Referência [pt]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=69832@1
Referência [en]
https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=69832@2
Referência DOI
https://doi.org/10.17771/PUCRio.acad.69832
Arquivos do conteúdo
NA ÍNTEGRA PDF