Banca de DEFESA: LUCAS SOLANO CADENGUE

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : LUCAS SOLANO CADENGUE
DATA : 30/03/2026
HORA: 08:00
LOCAL: Remoto - Online
TÍTULO:

Do Alarme ao Diagnóstico: Explicabilidade de Modelos e LLMs para Classificação de Falhas sob Supervisão Fraca em Usinas Hidrelétricas

 

PALAVRAS-CHAVES:

Manutenção preditiva. Supervisão fraca. Diagnóstico de falhas. Explicabilidade de Modelos (XAI). SHAP. LIME. Grandes Modelos de Linguagem. Usinas hidrelétricas. Mancal de escora.

 

PÁGINAS: 210
RESUMO:

Sistemas industriais modernos registram anomalias em larga escala por meio de alarmes, violações de limiar e eventos de proteção, mas raramente oferecem diagnósticos acionáveis sobre o mecanismo subjacente à falha. Em usinas hidrelétricas, esse descompasso é particularmente crítico pois o volume de ocorrências supera a capacidade de análise de causa raiz por especialistas, elevando o risco de paradas não programadas e decisões reativas. Esta tese investiga a viabilidade de transformar detecções binárias de falha em hipóteses plausíveis de modos de falha por meio de um framework orientado a evidências sob supervisão fraca. A abordagem é estruturada em duas etapas no nível macro. Na primeira etapa, um classificador supervisionado é treinado exclusivamente com rótulos binários derivados de eventos operacionais. Na segunda etapa, o refinamento diagnóstico é realizado a partir de evidências estruturadas: atribuições locais de importância (SHAP/LIME) e contextualização percentílica categórica (muito baixo a muito alto), que são fornecidas a um Grande Modelo de Linguagem (LLM) para sintetizar hipóteses diagnósticas rastreáveis às evidências. A plausibilidade do arcabouço foi validada inicialmente no dataset sintético AI4I 2020, demonstrando que explicações locais e percentis permitem inferência automatizada de modos de falha em regime zero-shot/few-shot, com desempenho superior quando SHAP é combinado à contextualização percentílica. Em seguida, o estudo de caso na UHE Água Vermelha (mancais de escora) confirmou aplicabilidade em condições reais, destacando que a heterogeneidade entre unidades geradoras é fator dominante no desempenho e motivando uma estratégia híbrida de implantação, combinando modelos dedicados e um modelo combinado como contingência. A análise de explicabilidade revelou predominância de atributos térmicos e relações não monotônicas entre variáveis e risco predito, reforçando a necessidade de explicações locais e evidências contextualizadas. A inferência por LLM apresentou alta consistência em cenários com evidência clara e divergências controladas em cenários ambíguos, úteis como critério de escalonamento para revisão humana. Por fim, uma análise de confiabilidade via Weibull complementou a discussão operacional, oferecendo subsídios para planejamento e avaliação prospectiva de impactos na vida útil e disponibilidade dos ativos.

MEMBROS DA BANCA:
Presidente - 1445637 - WALLACE MOREIRA BESSA
Interno - 1328152 - CARLOS EDUARDO TRABUCO DOREA
Interno - 1451883 - FABIO MENEGHETTI UGULINO DE ARAUJO
Externo à Instituição - JUAN MOISES MAURICIO VILLANUEVA
Externo à Instituição - THIAGO GAMBOA RITTO