Banca de DEFESA: MAILSON RIBEIRO SANTOS

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : MAILSON RIBEIRO SANTOS
DATA : 20/08/2024
HORA: 09:00
LOCAL: Sala Virtual do Meets: meet.google.com/fqk-iejz-ntj
TÍTULO:

Abordagens com Aprendizagem On-line e Off-line para Detecção, Classificação e Estimação de Falhas em Sistemas Dinâmicos

PALAVRAS-CHAVES:

Detecção, classificação e severidade de falhas; Abordagens off-line e on-line; Máquina de Vetor de Suporte; TEDA; AutoCloud.

PÁGINAS: 80
RESUMO:

Este estudo aborda métodos para detecção, classificação e avaliação da severidade de falhas em sistemas dinâmicos, em resposta à necessidade de monitoramento eficaz em ambientes industriais complexos. Com o objetivo de mitigar erros humanos e identificar falhas em tempo real, utilizam-se abordagens de aprendizado de máquina, tanto off-line quanto on-line. Na metodologia com aprendizagem off-line, empregamos características selecionadas por sua relevância com base em informações extraídas de uma técnica de Inteligência Artificial Explicável (XAI), com o objetivo de desenvolver modelos eficazes e eficientes. A Máquina de Vetor de Suporte (SVM) foi utilizada em todas as etapas dessa abordagem. A segunda parte do estudo enfocou uma abordagem de aprendizagem on-line, utilizando algoritmos evolutivos em todas as fases. Foram testadas duas abordagens de pré-processamento de dados: uma baseada nos resultados off-line da relevância das características e outra utilizando dados de sensores janelados. Além disso, uma modificação no algoritmo Typicality and Eccentricity Data Analysis (TEDA) foi proposta para a detecção e classificação de falhas, comparando duas versões do algoritmo para identificar a mais eficaz. Na última fase on-line, o algoritmo AutoCloud foi empregado para identificar a gravidade das falhas.Um aspecto compartilhado entre as abordagens de aprendizagem off-line e on-line é o critério sequencial, no qual dados previamente identificados como falhos são empregados na classificação de falhas, enquanto os dados de cada tipo de falha são utilizados separadamente na identificação da gravidade. Para validação das propostas, foi utilizado o benchmark da Case Western Reserve University (CWRU) para falhas em rolamentos. Na abordagem de aprendizagem off-line, obtivemos resultados satisfatórios com um número reduzido de características, demonstrando a eficiência e eficácia do modelo proposto. Os resultados da abordagem de aprendizagem on-line demonstraram que o algoritmo TEDA Modificado consistentemente superou o TEDA Original na detecção de falhas, independentemente da abordagem de pré-processamento adotada. No entanto, a capacidade de classificação foi mais satisfatória quando se utilizou a segunda abordagem de pré-processamento em conjunto com o TEDA Original. Quanto à identificação da gravidade das falhas, a primeira abordagem apresentou resultados satisfatórios, especialmente para falhas de um tipo específico, enquanto a segunda abordagem enfrentou dificuldades, resultando em métricas de avaliação mais baixas. Comparando as abordagens de aprendizagem on-line e off-line, ambas mostraram eficácia semelhante na detecção e classificação de falhas, porém a identificação da gravidade foi mais precisa na abordagem com aprendizagem off-line. Conclui-se que ambas as propostas são promissoras, devendo sua utilização ser determinada com base nas características do sistema dinâmico.

MEMBROS DA BANCA:
Presidente - 1153006 - LUIZ AFFONSO HENDERSON GUEDES DE OLIVEIRA
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Interno - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Externo à Instituição - CELSO JOSÉ MUNARO - UFES
Externo à Instituição - IGNACIO SANCHEZ GENDRIZ