Eventos Anais de eventos
CONEM 2022
XI Congresso Nacional de Engenharia Mecânica - CONEM 2022
REDES NEURAIS ARTIFICIAIS APLICADAS NA PREDIÇÃO DO TEMPO REMANESCENTE PARA A MANUTENÇÃO DE UM VIRADOR DE VAGÕES
Submission Author:
Laís Marino , MG
Co-Authors:
Laís Marino, Jánes Landre Júnior, Cádmo Rodrigues, Bernardo Rocha
Presenter: Laís Marino
doi://10.26678/ABCM.CONEM2022.CON22-0327
Abstract
A Indústria 4.0 aborda os desafios exigidos pelo mercado, atualmente, como aumento da segurança e planejamento de tarefas. Neste contexto, a Inteligência Artificial agrega valor à indústria ao possibilitar a realização de tarefas imprevistas que exigem adaptação e capacidade de resolução de problemas. A indústria da mineração mostra-se ideal para a transformação digital, por ser um desafio avaliar as condições dos ativos e possuir grandes ambientes e muitos ativos. Para aumentar a eficiência de processos em ambientes onde estão envolvidos ativos que se desgastam com o tempo, a manutenção preditiva revela-se importante, visto que possibilita melhorar a confiabilidade de ativos e o planejamento de reparos. O aprendizado de máquina é considerado uma solução inovativa para a sua implementação, mas a literatura sobre Redes Neurais Artificiais (RNAs) para predição de vida remanescente é limitada, principalmente para aplicações em cenários reais e que relatem o desempenho do modelo. Portanto, este estudo contribui com a aplicação de RNAs em cenário real da indústria de mineração. O objetivo é avaliar o desempenho de RNAs para o monitoramento de danos em ativos, a fim de auxiliar o planejamento da manutenção. Este trabalho limitou-se a prever o quão próximo do momento de parada está o equipamento. Na metodologia, definiu-se o objeto de estudo, desenvolveram-se os modelos supervisionados para previsão, coletou-se o banco de dados, realizou-se um pré-processamento, e aplicou-se o modelo no banco de dados. As RNAs foram usadas na previsão do momento de parada para manutenção de um Virador de Vagões, a partir do banco de dados de motores do seu sistema Alimentador, o qual foi definido pelas necessidades da indústria. Comparou-se a capacidade de generalização e previsão para diversas topologias de RNAs com entradas variantes no tempo, diferentes tamanhos de janelamento dos dados e tipos de treinamento para a previsão de um passo. Por fim, foi calculado o intervalo de confiança das redes pela Máxima Verossimilhança. O resultado foi considerado satisfatório, com um erro relativo médio abaixo de 5,0% e o intervalo de confiança de teste (95%) inferior a 1,1%, mostrando que as RNAs apresentaram potencial para auxiliar no planejamento da manutenção. As redes convergiram e mostraram-se aptas para previsão temporal. O conhecimento das variáveis envolvidas para utilização nas RNAs revelou-se importante, visto que variáveis de entrada sem relação direta com a saída pretendida podem dificultar a convergência da rede e contribuir com o aumento do erro da resposta obtida.
Keywords
Redes Neurais Artificiais, Equipamento de mineração, Vida útil remanescente
