Redes neurais artificiais para manutenção preditiva em máquinas injetoras

metadataTrad.dc.contributor.author	Dieter, Jader Augusto;
metadataTrad.dc.contributor.advisor	Ramos, Gabriel de Oliveira;
metadataTrad.dc.publisher	Universidade do Vale do Rio dos Sinos;
metadataTrad.dc.title	Redes neurais artificiais para manutenção preditiva em máquinas injetoras;
metadataTrad.dc.description.resumo	Atualmente vivemos em um mundo globalizado, tal realidade tem interferido diretamente em nossas vidas e os processos industriais também fazem parte dessa revolução, com o rápido acesso às informações e a possibilidade da cadeira produtiva fornecer qualquer produto para qualquer país no mundo, cria cada vez mais a necessidade de uma produção mais ágil, menos onerosa e mais automatizada, que resulta em disponibilidade rápida de produtos e que agregam valor e confiança ao fornecedor. Paralelo a esses fatores temos a evolução da Indústria 4.0 e o emprego da chamada Manutenção 4.0, que justamente atua nos processos para prever possíveis erros, paradas para manutenção, quebra de equipamentos, ou seja, ações que prejudicam o bom andamento do processo e o torna menos competitivo. Considerando esses fatores, o presente trabalho tem como objetivo analisar a viabilidade do desenvolvimento de um modelo redes neurais artificiais com intuito de viabilizar manutenções preditivas para reduzir possíveis paradas de máquinas injetoras. Neste estudo foi realizada uma pesquisa bibliográfica sobre os conceitos de Manutenção Preditiva 4.0 e Indústria 4.0 e apresentando as ferramentas que ambas compartilham, como: Internet das Coisas, Big Data, Computação em nuvem e Inteligência Artificial. Para comprovação da possibilidade da implementação de um sistema de Inteligência Artificial que traga benefícios a partir do emprego dessa tecnologia foi realizado uma coleta de dados de 3 máquinas injetoras, num período de 6 meses, e diversas análises de dados empregando a técnica Análise de Séries Temporais via Redes Neurais Recorrentes do tipo Long Short-Term Memory, onde se observou a viabilidade da predição de eventos futuros de sobreaquecimento do óleo hidráulico dos equipamentos, possibilitando a predição de temperaturas com 30 minutos de antecedência com um bom índice de desempenho.;
metadataTrad.dc.subject	Indústria 4.0; Manutenção preditiva; Redes neurais artificiais; Análise de séries temporais;
metadataTrad.dc.type	TCC;
metadataTrad.dc.date.issued	2022-06-23;
metadataTrad.dc.identifier.uri	http://www.repositorio.jesuita.org.br/handle/UNISINOS/12660;
metadataTrad.dc.audience.educationLevel	Graduação;
metadataTrad.dc.curso	Engenharia Elétrica;