RDBU| Repositório Digital da Biblioteca da Unisinos
ELFpm: an ensemble-based learning framework for predictive maintenance in industry 4.0
- RDBU
- →
- Rede Jesuíta Brasil
- →
- Unisinos
- →
- Produção Acadêmica
- →
- Escola Politécnica
- →
- Teses e dissertações
- →
- Mestrado
- →
- PPG Computação Aplicada
- →
- Ver item
JavaScript is disabled for your browser. Some features of this site may not work without it.
| Autor | Dalzochio, Jovani; |
| Lattes do autor | http://lattes.cnpq.br/4598296566128465; |
| Orientador | Kunst, Rafael; |
| Lattes do orientador | http://lattes.cnpq.br/1301443198267856; |
| Co-orientador | Barbosa, Jorge Luis Victória; |
| Lattes do co-orientador | http://lattes.cnpq.br/6754464380129137; |
| Instituição | Universidade do Vale do Rio dos Sinos; |
| Sigla da instituição | Unisinos; |
| País da instituição | Brasil; |
| Instituto/Departamento | Escola Politécnica; |
| Idioma | en; |
| Título | ELFpm: an ensemble-based learning framework for predictive maintenance in industry 4.0; |
| Resumo | The topic of predictive maintenance has great relevance in the search for the rationalization and efficiency of the industrial plants in the context of Industry 4.0. Monitoring equipment parameters and identifying behavior changes that identify a future failure allows for anticipation of maintenance while avoiding unnecessary preventive maintenance. There are numerous works in the literature that work towards the prediction of maintenance of various equipment. However, the same equipment has different behavior depending on the conditions of use or the operating environment, making a tool capable of being trained for new environments is necessary. This work describes the methodology of creating a framework that can be configured to work on predicting equipment failures, that is, regardless of location or condition of use. For this, starting from the initial configuration of the framework, the use of an ontology is applied in the choice of the best prediction technique for each established condition of the initial parameterization.; |
| Palavras-chave | Industry 4.0; Ontology; Machine learning; Predictive maintenance; |
| Área(s) do conhecimento | ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; |
| Tipo | Dissertação; |
| Data de defesa | 2020-03-17; |
| Agência de fomento | CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior; |
| Direitos de acesso | openAccess; |
| URI | http://www.repositorio.jesuita.org.br/handle/UNISINOS/9220; |
| Programa | Programa de Pós-Graduação em Computação Aplicada; |
Arquivos deste item
Este item aparece na(s) seguinte(s) coleção(s)
-
PPG Computação Aplicada [359]
PPG Computação Aplicada