Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico
Ano de defesa: | 2017 |
---|---|
Autor(a) principal: | |
Outros Autores: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal do Amazonas
Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica |
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: | |
Link de acesso: | http://tede.ufam.edu.br/handle/tede/6042 |
Resumo: | Os equipamentos domésticos convencionais que utilizamos no dia a dia, praticamente, não são monitorados para verificação de falhas e defeitos em tempo real. Neste trabalho, será apresentada uma abordagem da aplicação do aprendizado de máquina com a utilização de dados selecionados dos equipamentos quando em funcionamento, e de dados referências extraídos das fichas técnicas. Para analisar, comparar e avaliar as diferenças nos conjuntos de dados, foi desenvolvido o dispositivo de detecção e diagnóstico de falha para classificar os sintomas que podem representar defeitos nos equipamentos em tempo real. As ocorrências das falhas destes equipamentos, tradicionalmente são identificadas pelos próprios usuários quando o desempenho esperado não acontece. Com a utilização de uma placa micro processada conectada aos sensores eletrônicos instalados em pontos estratégicos no equipamento, iniciase a etapa da comparação de dados, os dados coletados são transmitidos ao servidor que através do algoritmo de Aprendizado de Máquina executa as tarefas para identificação das falhas detectadas. O monitoramento em tempo real do comportamento das grandezas elétricas e físicas dos equipamentos de usos domésticos convencionais tem como objetivo, monitorar o comportamento funcional e informar ao usuário, eventuais falhas, utilizando os recursos da rede local ou da internet. |
id |
UFAM_cd640b0fb5c71bcf8b7bc323f745db40 |
---|---|
oai_identifier_str |
oai:https://tede.ufam.edu.br/handle/:tede/6042 |
network_acronym_str |
UFAM |
network_name_str |
Biblioteca Digital de Teses e Dissertações da UFAM |
repository_id_str |
|
spelling |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso domésticoDetecção e diagnóstico de falha (DDF)Aprendizado de máquinaMonitoramento tempo realENGENHARIAS: ENGENHARIA ELÉTRICAOs equipamentos domésticos convencionais que utilizamos no dia a dia, praticamente, não são monitorados para verificação de falhas e defeitos em tempo real. Neste trabalho, será apresentada uma abordagem da aplicação do aprendizado de máquina com a utilização de dados selecionados dos equipamentos quando em funcionamento, e de dados referências extraídos das fichas técnicas. Para analisar, comparar e avaliar as diferenças nos conjuntos de dados, foi desenvolvido o dispositivo de detecção e diagnóstico de falha para classificar os sintomas que podem representar defeitos nos equipamentos em tempo real. As ocorrências das falhas destes equipamentos, tradicionalmente são identificadas pelos próprios usuários quando o desempenho esperado não acontece. Com a utilização de uma placa micro processada conectada aos sensores eletrônicos instalados em pontos estratégicos no equipamento, iniciase a etapa da comparação de dados, os dados coletados são transmitidos ao servidor que através do algoritmo de Aprendizado de Máquina executa as tarefas para identificação das falhas detectadas. O monitoramento em tempo real do comportamento das grandezas elétricas e físicas dos equipamentos de usos domésticos convencionais tem como objetivo, monitorar o comportamento funcional e informar ao usuário, eventuais falhas, utilizando os recursos da rede local ou da internet.The conventional household equipment we use on a day-to-day basis is practically not monitored for real-time faults and defects. In this work, an approach will be presented to the application of machine learning with the use of selected data of the equipment when in operation, and of data references extracted from the datasheets. In order to analyze, compare and evaluate differences in data sets, the fault detection and diagnosis device was developed to classify the symptoms that may represent defects in the equipment in real time. The occurrences of these equipment failures are traditionally identified by the users themselves when the expected performance does not occur. With the use of a microprocessed board connected to the electronic sensors installed at strategic points in the equipment, the data comparison step is started, the data collected are transmitted to the server, which through the Machine Learning algorithm performs the tasks for identification of the Detected failures. Real-time monitoring of the behavior of electrical and physical magnitudes of conventional household equipment is aimed at monitoring functional behavior and informing the user of any faults using local or Internet resources.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal do AmazonasFaculdade de TecnologiaBrasilUFAMPrograma de Pós-graduação em Engenharia ElétricaLucena Júnior, Vicente Ferreira dehttp://lattes.cnpq.br/6820830740393500Seabra, Jorge da Costahttp://lattes.cnpq.br/82449491915677882017-12-04T14:26:31Z2017-04-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSEABRA, Jorge Costa. Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico. 2017. 80 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017.http://tede.ufam.edu.br/handle/tede/6042porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2018-08-16T17:51:18Zoai:https://tede.ufam.edu.br/handle/:tede/6042Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922018-08-16T17:51:18Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false |
dc.title.none.fl_str_mv |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
title |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
spellingShingle |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico Seabra, Jorge da Costa Detecção e diagnóstico de falha (DDF) Aprendizado de máquina Monitoramento tempo real ENGENHARIAS: ENGENHARIA ELÉTRICA |
title_short |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
title_full |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
title_fullStr |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
title_full_unstemmed |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
title_sort |
Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico |
author |
Seabra, Jorge da Costa |
author_facet |
Seabra, Jorge da Costa http://lattes.cnpq.br/8244949191567788 |
author_role |
author |
author2 |
http://lattes.cnpq.br/8244949191567788 |
author2_role |
author |
dc.contributor.none.fl_str_mv |
Lucena Júnior, Vicente Ferreira de http://lattes.cnpq.br/6820830740393500 |
dc.contributor.author.fl_str_mv |
Seabra, Jorge da Costa http://lattes.cnpq.br/8244949191567788 |
dc.subject.por.fl_str_mv |
Detecção e diagnóstico de falha (DDF) Aprendizado de máquina Monitoramento tempo real ENGENHARIAS: ENGENHARIA ELÉTRICA |
topic |
Detecção e diagnóstico de falha (DDF) Aprendizado de máquina Monitoramento tempo real ENGENHARIAS: ENGENHARIA ELÉTRICA |
description |
Os equipamentos domésticos convencionais que utilizamos no dia a dia, praticamente, não são monitorados para verificação de falhas e defeitos em tempo real. Neste trabalho, será apresentada uma abordagem da aplicação do aprendizado de máquina com a utilização de dados selecionados dos equipamentos quando em funcionamento, e de dados referências extraídos das fichas técnicas. Para analisar, comparar e avaliar as diferenças nos conjuntos de dados, foi desenvolvido o dispositivo de detecção e diagnóstico de falha para classificar os sintomas que podem representar defeitos nos equipamentos em tempo real. As ocorrências das falhas destes equipamentos, tradicionalmente são identificadas pelos próprios usuários quando o desempenho esperado não acontece. Com a utilização de uma placa micro processada conectada aos sensores eletrônicos instalados em pontos estratégicos no equipamento, iniciase a etapa da comparação de dados, os dados coletados são transmitidos ao servidor que através do algoritmo de Aprendizado de Máquina executa as tarefas para identificação das falhas detectadas. O monitoramento em tempo real do comportamento das grandezas elétricas e físicas dos equipamentos de usos domésticos convencionais tem como objetivo, monitorar o comportamento funcional e informar ao usuário, eventuais falhas, utilizando os recursos da rede local ou da internet. |
publishDate |
2017 |
dc.date.none.fl_str_mv |
2017-12-04T14:26:31Z 2017-04-28 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SEABRA, Jorge Costa. Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico. 2017. 80 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017. http://tede.ufam.edu.br/handle/tede/6042 |
identifier_str_mv |
SEABRA, Jorge Costa. Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico. 2017. 80 f. Dissertação (Mestrado em Engenharia Elétrica) - Universidade Federal do Amazonas, Manaus, 2017. |
url |
http://tede.ufam.edu.br/handle/tede/6042 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica |
publisher.none.fl_str_mv |
Universidade Federal do Amazonas Faculdade de Tecnologia Brasil UFAM Programa de Pós-graduação em Engenharia Elétrica |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da UFAM instname:Universidade Federal do Amazonas (UFAM) instacron:UFAM |
instname_str |
Universidade Federal do Amazonas (UFAM) |
instacron_str |
UFAM |
institution |
UFAM |
reponame_str |
Biblioteca Digital de Teses e Dissertações da UFAM |
collection |
Biblioteca Digital de Teses e Dissertações da UFAM |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM) |
repository.mail.fl_str_mv |
ddbc@ufam.edu.br||ddbc@ufam.edu.br |
_version_ |
1797040493407764480 |