Detecção e diagnóstico remoto de falhas baseado em aprendizado de máquina para equipamentos de uso doméstico

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Seabra, Jorge da Costa
Outros Autores: http://lattes.cnpq.br/8244949191567788
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
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:
Detecção e diagnóstico de falha (DDF)
Aprendizado de máquina
Monitoramento tempo real
ENGENHARIAS: ENGENHARIA ELÉTRICA
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

Registros relacionados