Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial

Detalhes bibliográficos
Ano de defesa: 2016
Autor(a) principal: Hespanhol, Rafael Medeiros
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: Não Informado pela instituição
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://repositorio.unb.br/handle/10482/20533
http://dx.doi.org/10.26512/2016.02.D.20533
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2016.
id UNB_b80c683ee0abbca7b56acfa595c848c0
oai_identifier_str oai:repositorio.unb.br:10482/20533
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificialAviaçãoClassificaçãoFlorestasAcidente aéreoDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2016.Segurança de voo significa diminuir e gerenciar, tanto quanto possível, o risco de lesões às pessoas ou danos aos bens materiais, portanto, consideram-se necessários estudos que sirvam de base para a prevenção de novos acidentes, visto que esses acontecimentos podem provocar altos gastos de valores financeiros e a perda de vidas humanas. Partindo da teoria do “queijo suíço” de James Reason, buscaram-se analisar, por meio de inteligência artificial, os padrões de características, como por exemplo, fatores contribuintes dos acidentes da aviação geral no período de 2005 a 2013, com base nos relatórios emitidos pelo Centro de Investigação e Prevenção de Acidentes Aeronáuticos (Cenipa), utilizando-se aprendizado de máquina, por meio do classificador de padrões conhecido como OPF (Floresta de Caminhos Ótimos). Foram analisadas relações entre características como, por exemplo, experiência total, experiência na aeronave do acidente, experiência recente e nível de qualificação do piloto, aspectos e quantidade total de fatores contribuintes, quantidade de motores da aeronave, quantidade de fatores indeterminados, presença de copiloto, e fatalidade, totalizando 49 relações que também foram avaliadas por meio dos testes estatísticos, a fim de se testar a robustez do método OPF. Nos casos em que se tiveram resultados robustos as análises foram realizadas pelo viés da segurança de voo e dos padrões encontrados. Nos casos em que não se obtiveram resultados robustos, foram analisadas possíveis adequações e melhorias na aplicação do método, buscando explicar a que o pesquisador deve se atentar ao organizar e aplicar o OPF em sua base de dados. Complementarmente, realizaram-se análises sobre os relatórios de acidentes com base no que se notou durante a extração dos dados ressaltando, sobretudo, casos e eventos que devem ser mais bem observados pelo órgão investigador sobre seus métodos de elaboração de relatórios e sobre sua imparcialidade. A importância de se discutir os padrões dos acidentes se mostrou evidente visto que alguns perfis de pilotos necessitam de mais atenção quanto a algumas características (motorização da aeronave ou suas ações, por exemplo) quanto à segurança de voo, concluindo que, de maneira geral, se obtiveram bons resultados com o OPF, encontrando padrões que não seriam possíveis de serem identificados por meio de correlação estatística.Flight safety means reducing and managing the risk of personal injuries or material goods damage to material goods as much as possible, therefore, it’s considered necessary studies serving as a basis for preventing new accidents, since these events can cause high expenses in financial values and the loss of human lives. Departing from the "swiss cheese" theory of James Reason, different assessments were conducted, through artificial intelligence, regarding aspects and characteristics patterns of general aviation accidents between 2005 and 2013, based on the reports from the investigative body, using a machine learning pattern classifier known as OPF (Optimum-Path Forest). Examples of characteristics that were analyzed are total experience, experience in the aircraft of the accident, recent experience, qualification level, aspects of the contributing factors, the total amount of contributing factors, number of engines, number of uncertain factors, engine type, presence of co-pilot, and fatality, amounting 49 possibilities that were also assessed by means of statistical tests in order to analyze the robustness of the OPF method. Analyzes were performed at the robust results, by the bias of flight safety considering the patterns found. In the results that did not obtain robust results, it was analyzed possible adjustments and improvements in the application of this method, in order to explain what the investigator should be alert when organizing and applying the OPF on a database. As a complement analysis, some aspects which were noticed at accident reports during the data extraction emphasizing, specially, cases and events that should be better observed by the investigative body about their reporting methods and about its impartiality. The value of discussing the patterns of characteristics clearly proved that some pilots profiles require more attention regarding some characteristics (engine of the aircraft or its actions, for example) about flight safety, concluding that, in general, it’s possible to have good results with OPF, finding patterns beyond the statistical correlation.Faculdade de Tecnologia (FT)Departamento de Engenharia Civil e Ambiental (FT ENC)Programa de Pós-Graduação em TransportesFortes, José Augusto Abreu SáPereira, Danillo RobertoHespanhol, Rafael Medeiros2016-05-26T19:03:02Z2016-05-26T19:03:02Z2016-05-262016-02-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfHESPANHOL, Rafael Medeiros. Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial. 2016. xiv, 82 f., il. Dissertação (Mestrado em Transportes)—Universidade de Brasília, Brasília, 2016.http://repositorio.unb.br/handle/10482/20533http://dx.doi.org/10.26512/2016.02.D.20533A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-02-08T17:16:48Zoai:repositorio.unb.br:10482/20533Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-02-08T17:16:48Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
title Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
spellingShingle Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
Hespanhol, Rafael Medeiros
Aviação
Classificação
Florestas
Acidente aéreo
title_short Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
title_full Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
title_fullStr Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
title_full_unstemmed Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
title_sort Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial
author Hespanhol, Rafael Medeiros
author_facet Hespanhol, Rafael Medeiros
author_role author
dc.contributor.none.fl_str_mv Fortes, José Augusto Abreu Sá
Pereira, Danillo Roberto
dc.contributor.author.fl_str_mv Hespanhol, Rafael Medeiros
dc.subject.por.fl_str_mv Aviação
Classificação
Florestas
Acidente aéreo
topic Aviação
Classificação
Florestas
Acidente aéreo
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2016.
publishDate 2016
dc.date.none.fl_str_mv 2016-05-26T19:03:02Z
2016-05-26T19:03:02Z
2016-05-26
2016-02-19
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 HESPANHOL, Rafael Medeiros. Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial. 2016. xiv, 82 f., il. Dissertação (Mestrado em Transportes)—Universidade de Brasília, Brasília, 2016.
http://repositorio.unb.br/handle/10482/20533
http://dx.doi.org/10.26512/2016.02.D.20533
identifier_str_mv HESPANHOL, Rafael Medeiros. Caracterização dos fatores contribuintes em acidentes de pequenas aeronaves da aviação geral brasileira utilizando inteligência artificial. 2016. xiv, 82 f., il. Dissertação (Mestrado em Transportes)—Universidade de Brasília, Brasília, 2016.
url http://repositorio.unb.br/handle/10482/20533
http://dx.doi.org/10.26512/2016.02.D.20533
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814515246263435264