Modelo de manutenção baseada em condições utilizando redes neurais convolucionais para auxiliar na tomada de decisão colaborativa em sistemas ferroviários.

• Ano de defesa: 2025
• Autor(a) principal: Garcia, Pedro Pinheiro
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial Intelligence; Electric machines; Ferrovias; Inteligência Artificial; Manutenção preditiva; Máquinas elétricas; Neural networks; Predictive maintenance; Railways; Redes neurais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3141/tde-16072025-090616/

O meio de transporte ferroviário contém diversas aplicações críticas e necessárias para o funcionamento geral da ferrovia. Dentre essas aplicações, este estudo aborda o evento da mudança de via, que é o responsável por mudar o curso do trem alterando o alinhamento do trilho por meio de um conjunto de máquinas. Estas máquinas, chamadas de máquinas de chave (MCH), são responsáveis por movimentar a agulha que alinhará o trilho para a posição necessária. Quando esta máquina não consegue realizar o movimento, é dito que a MCH está em falha. O estado de falha deve ser monitorado constantemente pelo controle da operação que, ao perceber que a MCH não realizou o movimento esperado, deve analisar se é necessária a intervenção da equipe de manutenção. O presente trabalho tem como objetivo principal o desenvolvimento de um modelo de manutenção preditiva, auxiliado por ferramentas de Inteligência Artificial (IA). Por intermédio dos dados de campo (curva de corrente) das MCHs são geradas representações gráficas destas curvas que resumem as últimas movimentações. Com este resumo em imagem, o operador é capaz de distinguir se a máquina está operando com dificuldades ou não. Além disso, estas imagens servem como entrada para uma Rede Neural Convolucional (CNN) que, por meio dos dados temporais históricos de cada máquina, realiza uma predição do próximo evento de falha de cada MCH. Dessa forma, a equipe do controle da operação passa a ser capaz de estimar o momento ideal para ativar a equipe de manutenção, configurando uma manutenção baseada em condições (CBM), que atua como um tipo de manutenção preditiva, como corroborado pela revisão da literatura. Os resultados levantados por este trabalho indicam que é possível realizar a predição da falha da máquina utilizando o método aqui proposto.