Técnicas de aprendizado de máquina não supervisionado para a prevenção de falhas em máquinas de chave

dc.contributorFonseca, Leonardo Goliatt da
dc.contributorhttp://lattes.cnpq.br/9030707448549156
dc.contributorAguiar, Eduardo Pestana de
dc.contributorhttp://lattes.cnpq.br/9530065975903052
dc.contributorCampos, Luciana Conceição Dias
dc.contributorhttp://lattes.cnpq.br/6986138014246480
dc.contributorSilva, Eduardo Krempser da
dc.contributorhttp://lattes.cnpq.br/5399601756512708
dc.creatorSoares, Nielson
dc.date2018-03-27T18:03:27Z
dc.date2018-03-27
dc.date2018-03-27T18:03:27Z
dc.date2018-02-27
dc.date.accessioned2023-09-29T16:30:09Z
dc.date.available2023-09-29T16:30:09Z
dc.identifierhttps://repositorio.ufjf.br/jspui/handle/ufjf/6513
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/9137245
dc.descriptionRailroad switch machines are important electromechanical equipment in a railway network, and the occurrence of failures in such equipment can cause railroad interruptions and lead to potential economic losses. Thus, an early diagnosis of these failures can represent a reduction of costs and an increase in productivity. This dissertation aims to propose a predictive model, based on computational intelligence techniques, to solve this problem. The applied methodology includes the use of features extraction and selection techniques based on hypothesis tests and unsupervised machine learning models. The proposed model was tested in a database made available by a Brazilian railway company and proved to be efficient when considering as critical the operations performed close to the operation classified as failure.
dc.descriptionAs máquinas de chave são equipamentos eletromecânicos de grande importância em uma malha ferroviária. A ocorrência de falhas nesses equipamentos pode ocasionar interrupções das ferrovias e acarretar potenciais prejuízos econômicos. Assim, um diagnóstico precoce dessas falhas pode representar uma redução de custos e um aumento de produtividade. Essa dissertação tem como objetivo propor um modelo preditivo, baseado em técnicas de inteligência computacional, para a solução desse problema. A metodologia aplicada compreende o uso de técnicas de extração e seleção de características baseada em testes de hipóteses e modelos de aprendizado de máquina não supervisionado. O modelo proposto foi testado em uma base de dados disponibilizada por uma empresa ferroviária brasileira e se mostrou eficiente ao constatar como críticas as operações realizadas próximas à operação classificada como falha.
dc.descriptionCAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
dc.formatapplication/pdf
dc.languagepor
dc.publisherUniversidade Federal de Juiz de Fora (UFJF)
dc.publisherBrasil
dc.publisherICE – Instituto de Ciências Exatas
dc.publisherPrograma de Pós-graduação em Modelagem Computacional
dc.publisherUFJF
dc.rightsAcesso Aberto
dc.subjectMáquinas de chave
dc.subjectInteligência computacional
dc.subjectAprendizado de máquina
dc.subjectPrevisão de falhas
dc.subjectRailroad switch
dc.subjectComputational intelligence
dc.subjectMachine learning
dc.subjectFailure prediction
dc.subjectCNPQ::CIENCIAS EXATAS E DA TERRA
dc.titleTécnicas de aprendizado de máquina não supervisionado para a prevenção de falhas em máquinas de chave
dc.typeDissertação


Este ítem pertenece a la siguiente institución