Predição de Falha em Motor Diesel de Locomotiva Baseada na Análise do Óleo Lubrificante Por Meio de Técnicas de Aprendizado de Máquina.

Nome: Jéssica Andrade Prata
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 25/03/2020
Orientador:

Nomeordem decrescente Papel
Rodrigo de Alvarenga Rosa Orientador

Banca:

Nomeordem decrescente Papel
Daniel Cruz Cavaliéri Examinador Externo
Jodelson Aguilar Sabino Coorientador
Patrício José Moreira Pires Examinador Interno
Rodrigo de Alvarenga Rosa Orientador

Resumo: As locomotivas diesel-elétricas são as mais utilizadas nas ferrovias de carga brasileiras. Caso seu motor diesel apresente falhas, o trem tracionado por ela não circulará, o que pode levar a um não cumprimento dos planos de transporte da ferrovia. No entanto, detectar se haverá falha ou não no motor diesel é uma tarefa complexa realizada com base na análise físico-química e espectrométrica do óleo lubrificante utilizado no motor, e no histórico de falhas. Assim, esta dissertação propõe o desenvolvimento de uma rede neural artificial para predizer se haverá falha, ou não, no motor diesel em um período de 30 e 45 dias. A rede neural proposta foi aplicada às locomotivas da Estrada de Ferro Vitória-Minas com dados reais coletados na oficina de locomotivas. Os resultados apontam para um modelo de rede neural Multilayer Perceptron com acurácia de 66,83% e recall de 0,8. Para comparação foi testado o algoritmo Árvore XGBoost fazendo uso da mesma base de dados, obtendo como resultado uma acurácia de 71,33% e um recall de 0,79.

Acesso ao documento

Transparência Pública
Acesso à informação

© 2013 Universidade Federal do Espírito Santo. Todos os direitos reservados.
Av. Fernando Ferrari, 514 - Goiabeiras, Vitória - ES | CEP 29075-910