BDBComp
Parceria:
SBC
Classificação de Severidade de Falhas em Máquinas Rotativas usando Random Forest e Redes Neurais Artificiais

Dion?sio H. C. de Sá Só-MartinsThiago de M. PregoAmaro A. de Lima

Este artigo apresenta um sistema para classificação de severidade defalhas em máquinas rotativas. Uma vez que uma máquina tem uma falha identificada, o grau da falha deve ser quantificado para que a ação subsequenteseja adequadamente planejada, possibilitando a recuperação da máquina emitigando os custos de parada e manutenção. O trabalho abordou falhas dedesbalanceamento, desalinhamento e mancal quantificando três n?veis discretos para a severidade das falhas denominados P (pequeno), M (médio) e G(grande). Os testes realizados avaliaram o desempenho de quantificadores deseveridade utilizando random forest e redes neurais artificiais, concluindo queuma combinação das técnicas atinge um maior desempenho global de 91,42%com desvio padrão médio de 4,31% e custo computacional médio de 24,04 horas.

http://www.lbd.dcc.ufmg.br/colecoes/eniac/2016/002.pdf

Caso o link acima esteja inválido, faça uma busca pelo texto completo na Web: Buscar na Web

Biblioteca Digital Brasileira de Computação - Contato: bdbcomp@lbd.dcc.ufmg.br
     Mantida por:
LBD