Please use this identifier to cite or link to this item:
http://hdl.handle.net/1843/55113
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor1 | Marcelo Azevedo Costa | pt_BR |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/0843501351619189 | pt_BR |
dc.contributor.referee1 | Roberto da Costa Quirino | pt_BR |
dc.contributor.referee2 | Leonardo Goliatt da Fonseca | pt_BR |
dc.contributor.referee3 | Magno Silvério Campos | pt_BR |
dc.contributor.referee4 | Frederico Gualberto Ferreira Coelho | pt_BR |
dc.creator | Rodrigo Barbosa de Santis | pt_BR |
dc.creator.Lattes | http://lattes.cnpq.br/7356403238727506 | pt_BR |
dc.date.accessioned | 2023-06-19T19:50:26Z | - |
dc.date.available | 2023-06-19T19:50:26Z | - |
dc.date.issued | 2023-03-10 | - |
dc.identifier.uri | http://hdl.handle.net/1843/55113 | - |
dc.description.abstract | Maintenance in small hydroelectric plants is fundamental for guaranteeing the expansion of clean energy sources and supplying the energy estimated to be necessary for the coming decades. In the modern industrial context, predictive maintenance guides interventions and repairs based on the state of health of the machine, calculated from statistical and computational techniques. The current work has as main objective to propose a specific maintenance model for small hydroelectric plants. The thesis proposal is presented in the form of a collection of articles, the first being a systematic review on predictive maintenance in the hydroelectric sector, the second on the maintenance and operation profile of the plants and the formulation of the problem, and the third on the application of the method of extended isolation forest for anomaly detection for intelligent fault diagnosis. As a conclusion, we present two lines of action for work for the final thesis: the first in the area of intelligent diagnosis by type of failures and the second in relation to the prognosis of critical variables for the operation. | pt_BR |
dc.description.resumo | A manutenção de pequenas centrais hidrelétricas é um tópico essencial para garantir a expansão de fontes de energias limpas e o fornecimento de energia necessária para as próximas décadas. No contexto industrial moderno, a manutenção preditiva guia intervenções e reparos de acordo com o estado de saúde da máquina, calculado a partir de técnicas estatísticas e computacionais. O trabalho atual tem como objetivo principal propor um modelo de manutenção específico para pequenas usinas hidrelétricas. A tese é apresentada em formato de coleção de artigos, sendo o primeiro uma revisão sistemática sobre manutenção preditiva no setor hidrelétrico, o segundo sobre o perfil de manutenção e operação das usinas e formulação do problema, e o terceiro sobre a aplicação do método de floresta de isolamento extendida para detecção de anomalias para diagnóstico inteligente de falhas. Como conclusão, apresentamos duas linhas de ação para trabalho para a tese final: a primeira na área de diagnóstico inteligente por tipo de falhas e a segunda em relação ao prognóstico de variáveis críticas para a operação. | pt_BR |
dc.description.sponsorship | CNPq - Conselho Nacional de Desenvolvimento Científico e Tecnológico | pt_BR |
dc.language | por | pt_BR |
dc.publisher | Universidade Federal de Minas Gerais | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.department | ENG - DEPARTAMENTO DE ENGENHARIA PRODUÇÃO | pt_BR |
dc.publisher.program | Programa de Pós-Graduação em Engenharia de Produção | pt_BR |
dc.publisher.initials | UFMG | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Manutenção preditiva | pt_BR |
dc.subject | Pequenas centrais hidrelétricas | pt_BR |
dc.subject | Modelagem estatística e computacional | pt_BR |
dc.subject | Prognóstico de falhas | pt_BR |
dc.subject | Diagnóstico inteligente de falhas | pt_BR |
dc.subject.other | Engenharia de produção | pt_BR |
dc.subject.other | Usinas hidrelétricas | pt_BR |
dc.subject.other | Modelagem | pt_BR |
dc.subject.other | Falha de sistema (Engenharia) | pt_BR |
dc.title | Modelos de aprendizado de máquina aplicados à manutenção preditiva de pequenas centrais geradoras hidrelétricas | pt_BR |
dc.type | Tese | pt_BR |
Appears in Collections: | Teses de Doutorado |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Tese-5-2.pdf | 8.69 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.