Metodologia híbrida para prognóstico de sistemas integrando análise de séries temporais e raciocínio baseado em casos

• Ano de defesa: 2013
• Autor(a) principal: Ícaro Bezerra Viana
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Instituto Tecnológico de Aeronáutica
• Palavras-chave em Português: Motores de corrente contínua; Inteligência artificial; Engenharia eletrônica
• Link de acesso: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2236

Este trabalho propõe uma metodologia para o prognóstico de sistemas com base em série temporal de parâmetro indicativo da condição do equipamento. A série temporal é dividida em diferentes cenários candidatos de acordo com a modificação de variáveis exógenas que representam condições ambientais externas ao sistema. A cada cenário válido é associado um modelo de progressão específico construído em um ciclo iterativo que segue uma abordagem de análise de séries temporais estocásticas do tipo ARIMA (Autoregressive Integrated Moving Average Process). O modelo utilizado para fins de prognóstico é determinado pela combinação de modelo de progressão do cenário mais atual com o modelo associado ao cenário passado mais similar ao atual. No contexto de prognóstico econômico realiza-se uma comparação com vias a ilustrar equivalência entre a classe de modelos ARIMA utilizada com modelo polinomial disponível na literatura, aplicando-se estas metodologias no problema de previsão do índice Dow Jones. A viabilidade da abordagem proposta, em se tratando de prognóstico de equipamento, é demonstrada através da predição de um índice de degradação para motor de corrente contínua (C.C.), onde os dados simulados são gerados a partir de um benchmark que representa o sistema de acionamento da máquina (C.C.).