Detalhes bibliográficos
Ano de defesa: |
2024 |
Autor(a) principal: |
Silva, Izaque Esteves da
 |
Orientador(a): |
Braga, Regina Maria Maciel
 |
Banca de defesa: |
Menezes, Victor Ströele de Andrade
,
Classe, Tadeu Moreira
 |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
Programa de Pós-Graduação: |
Programa de Pós-graduação em Ciência da Computação
|
Departamento: |
ICE – Instituto de Ciências Exatas
|
País: |
Brasil
|
Palavras-chave em Português: |
|
Área do conhecimento CNPq: |
|
Link de acesso: |
https://repositorio.ufjf.br/jspui/handle/ufjf/16844
|
Resumo: |
A manutenção preditiva nos cenários da Indústria 4.0 e da Indústria 5.0 demanda soluções inteligentes que garantam a sustentabilidade da indústria no que diz respeito a sua eficiência, minimizando custos associados à manutenções corretivas. Um dos desafios da manutenção preditiva é tomar decisões baseadas em dados de forma ágil e assertiva. Sensores e equipamentos conectados produzem dados operacionais que favorecem o uso de técnicas de processamento inteligente para enriquecer informações e permitir a tomada de decisão. Digital Twins (DTs) são uma representação em tempo real de máquinas físicas e geram dados que a manutenção preditiva pode utilizar a fim de tornar decisões assertivas e rápidas. A principal contribuição deste trabalho é a especificação de uma suíte de serviços para especificação de DTs, a DT-Create, focada no suporte à decisão na manutenção preditiva. A DT-Create é baseada no uso de técnicas inteligentes, processamento semântico de dados e auto adaptação. A DT-Create foi desenvolvida a partir da abordagem epistemológica Design Science Research (DSR), através de dois ciclos de desenvolvimento e avaliada em dois estudos de caso, sendo o primeiro no domínio da indústria têxtil e o segundo no domínio da indústria metalúrgica. Os resultados demonstraram a viabilidade de uso da DT-Create na especificação de DTs considerando os seguintes aspectos: (i) coleta, armazenamento e processamento inteligente de dados gerados por sensores, (ii) enriquecimento de informações por meio de aprendizagem de máquina e ontologias, (iii) uso de técnicas inteligentes para seleção de modelos preditivos aderentes ao conjunto de dados disponível, e (iv) suporte à decisão e auto adaptação a partir de processamentos ontológico. |