Determinação do tempo de vida útil remanescente em processos cíclicos

• Ano de defesa: 2019
• Autor(a) principal: De Marco, Leonardo Mandler
• Orientador(a): Trierweiler, Jorge Otávio, Farenzena, Marcelo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Vida útil; Séries temporais; Modelo bayesiano
• Link de acesso: http://hdl.handle.net/10183/200083

A análise da Vida Útil Remanescente (VUR) de sistemas e equipamentos permite a prevenção de falhas, de modo que uma manutenção efetiva possa ser realizada em tempo de corrigir falhas que estão próximas de acontecer. O sinal de degradação de uma ou mais variáveis pode servir como base para estimar a VUR de um determinado sistema, desde que este sinal seja modelado matematicamente de forma correta. Neste trabalho, se analisa a VUR de processos cíclicos, sendo determinado então o Número de Ciclos Remanescentes (NCR) de forma a maximizar a produção garantindo a segurança operacional. Para isso serão consideradas duas abordagens: Metodologia Bayesiana e Séries Temporais. A metodologia Bayesiana está baseada em Inferência Bayesiana para atualizar os valores do parâmetro estocástico, proporcionando uma maior representatividade na estimação do NCR. Os parâmetros determinísticos e os hiperparâmetros na distribuição a priori do parâmetro estocástico são estimados através do método da estimativa por máxima verossimilhança (EMV), enquanto o parâmetro estocástico no modelo de degradação de um sistema pode ser atualizado a cada instante em que um novo dado de degradação é obtido. Por outro lado, as Séries Temporais se baseiam em conjuntos de Treino para poder ajustar um modelo que se aproxime do conjunto utilizado para validação. Na estimativa do NCR serão considerados modelos estacionários (Suavização Exponencial Simples), não‐estacionários (Suavização Exponencial Dupla e ARIMA) e modelos que utilizam o componente de sazonalidade (Suavização Exponencial Tripla e SARIMA). Um Estudo de Caso de uma unidade Temperature Swing Adsorption (TSA) para desidratação do gás natural será utilizada para avaliar estas duas abordagens na previsão do NCR em processos cíclicos. Os resultados sugerem que a metodologia bayesiana é a mais indicada na estimativa do NCR, enquanto que as Séries Temporais são adequadas para identificar o padrão cíclico do processo.