Telemática em nuvem e ciência de dados como ferramentas de gestão de veículos comerciais.

• Ano de defesa: 2022
• Autor(a) principal: Abrahão, Luciano Breve
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Análise de dados; Commercial vehicles; Data analytics; Management; Ontologia; Ontology; Telemática; Telematics; Veículos comerciais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-12052022-090600/

Os processos de transportes impactam diretamente o custo dos produtos manufaturados no Brasil e no mundo. Assim, existe uma necessidade constante de se melhorar o desempenho operacional e reduzir os custos de manutenção dos veículos comerciais. Atualmente, a maioria desses veículos contam com algum tipo de equipamento de telemetria, seja para fins de segurança de cargas ou aplicações em logística. Há, portanto, a geração de um grande volume de dados operacionais, embora menos de 5% dos dados coletados sejam utilizados de forma eficaz. Uma das razões são as limitações das arquiteturas atuais, que não permitem o acesso transparente aos dados para todos os participantes do domínio de transporte, dificultando a extração de informações necessárias para a tomadas de decisões. O objetivo deste trabalho é desenvolver um modelo de telemática em nuvem que permita compreender melhor a inter-relação entre o estilo de direção do condutor e os processos de manutenção envolvidos. Obtendo a trajetória da informação veicular pelo sistema, propõe-se um método de análise que integra os dados operacionais, extraídos por meio de telemetria, com as informações de planejamento de manutenção da frota. O método proposto abrange toda a trajetória do dado veicular. Começa com a identificação do mecanismo mais adequado de captura dos dados no veículo, transmissão dos dados, chegando até a disponibilização das informações necessárias para a tomada de decisão em um ambiente em nuvem. Adicionalmente, este trabalho apresenta estudos sobre as alternativas tecnológicas seguras de extração de dados em veículos, e utilização de técnica de análise preditiva de dados, por meio de Machine Learning baseada na ferramenta Altair Monarch. Realizou-se um estudo de caso em uma operação de colheita de cana-de-açúcar no Estado de São Paulo. A integração de dados operacionais e de planejamento proporcionou um aumento da disponibilidade do veículo comercial em sua operação, otimização das janelas de manutenção preventiva, bem como redução da necessidade de manutenções corretivas. A principal contribuição deste trabalho foi o desenvolvimento de um processo sistemático de aquisição, transmissão, tratamento e análise de dados, coletados remotamente de veículos comerciais, dentro do contexto de Big Data, propiciando maior agilidade e eficácia na tomada de decisões de gestão operacional e de manutenção dos veículos comerciais.