Detalhes bibliográficos
| Ano de defesa: |
2023 |
| Autor(a) principal: |
Trevisam, Bruno Augusto |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Dissertação
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| Programa de Pós-Graduação: |
Não Informado pela instituição
|
| Departamento: |
Não Informado pela instituição
|
| País: |
Não Informado pela instituição
|
| Palavras-chave em Português: |
|
| Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/18/18154/tde-16032023-075818/
|
Resumo: |
Este trabalho apresenta a aplicação de ferramentas inteligentes com a finalidade de tratar e melhorar a qualidade de dados não estruturados. A aplicação é realizada no contexto de gestão de ativos do Sistema Elétrico de Potência, com ênfase no transformador de potência. A abordagem nesse seguimento de negócio visa solucionar lacunas de informações que possam subsidiar tomadas de decisões mais eficazes, além de aumentar a visibilidade e integração na gestão de riscos em ativos. Pelo SIN – Sistema Interligado Nacional ser regulado, qualquer iniciativa em prol de reduzir falhas ou manutenções não planejadas possui relevância na confiabilidade e disponibilidade de seus ativos. Na mineração de dados, destaca-se a metodologia KDD - Knowledge Discovery in Database com etapas pré-estabelecidas sequenciais para desenvolvimento do trabalho, abordando desde a compreensão inicial dos objetivos propostos, bem como a escolha dos métodos mais aderentes a cada aplicação e também avaliação sobre os resultados obtidos. Em suma, verifica-se a aplicabilidade das metodologias de Árvore de Decisão, Rede Bayesiana e Máquinas de Vetores de Suporte na finalidade de classificação de textos oriundos dos registros de histórico de manutenções em transformadores de potência. |
