Estudo de desempenho de algoritmos de machine learning aplicado à prognósticos e monitoramento de condição.

Abstract

Neste trabalho será realizada uma abordagem original para um problema recorrente no campo da manutenção preditiva. O objetivo visa determinar com a maior precisão possível a vida útil remanescente de motores de turbina submetidos a estresse constante até que atinjam a condição de falha. Dados provenientes de simulações de leituras de sensores instalados nos motores são o alvo principal deste estudo e serão devidamente trabalhados através de técnicas avançadas de estatística, análise e tratamento de dados. Os dados foram disponibilizados pelo Centro de Prognósticos e Excelência da NASA Ames e posteriormente utilizados em uma competição de prognósticos e monitoramento de condição denominada PHM08 Data Challenge.