Programa machine learning na linguagem Python para manutenção preventiva de britadores.

Abstract

A adoção de novas tecnologias ou o aprimoramento das já existentes, por meio de pesquisas, tem se mostrado uma estratégia eficaz para que as indústrias aumentem sua produtividade, competitividade e reduzam custos operacionais. Neste contexto, o presente estudo propõe o desenvolvimento de um programa computacional para apoio à manutenção preventiva de britadores na indústria de mineração, utilizando técnicas de aprendizado de máquina (Machine Learning) implementadas na linguagem de programação Python. Trata-se de um estudo aplicado, de caráter exploratório e experimental, fundamentado em revisão bibliográfica e desenvolvimento prático de um sistema de apoio à decisão. O problema abordado refere-se à dificuldade de se realizar diagnósticos rápidos e confiáveis sobre o estado de operação de equipamentos críticos, como os britadores, cuja falha pode comprometer significativamente a produtividade da planta. A solução proposta baseia-se na coleta de dados operacionais reais, processamento das variáveis técnicas por meio das bibliotecas Pandas e NumPy, e aplicação do algoritmo ExtraTreesClassifier, da biblioteca Scikit-learn. O sistema foi treinado e demonstrou ser efetivo e com acurácia alta. Após o treinamento, o programa permite que o usuário insira novos dados para que o modelo realize a predição do status operacional do equipamento. Os resultados indicam que o sistema é eficaz na identificação de condições fora do padrão, contribuindo para a antecipação de falhas, otimização dos planos de manutenção e aumento da disponibilidade operacional. Conclui-se que o Machine Learning utilizando a linguagem Python contribui de forma eficaz para a manutenção preventiva de britadores. Representa um avanço significativo, é adaptável e de fácil implementação para as empresas do setor mineral.