Uma revisão bibliográfica sobre a aplicação de gêmeos digitais e aprendizado de máquina na manutenção preditiva de sistemas mecânicos

Abstract

Este trabalho apresenta uma revisão bibliográfica sobre a aplicação integrada de gêmeos digitais e técnicas de aprendizado de máquina na manutenção preditiva de sistemas mecânicos. A pesquisa analisou artigos científicos recentes para compreender como essas tecnologias têm sido empregadas na Indústria 4.0. Os gêmeos digitais são elementos de software capazes de replicar ativos físicos em ambientes virtuais, possibilitando simulação e monitoramento contínuo em tempo real. Já os algoritmos de aprendizado de máquina, sobretudo os supervisionados, oferecem alta precisão na detecção de padrões de falhas e na estimativa da vida útil remanescente. A integração dessas abordagens mostrou benefícios relevantes, como a redução de paradas não planejadas, aumento da confiabilidade, eficiência operacional e suporte à tomada de decisão baseada em dados. Entretanto, foram identificados desafios como a escassez de dados rotulados, a complexidade de implementação e a necessidade de infraestrutura digital robusta. Conclui-se que, apesar das limitações, a combinação de gêmeos digitais e aprendizado de máquina representa uma solução inovadora e promissora para a engenharia de manutenção, contribuindo significativamente para o avanço da Indústria 4.0.