book_icon

Projeto utilizará Machine learning para prever falhas em máquinas

Novo projeto da Unidade EMBRAPII CPqD em parceria com a Solvian tem como objetivo utilizar tecnologia preditiva às operações de gestão de facilities e de manutenção de máquinas em geral
Projeto utilizará Machine learning para prever falhas em máquinas

Utilizar o conceito de Internet das Coisas (IoT) e algoritmos de machine learning para dar mais eficiência – e inteligência – às operações de gestão de facilities e de manutenção de máquinas em geral. Esse é o principal objetivo do novo projeto que a Unidade EMBRAPII CPqD está desenvolvendo com a Solvian, empresa que atua nessa área, especialmente em operações complexas e de missão crítica, em diversos segmentos.

“Será possível realizar a manutenção preditiva dos equipamentos, com maior eficiência operacional e redução do número de visitas de técnicos”, Benedito Fayan

O projeto tem como foco o desenvolvimento de modelos de machine learning para a detecção de anomalias e a predição de falhas em máquinas. “Com os dados coletados por sensores e o uso de recursos de Inteligência Artificial, será possível entender o comportamento das máquinas e criar modelos determinando a probabilidade de falhas”, explica Benedito Fayan, diretor da Solvian.

Segundo Norberto Ferreira, gerente do CPqD, a inclusão de algoritmos baseados em machine learning permitirá processar dados de diversos sensores instalados nos equipamentos – como compressores de ar condicionado e máquinas industriais, por exemplo – e gerar alertas preditivos e insigths operacionais, com estimativa do tempo até a ocorrência de uma falha.

“Com isso, será possível realizar a manutenção preditiva dos equipamentos, que resulta em maior eficiência operacional, redução do número de visitas de técnicos e ganhos para o negócio”, acrescenta Fayan.

As opiniões dos artigos/colunistas aqui publicados refletem exclusivamente a posição de seu autor, não caracterizando endosso, recomendação ou favorecimento por parte da Infor Channel ou qualquer outros envolvidos na publicação. Todos os direitos reservados. É proibida qualquer forma de reutilização, distribuição, reprodução ou publicação parcial ou total deste conteúdo sem prévia autorização da Infor Channel.