Novembro 2019 vol. 6 num. 3 - V Simpósio Internacional de Inovação e Tecnologia

Article - Open Access.

Idioma principal | Segundo idioma

APRENDIZAGEM DE MÁQUINA E APRENDIZAGEM PROFUNDA PARA CLASSIFICAÇÃO DE FALHAS EM EQUIPAMENTOS ROTATIVOS: UMA REVISÃO SISTEMÁTICA

A SYSTEMATIC REVIEW OF DEEP LEARNING AND MACHINE LEARNING FOR CLASSIFICATION OF FAILURES IN ROTATING EQUIPMENTS

Souza, Roberto Macedo de ; Lepikson, Herman Augusto ; Nascimento, Erick Giovani Sperandio ; Miranda, Ubatan ;

Article:

O uso de aprendizagem de máquina e aprendizagem profunda na classificação de falhas em equipamentos rotativos vem sendo ampliado em função da possibilidade de desenvolvimento de modelos computacionais que possam realizar a classificação da falha automaticamente, sem intervenção humana, em estágio inicial, e possibilitar a otimização dos custos de manutenção. O objetivo deste trabalho é realizar uma revisão sistemática em trabalhos científicos publicados entre o período de 2016 a 2019, para identificar o estado da arte. Os resultados indicaram o uso de aprendizagem profunda juntamente com o modelo de Rede Neural Convolucional como o que apresenta maior índice de exatidão e menor trabalho para geração do modelo.

Article:

The use of machine learning and deep learning in the classification of failures in rotating equipment has been expanded due to the possibility of developing computer models that can perform the classification of failure automatically, without human intervention, at an early stage, and enable the optimization of maintenance costs. The objective of this work is to carry out a systematic research in scientific papers published between 2016 and 2019, to identify the state of the art. The results indicated the use of deep learning together with the Convolutional Neural Networks method as the one with the highest accuracy index. However, more in-depth studies on this technique are still needed in order to classify failures.

Download (PDF)

Palavras-chave: Aprendizagem de Máquina; Aprendizagem profunda; Rede Neural Convulacional; Vibração Mecânica,

Palavras-chave: Machine Learning, Deep Learning, Convulational Neural Networks; Mechanical Vibration,

DOI: 10.5151/siintec2019-72

Referências bibliográficas
  • [1] MARINS, M. A. et al. Improved Similarity-Based Modeling for the classification of rotating-machine failures. Journal of the Franklin Institute, v. 355, n. 4, p. 1913-1930, mar. 2018. Disponível em: https://www.sciencedirect.com/science/article/pii/S0016003217303678. Acesso em: 15 abr. 2019.
  • [2] UNIVERSIDADE FEDERAL DO RIO DE JANEIRO. Machinery Fault Database. – MaFaulDa. Disponível em: http://www0smt.ufrj.br/∼offshore/. Acesso em 26 jun. 2018
  • [3] CASE WESTERN RESERVE UNIVERSITY - CWRU. Disponível em: https://csegroups.case.edu/bearingdatacenter/pages/download-data-file. Acesso em: 05 Abril 2019.
  • [4] LIU, R. et al. Artificial intelligence for fault diagnosis of rotating machinery: A review. Mechanical System and Signal Processing, v. 108, p. 33-47, ago. 2018. Disponivel em: https://www.sciencedirect.com/science/article/pii/S0888327018300748. Acesso em 14 abr. 2019
  • [5] LI, Z; WANG, Y.; WANG, K. A deep learning driven method for fault classification and degradation assessment in mechanical equipment. Computers in industry, v. 104, p. 1-10, jan. 2019. Disponível em: https://www.sciencedirect.com/science/article/pii/S0166361517307832. Acesso em 15 abr. 2019
  • [6] CHATTOPADHYAY, P. et al. Deep learning in fault diagnosis of induction motor drives. Prognostics and System Health Management Conference (PHM-Chongqing), Chongqing, p. 1068-1073, out. 2018. Disponível em: https://ieeexplore.ieee.org/abstract/document/8603497/authors#authors. Acesso em 14 mai. 2019
  • [7] ZHAO, R et al. Deep learning and its applications to machine health monitoring. Mechanical System and Signal Processing, v. 115, p 213-237, jan. 2019. Disponível em https://www.sciencedirect.com/science/article/pii/S0888327018303108. Acesso em 28 jul. 2019
  • [8] ZHANG, W. et al. A new Deep Learning model for fault diagnosis with good anti-noise and domain adaptation ability on raw vibration signals. Sensors, v. 17, fev. 2017. Disponível em https://www.mdpi.com/1424-8220/17/2/425. Acesso em 28 jul. 2019
  • [9] JANSSENS, O. et al. Convolutional Neural Network based fault detection for rotating machinery, Journal of Sound and Vibration, v. 377, p 331-345, set.
Como citar:

Souza, Roberto Macedo de; Lepikson, Herman Augusto; Nascimento, Erick Giovani Sperandio; Miranda, Ubatan; "APRENDIZAGEM DE MÁQUINA E APRENDIZAGEM PROFUNDA PARA CLASSIFICAÇÃO DE FALHAS EM EQUIPAMENTOS ROTATIVOS: UMA REVISÃO SISTEMÁTICA", p. 573-580 . In: Anais do V Simpósio Internacional de Inovação e Tecnologia. São Paulo: Blucher, 2019.
ISSN 2357-7592, DOI 10.5151/siintec2019-72

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações