Machinery Guardian: otimizando manutenção com inteligência artificial e autonomia
dc.contributor.advisor | Cabral, Marco Antonio Leandro | |
dc.contributor.advisor-co1 | Matamoros, Efrain Pantaleon | |
dc.contributor.advisor-co1ID | https://orcid.org/0000-0002-4052-5739 | pt_BR |
dc.contributor.advisor-co1Lattes | http://lattes.cnpq.br/5336356193599447 | pt_BR |
dc.contributor.advisorID | https://orcid.org/0000-0002-7364-9877 | pt_BR |
dc.contributor.advisorLattes | http://lattes.cnpq.br/5534453101318814 | pt_BR |
dc.contributor.author | Cavalcanti, André Fonseca | |
dc.contributor.authorID | https://orcid.org/0000-0002-8186-3208 | pt_BR |
dc.contributor.authorLattes | http://lattes.cnpq.br/7757695373242500 | pt_BR |
dc.contributor.referees1 | Zumba, Felipe Macedo | |
dc.contributor.referees2 | Agra Neto, João | |
dc.date.accessioned | 2025-04-09T22:02:57Z | |
dc.date.available | 2025-04-09T22:02:57Z | |
dc.date.issued | 2025-02-07 | |
dc.description.abstract | The advancement of Industry 4.0, characterized by the integration of intelligent systems into production processes, presents challenges and opportunities for asset maintenance, focusing on the adoption of autonomous technologies and artificial intelligence. This study investigates the implementation of autonomous maintenance systems, analyzing how these technologies can optimize the detection and classification of failures in cyberphysical systems, enhancing equipment availability and reliability. The research was conducted using real-time data analysis methodologies, based on sensors and AI algorithms, resulting in precise diagnostics and more effective interventions. The results indicate that the incorporation of artificial intelligence into maintenance systems not only increases operational efficiency but also reduces costs and minimizes risks, pointing to a future where autonomous maintenance becomes a standard in advanced industry. | pt_BR |
dc.description.resumo | O avanço da Indústria 4.0, marcado pela integração de sistemas inteligentes em processos produtivos, traz desafios e oportunidades para a manutenção de ativos, com foco na adoção de tecnologias autônomas e inteligência artificial. Este estudo investiga a implementação de sistemas de manutenção autônoma, analisando como essas tecnologias podem otimizar a detecção e classificação de falhas em sistemas ciberfísicos, melhorando a disponibilidade e confiabilidade de equipamentos. A pesquisa foi realizada utilizando metodologias de análise de dados em tempo real, com base em sensores e algoritmos de IA, resultando em diagnósticos precisos e intervenções mais eficazes. Os resultados indicam que a incorporação de inteligência artificial em sistemas de manutenção não apenas aumenta a eficiência operacional, mas também reduz custos e minimiza riscos, apontando para um futuro onde a manutenção autônoma se torna um padrão na indústria avançada. | pt_BR |
dc.identifier.citation | CAVALCANTI, André Fonseca. Machinery Guardian: otimizando manutenção com inteligência artificial e autonomia. Orientador: Dr. Marco Antonio Leandro Cabral. 2025. 54f. Dissertação (Mestrado Profissional em Ciência, Tecnologia e Inovação) - Escola de Ciências e Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2025. | pt_BR |
dc.identifier.uri | https://repositorio.ufrn.br/handle/123456789/63434 | |
dc.language | pt_BR | pt_BR |
dc.publisher | Universidade Federal do Rio Grande do Norte | pt_BR |
dc.publisher.country | Brasil | pt_BR |
dc.publisher.initials | UFRN | pt_BR |
dc.publisher.program | PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA, TECNOLOGIA E INOVAÇÃO | pt_BR |
dc.rights | Acesso Aberto | pt_BR |
dc.subject | Indústria 4.0 | pt_BR |
dc.subject | Manutenção autônoma | pt_BR |
dc.subject | Sistemas ciberfísicos | pt_BR |
dc.subject | Otimização de processo | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject.cnpq | CNPQ::OUTROS::CIENCIAS | pt_BR |
dc.title | Machinery Guardian: otimizando manutenção com inteligência artificial e autonomia | pt_BR |
dc.type | masterThesis | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1
Nenhuma Miniatura disponível
- Nome:
- MachineryGuardianotimizando_Cavalcanti_2025.pdf
- Tamanho:
- 2.64 MB
- Formato:
- Adobe Portable Document Format
Nenhuma Miniatura disponível