Machinery Guardian: otimizando manutenção com inteligência artificial e autonomia

dc.contributor.advisorCabral, Marco Antonio Leandro
dc.contributor.advisor-co1Matamoros, Efrain Pantaleon
dc.contributor.advisor-co1IDhttps://orcid.org/0000-0002-4052-5739pt_BR
dc.contributor.advisor-co1Latteshttp://lattes.cnpq.br/5336356193599447pt_BR
dc.contributor.advisorIDhttps://orcid.org/0000-0002-7364-9877pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/5534453101318814pt_BR
dc.contributor.authorCavalcanti, André Fonseca
dc.contributor.authorIDhttps://orcid.org/0000-0002-8186-3208pt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/7757695373242500pt_BR
dc.contributor.referees1Zumba, Felipe Macedo
dc.contributor.referees2Agra Neto, João
dc.date.accessioned2025-04-09T22:02:57Z
dc.date.available2025-04-09T22:02:57Z
dc.date.issued2025-02-07
dc.description.abstractThe 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.resumoO 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.citationCAVALCANTI, 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.urihttps://repositorio.ufrn.br/handle/123456789/63434
dc.languagept_BRpt_BR
dc.publisherUniversidade Federal do Rio Grande do Nortept_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.initialsUFRNpt_BR
dc.publisher.programPROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA, TECNOLOGIA E INOVAÇÃOpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectIndústria 4.0pt_BR
dc.subjectManutenção autônomapt_BR
dc.subjectSistemas ciberfísicospt_BR
dc.subjectOtimização de processopt_BR
dc.subjectInteligência artificialpt_BR
dc.subject.cnpqCNPQ::OUTROS::CIENCIASpt_BR
dc.titleMachinery Guardian: otimizando manutenção com inteligência artificial e autonomiapt_BR
dc.typemasterThesispt_BR

Arquivos

Pacote Original

Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
MachineryGuardianotimizando_Cavalcanti_2025.pdf
Tamanho:
2.64 MB
Formato:
Adobe Portable Document Format
Nenhuma Miniatura disponível
Baixar