Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Souza, André Nunes de | - |
Autor(es): dc.contributor | Faculdade de Engenharia de Bauru (FEB) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Gastaldello, Danilo Sinkiti | - |
Autor(es): dc.creator | Gifalli, André | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:41:07Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:41:07Z | - |
Data de envio: dc.date.issued | 2025-03-13 | - |
Data de envio: dc.date.issued | 2025-03-13 | - |
Data de envio: dc.date.issued | 2025-02-13 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/295424 | - |
Fonte completa do material: dc.identifier | http://lattes.cnpq.br/6109738130034252 | - |
Fonte completa do material: dc.identifier | https://orcid.org/0000-0001-9211-386X | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/295424 | - |
Descrição: dc.description | A crescente demanda por energia elétrica, aliada a questões ambientais e financeiras, e consequentemente a infraestrutura do sistema, fomenta a necessidade do aprimoramento da gestão de ativos críticos, como os transformadores de potência, fundamentais para a infraestrutura do sistema elétrico. A literatura atual apresenta limitações, como o uso de metodologias de criticidade baseadas exclusivamente em aspectos de manutenção preditiva, métodos normativos e abordagens unidimensionais, como a vida útil do equipamento, sem integrar outros aspectos técnicos, operacionais e econômicos. Nesse contexto, este trabalho teve como objetivo desenvolver uma nova metodologia de criticidade para gestão e priorização de ativos, utilizando um método multicritério, análise multivariada e aprendizado supervisionado. Para alcançar esse objetivo, foram analisados dados técnicos, operacionais e econômicos de 355 transformadores de potência em operação. A classificação e determinação dos ativos críticos são baseadas no conceito da matriz de risco, que relaciona a probabilidade e o impacto dessa falha. O índice do impacto é calculado utilizando o método multicritério de Análise Hierárquica dos Processos (AHP), enquanto que para a probabilidade de falha é considerado o índice de saúde dos transformadores. Devido à subjetividade envolvida na atribuição dos pesos das variáveis neste processo, foi desenvolvido um algoritmo classificador baseado no método k-Nearest Neighbors (KNN) combinado com o método de análise multivariada (Principal Component Analysis - PCA). Os resultados indicam que a aplicação do método AHP promoveu a colaboração entre diferentes setores da concessionária, possibilitando o estabelecimento de critérios claros para determinar os parâmetros de maior impacto e ponderar seus respectivos pesos. Contudo, a subjetividade no processo de definição dos pesos ainda representa um desafio. Para superar essa limitação, foram integrados os métodos KNN e PCA, permitindo a redução da dimensionalidade do problema e a classificação da criticidade de forma supervisionada. Por fim, os resultados obtidos permitem que os gestores de manutenção identifiquem os ativos críticos que requerem monitoramento prioritário, possibilitando uma análise da criticidade real dos equipamentos. Além disso, a metodologia auxilia na criação de cenários de investimentos de médio e longo prazo, promovendo maior previsibilidade nos gastos operacionais e de capital. Essa abordagem também contribui para a preservação ambiental, ao mitigar o risco de falhas catastróficas e seus impactos. | - |
Descrição: dc.description | The increasing demand for electricity, combined with environmental and financial concerns and the consequent impact on system infrastructure, fosters the need to enhance the management of critical assets such as power transformers, which are fundamental to the electrical system infrastructure. The current literature presents limitations, such as the use of criticality methodologies based exclusively on predictive maintenance aspects, normative methods, and one-dimensional approaches, such as equipment lifespan, without integrating other technical, operational, and economic factors. In this context, this study aimed to develop a newcriticality methodology for asset management and prioritization, using a multicriteria method, multivariate analysis, and supervised learning. To achieve this objective, technical, operational, and economic data from 355 power transformers in operation were analyzed. The classification and determination of critical assets are based on the risk matrix concept, which relates the probability of failure to its impact. The impact index is calculated using the Analytic Hierarchy Process (AHP) multicriteria method, while the failure probability is assessed based on the transformer health index. Due to the subjectivity involved in assigning variable weights in this process, a classification algorithm was developed based on the k-nearest neighbors algorithm (KNN) combined with the Principal Component Analysis (PCA) method. The results indicate that applying the AHP method fostered collaboration among different sectors of the utility, enabling the establishment of clear criteria to determine the most impactful parameters and assign their respective weights. However, subjectivity in defining these weights remains a challenge. To overcome this limitation, the KNN andPCAmethodswereintegrated, allowing for dimensionality reduction and supervised classification of criticality. Finally, the obtained results enable maintenance managers to identify critical assets requiring priority monitoring, allowing for a more precise assessment of equipment criticality. Additionally, the proposed methodology supports the creation of medium- and long-term investment scenarios, enhancing the predictability of operational and capital expenditures. This approach also contributes to environmental preservation by mitigating the risk of catastrophic failures and their impacts. Keywords: Power Transformers, Criticality, Multicriteria Analysis, Multivariate Analysis, Supervised Learning. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | Capes:001 | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Transformador de Potência | - |
Palavras-chave: dc.subject | Criticidade | - |
Palavras-chave: dc.subject | Análise multicritério | - |
Palavras-chave: dc.subject | Análise multivariada | - |
Palavras-chave: dc.subject | Aprendizado supervisionado | - |
Palavras-chave: dc.subject | Power transformers | - |
Palavras-chave: dc.subject | Criticality | - |
Palavras-chave: dc.subject | Multicriteria analysis | - |
Palavras-chave: dc.subject | Multivariate analysis | - |
Palavras-chave: dc.subject | Supervised learning | - |
Título: dc.title | Uma nova metodologia de criticidade para gestão e priorização de transformadores de potência a partir de método multicritério e análise multivariada | - |
Título: dc.title | A new criticality methodology for the management and prioritization of power transformers based on a multicriteria method and multivariate analysis | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: