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 | Oliveira, Helton Luiz Santana | - |
Autor(es): dc.contributor | Lima, Gilson Brito Alves | - |
Autor(es): dc.contributor | Hecksher, Suzana Dantas | - |
Autor(es): dc.creator | Ribeiro, Carlos Felipe Silva | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:10:14Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:10:14Z | - |
Data de envio: dc.date.issued | 2025-02-11 | - |
Data de envio: dc.date.issued | 2025-02-11 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/36509 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1055867 | - |
Descrição: dc.description | Os avanços no campo da engenharia e tecnologia possibilitaram a ascensão da abordagem de manutenção preditiva dentro das empresas. A manutenção preditiva difere de abordagens anteriores pois possibilita planos de ação antes da ocorrência das falhas, contribuindo para a gestão de manutenção. A gestão de motores aeronáuticos desempenha um papel central na segurança operacional, eficiência econômica e experiência dos passageiros. O presente trabalho analisou o uso de algoritmos de machine learning na predição de vida útil restante (RUL) de compressores de alta pressão em motores turbofan, utilizando dados simulados que refletem condições reais de operação. O estudo conduzido foi capaz de validar a eficácia da abordagem de predição de vida útil restante no conjunto de dados do CMAPSS Jet Engine Simulated Data. De forma complementar, a análise de importância de variáveis ajudou a destacar e entalpia de ar sangrado como variável crítica do problema, enquanto o K-Means foi essencial para identificar limiares que direcionam ações preventivas e corretivas. Por fim, este estudo foi capaz de demonstrar como a integração de técnicas de machine learning na manutenção preditiva podem ter impacto positivo no setor aeronáutico. | - |
Descrição: dc.description | Advances in engineering and technology have enabled the rise of the predictive maintenance approach within companies. Predictive maintenance differs from previous approaches because it enables action plans before failures occur, contributing to maintenance management. Aircraft engine management plays a central role in operational safety, economic efficiency, and passenger experience. This work analyzed the use of machine learning algorithms in the prediction of remaining useful life (RUL) of high-pressure compressors in turbofan engines, using simulated data that reflect real operating conditions. The study conducted was able to validate the effectiveness of the remaining useful life prediction approach in the CMAPSS Jet Engine Simulated Data dataset. In addition, the analysis of variable importance helped to highlight bleed enthalpy as a critical variable of the problem, while K-Means was essential to identify thresholds that direct preventive and corrective actions. Finally, this study was able to demonstrate how the integration of machine learning techniques in predictive maintenance can have a positive impact on the aeronautical sector. | - |
Descrição: dc.description | 71 f. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Manutenção preditiva | - |
Palavras-chave: dc.subject | Vida residual | - |
Palavras-chave: dc.subject | Manutenção aeronáutica | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Compressor | - |
Palavras-chave: dc.subject | Ciclo de vida do produto | - |
Palavras-chave: dc.subject | Predictive maintenance | - |
Palavras-chave: dc.subject | Residual life | - |
Palavras-chave: dc.subject | Machine learning | - |
Título: dc.title | Análise da vida residual e manutenção em compressor de alta pressão de uma turbina de uso aeronáutico | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
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: