Análise da vida residual e manutenção em compressor de alta pressão de uma turbina de uso aeronáutico

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.

Author dc:creator

• Ribeiro, Carlos Felipe Silva

Statement dc:rights

• Open Access

Language dc:language.iso

pt_BR

Repository record dc:identifier.uri

https://app.uff.br/riuff/handle/1/36509

OAI identifier oai:identifier

oai:app.uff.br:1/36509