1. Biblioteca Digital de Teses e Dissertações da UFCG
  2. Campus Campina Grande | Centro de Engenharia Elétrica e Informática - CEEI
  3. CURSOS DE GRADUAÇÃO DO CEEI
  4. Curso de Bacharelado em Engenharia Elétrica
  5. Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias
Please use this identifier to cite or link to this item: https://dspace.sti.ufcg.edu.br/jspui/handle/riufcg/42557
Full metadata record
DC FieldValueLanguage
dc.creator.IDSILVA NETO, J. G.pt_BR
dc.creator.Latteshttp://lattes.cnpq.br/4952054337296218pt_BR
dc.contributor.advisor1LIRA, George Rossany Soares.-
dc.contributor.advisor1IDLIRA, G. R. S.pt_BR
dc.contributor.advisor1IDLIRA, G.pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/7283717300126094pt_BR
dc.description.resumoEste trabalho apresenta uma nova abordagem para a análise de faltas em turbogeradores. O sistema proposto tem por finalidade antecipar a visualização de uma eventual intercorrência no processo de operação, a fim de proporcionar ampliação à longevidade do equipamento. A partir de informações de falhas no sistema, associadas às leituras dos sensores locais, foi implementado um algoritmo de informação mútua a fim de correlacionar as duas informações. Para o banco de dados base foi utilizada a ferramenta matriz ampliada, fornecendo diferentes perspectivas, para um mesmo objeto de estudo. Por meio da matriz ampliada, torna-se possível, para o sistema, confrontar resultados oriundos de uma mesma base de dados, indicando quais leituras apresentam maior confiabilidade para a análise. Essa ferramenta foi de imprescindível importância para o cálculo de informação mútua, realizado no código exposto. Ao longo do trabalho, o código sofreu diversas otimizações, que foram resumidas em duas macroanálises, a primeira evidenciando o método de concatenação utilizado e a segunda elucidando o método de cálculo da informação mútua. Por fim, um tratamento de dados foi implementado, possibilitando uma redução na base de dados em 86% e uma redução no tempo de execução em 77%.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentCentro de Engenharia Elétrica e Informática - CEEIpt_BR
dc.publisher.initialsUFCGpt_BR
dc.subject.cnpqEngenharia Elétricapt_BR
dc.titleCiência de dados aplicada ao desenvolvimento de modelo de predição de falhas em turbogeradores.pt_BR
dc.date.issued2022-08-
dc.description.abstractThis work presents a new approach to fault analysis in turbogenerators. The purpose of the proposed system is to anticipate the visualization of a possible intercurrence in the operation process, in order to increase the longevity of the equipment. Based on information about system failures, associated with readings from local sensors, a mutual information algorithm was implemented in order to correlate the two pieces of information. For the base database, the extended matrix tool was used, providing different perspectives for the same object of study. Through the expanded matrix, it becomes possible for the system to compare results from the same database, indicating which readings present greater reliability for the analysis. This tool was essential for the calculation of mutual information, performed in the exposed code. Throughout the work, the code underwent several optimizations, which were summarized in two macroanalyses, the first evidencing the concatenation method used and the second elucidating the method of calculating the mutual information. Finally, a data treatment was implemented, allowing a reduction in the database by 86% and a reduction in execution time by 77%.pt_BR
dc.identifier.urihttps://dspace.sti.ufcg.edu.br/jspui/handle/riufcg/42557-
dc.date.accessioned2025-07-23T17:53:36Z-
dc.date.available2025-07-23-
dc.date.available2025-07-23T17:53:36Z-
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.subjectInformação mútuapt_BR
dc.subjectMatriz ampliadapt_BR
dc.subjectAnálise de faltaspt_BR
dc.subjectConfiabilidadept_BR
dc.subjectTratamento de dadospt_BR
dc.subjectMutual informationpt_BR
dc.subjectExtended matrixpt_BR
dc.subjectFault analysispt_BR
dc.subjectReliabilitypt_BR
dc.subjectData processingpt_BR
dc.subjectInformación mutuapt_BR
dc.subjectMatriz extendidapt_BR
dc.subjectAnálisis de fallospt_BR
dc.subjectConfiabilidadpt_BR
dc.subjectProceso de datos-
dc.rightsAcesso Abertopt_BR
dc.creatorSILVA NETO, José Gomes da.-
dc.publisherUniversidade Federal de Campina Grandept_BR
dc.languageporpt_BR
dc.title.alternativeData science applied to the development of a failure prediction model in turbogenerators.pt_BR
dc.title.alternativeCiencia de datos aplicada al desarrollo de un modelo de predicción de fallos en turbogeneradores.pt_BR
dc.identifier.citationSILVA neto, José Gomes. Ciências de dados aplicada ao desenvolvimento de modelo de predição de falhas em turbogeradores. 2022. 38 fl. Curso de Bacharelado em Engenharia Elétrica, Centro de Engenharia Elétrica e Informática , Universidade Federal de Campina Grande – Paraíba Brasil, 2022. Disponível em: https://dspace.sti.ufcg.edu.br/jspui/handle/riufcg/42557pt_BR
dc.description.resumenEste trabajo presenta un nuevo enfoque para el análisis de fallas en turbogeneradores. El sistema propuesto busca anticipar la detección de un posible problema en el proceso de operación, prolongando así la vida útil del equipo. Utilizando la información de fallas del sistema asociada a las lecturas de los sensores locales, se implementó un algoritmo de información mutua para correlacionar ambos datos. La herramienta de matriz expandida se utilizó para la base de datos base, lo que proporciona diferentes perspectivas sobre el mismo objeto de estudio. A través de la matriz expandida, el sistema puede comparar los resultados de la misma base de datos, indicando qué lecturas son más fiables para el análisis. Esta herramienta fue crucial para el cálculo de la información mutua, realizado en el código expuesto. A lo largo del trabajo, el código se sometió a varias optimizaciones, que se resumieron en dos macroanálisis: el primero destaca el método de concatenación utilizado y el segundo explica el método de cálculo de la información mutua. Finalmente, se implementó el procesamiento de datos, lo que permitió una reducción del 86 % en el tamaño de la base de datos y del 77 % en el tiempo de ejecución.pt_BR
Appears in Collections:Curso de Bacharelado em Engenharia Elétrica - CEEI - Monografias

Files in This Item:
File Description SizeFormat 
JOSÉ GOMES DA SILVA NETO - Curso de Graduação em Engenharia Elétrica 2022 (CAMPINA GRANDE).pdfJosé Gomes da Silva Neto - TCC Engenharia Elétrica CEEI 2022833.82 kBAdobe PDFView/Open
Show simple item record


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.