Aplicação de modelos de aprendizado de máquina para a previsão da temperatura de um motor elétrico

Abstract

Os dados vêm moldando a nova fase industrial e empresarial que vivemos, sendo considerado o novo petróleo da era digital pela grande possibilidade de valorização de recursos que ele traz. Com o grande avanço tecnológico e capacidade de armazenamento, surgiram ferramentas sofisticadas para analisar o grande volume de dados, juntamente com algoritmos capazes de identificar padrões e realizar previsões baseados em métodos estatísticos conforme aprendem analisando os dados fornecidos a ele. Esse novo conceito de análise de dados baseia-se no Aprendizado de Máquina, que vem sendo amplamente usado para aumentar os investimentos e nossa qualidade de vida. Neste trabalho investiga-se formas de aplicações de análise de dados e métodos baseados no Aprendizado de Máquina utilizando uma base de dados aplicada a temperaturas de um motor síncrono de ímã permanente. O método utilizado constituiu em passar por todas as etapas da aplicação de aprendizado de máquina, desde a seleção, tratamento de dados, visualizações e por fim, a criação de 5 modelos preditivos utilizando diferentes algoritmos e suas interpretações. O Python foi utilizado como linguagem de programação para implementar o exercício de aprendizado de máquinas. Por fim, foi possível comparar a performance dos diferentes algoritmos aplicados e concluir que o método da Regressão Polinomial de ordem 3 se mostrou o melhor para este estudo de caso, com uma variância explicada de 93%, indicando que este modelo é eficaz para a base de dados em específico.

Data has been shaping the new industrial and business phase that we are experiencing; it being considered the new oil of the digital age due to the great possibility of valuing resources that it brings. With the great technological advancement and storage capacity, sophisticated tools emerged to analyze big data, along with algorithms capable of identify patterns e realize predictions based on statistical methods as they learn analyzing data provided to it. This new concept of analyzing data is based on Machine Learning, that has been used to enhance investments and our life quality. This work will investigate the ways of applying data analysis and methods based on Machine Learning utilizing a database of motor temperatures. The method used consists of going through all stages of machine learning, from selection, data treating, visualizations and finally formation of five predictive models using different algorithms for prediction of engine failures and its results analysis. Python was used as a programming language for implementing Machine Learning. Finally, it was possible to compare the performance of those different algorithms and conclude that Polynomial Regression of third degree method presented the best result for this specific case, providing a explained variance of 93%, proving to be an algorithm very effective for this database of engine failures.