Investigação do uso de métodos estatísticos e computacionais para prever falhas em componentes aeronáuticos
Carregando...
Arquivos
Data
2023-12-11
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
O presente trabalho aborda uma investigação voltada à construção de um sistema dedicado à previsão
de falhas em componentes aeronáuticos, como uma solução para o desafio de otimização do estoque em
operadores aéreos. A pesquisa propõe uma abordagem embasada em métodos estatísticos de machine
learning e computacionais de big data. A análise teórica fundamenta-se na revisão de métodos
avançados como machine learning e computação em nuvem, aplicados à manutenção preditiva. Como
resultado, a pesquisa traz um framework prático do sistema, consolidando todas as tratativas que os
dados devem seguir para os devidos fins. Além disto, o presente trabalho aborda extensas discussões
sobre a viabilidade financeira e retorno sobre o investimento (ROI) do framework proposto. Este
estudo contribui não apenas para a academia, ao agregar conhecimento ao campo da manutenção
preditiva em aeronaves, mas também destaca a aplicabilidade prática e os benefícios econômicos do
desenvolvimento do sistema proposto. Tanto os resultados quanto as discussões proporcionam uma
base sólida para futuras implementações e pesquisas na área, promovendo avanços significativos na
eficiência e segurança operacional da indústria aeronáutica.
This present work focuses on an investigation aimed at developing a system dedicated to predicting failures in aeronautical components, as a solution to the challenge of optimizing stock in air operators. The research proposes an approach based on statistical methods of machine learning and computational big data. The theoretical analysis is based on a review of advanced methods such as machine learning and cloud computing applied to predictive maintenance. The proposed methodology involves implementing an innovative system using cloud computing resources for predicting failures in critical aircraft components. As a result, the research provides a practical system framework, consolidating all the data procedures necessary for their proper purposes. Additionally, the present work addresses extensive discussions on the financial viability and return on investment (ROI) of the proposed framework. This study contributes not only to academia by adding knowledge to the field of predictive maintenance in aircraft but also highlights the practical applicability and economic benefits of developing the proposed system. Both the results and discussions provide a solid foundation for future implementations and research in the field, promoting significant advancements in the efficiency and operational safety of the aeronautical industry.
This present work focuses on an investigation aimed at developing a system dedicated to predicting failures in aeronautical components, as a solution to the challenge of optimizing stock in air operators. The research proposes an approach based on statistical methods of machine learning and computational big data. The theoretical analysis is based on a review of advanced methods such as machine learning and cloud computing applied to predictive maintenance. The proposed methodology involves implementing an innovative system using cloud computing resources for predicting failures in critical aircraft components. As a result, the research provides a practical system framework, consolidating all the data procedures necessary for their proper purposes. Additionally, the present work addresses extensive discussions on the financial viability and return on investment (ROI) of the proposed framework. This study contributes not only to academia by adding knowledge to the field of predictive maintenance in aircraft but also highlights the practical applicability and economic benefits of developing the proposed system. Both the results and discussions provide a solid foundation for future implementations and research in the field, promoting significant advancements in the efficiency and operational safety of the aeronautical industry.
Descrição
Palavras-chave
Analise de series temporais, Aprendizado do computador, Computação em nuvem, Controle de estoque, Manutenção
Como citar
LORETI, L. Investigação do uso de métodos estatísticos e computacionais para prever falhas em componentes aeronáuticos. 2023. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Aeronáutica) — Faculdade de Engenharia, Universidade Estadual Paulista "Júlio de Mesquita Filho", São João da Boa Vista, 2023.