dc.contributor | Fernandes, Rodrigo Kalko | pt_BR |
dc.contributor.other | Pacholok, Mariano | pt_BR |
dc.contributor.other | Universidade Federal do Paraná. Setor de Tecnologia. Curso de Especialização em Engenharia da Manutenção 4.0 | pt_BR |
dc.creator | Rivera Jimenez, Angel De Jesus | pt_BR |
dc.date.accessioned | 2023-08-29T15:14:09Z | |
dc.date.available | 2023-08-29T15:14:09Z | |
dc.date.issued | 2023 | pt_BR |
dc.identifier.uri | https://hdl.handle.net/1884/84030 | |
dc.description | Orientador: Prof. Dr. Mariano Pacholok | pt_BR |
dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Tecnologia, Curso de Especialização em Engenharia de Manutenção 4.0. | pt_BR |
dc.description | Inclui referências | pt_BR |
dc.description.abstract | Resumo: Este estudo analisou a eficácia de cinco softwares de monitoramento de máquinas com alarme ativo, que utilizam inteligência artificial para a detecção precoce de falhas e a redução de custos de manutenção. Os softwares avaliados foram MachineMetrics, Senseye, Augury, Falkonry e Aspen Mtell. Os resultados mostraram que todos os softwares apresentaram alta precisão na detecção de falhas, com taxas de acerto acima de 90%. O software MachineMetrics apresentou a melhor eficiência, com a capacidade de prever falhas com até 30 dias de antecedência. Os softwares Augury e Falkonry apresentaram os melhores resultados em redução de custos, com redução de até 30% em comparação com a manutenção preventiva. A escolha do software mais adequado dependerá de vários fatores, como o tipo de máquinas a serem monitoradas, o tamanho da empresa e o orçamento disponível | pt_BR |
dc.format.extent | 1 recurso online : PDF. | pt_BR |
dc.format.mimetype | application/pdf | pt_BR |
dc.language | Português | pt_BR |
dc.subject | Software | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Maquinas - Manutenção e reparos | pt_BR |
dc.subject | Controle de custo | pt_BR |
dc.title | Comparação de softwares de monitoramento de máquinas com inteligência artificial para detecção precoce de falhas e redução de custos de manutenção | pt_BR |
dc.type | TCC Especialização Digital | pt_BR |