Please use this identifier to cite or link to this item: http://repositoriosenaiba.fieb.org.br/handle/fieb/1848
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSouza, Carlos Augusto de-
dc.contributor.authorNascimento, Leonardo Lopes-
dc.date.accessioned2024-06-28T21:48:51Z-
dc.date.available2024-06-28T21:48:51Z-
dc.date.issued2024-
dc.identifier.citationNASCIMENTO, Leonardo Lopes. Previsão de integridade em tubulações industriais através de redes neurais: uma abordagem abrangente. Orientador: Carlos Augusto de Souza. 2024. 22 f. Artigo (Especialização em Engenharia de Confiabilidade) – Centro Universitário SENAI CIMATEC, Salvador, 2024.pt_BR
dc.identifier.urihttp://repositoriosenaiba.fieb.org.br/handle/fieb/1848-
dc.description"Todos os direitos reservados. É permitida a reprodução parcial ou total desta obra, desde que citada a fonte e que não seja para venda ou qualquer fim comercial."pt_BR
dc.description.abstractThis article evaluates the integrity of industrial drainage pipes, aiming at operational reliability in complex systems. In the face of diversity of materials and fluids used, the use of Artificial Neural Networks (ANNs) emerges as a promising approach. Authors such as Elsayed and Lafraia highlight the relevance of reliability in industrial contexts. The methodology adopted it comprised the normalization of data collected from the pipes, pre-processing and exploratory analysis. The Multi-Layer Perceptron (MLP), validation Stratified K-Fold crossover and L2 regularization were strategies chosen for the model construction. The results were consistent, with accuracy test averages ranging from 83.77% to 91.54%. The predictions confirmed trends identified in the exploratory analysis, highlighting the influence of the material and type of fluid in the predictions. The synergy between technical knowledge and AI has proven to be a valuable resource to improve reliability management in environments complex industrial. The conclusions indicate that the application of ANNs in the evaluation of pipeline integrity offers the potential to improve decision-making, optimize maintenance and extend the useful life of these systems, impacting positively the industry as a whole.pt_BR
dc.language.isopt_BRpt_BR
dc.subjectRedes neurais artificiaispt_BR
dc.subjectConfiabilidadept_BR
dc.subjectDrenagem industrialpt_BR
dc.subjectTubulações enterradaspt_BR
dc.titlePrevisão de integridade em tubulações industriais através de redes neurais: uma abordagem abrangentept_BR
dc.typeProdução bibliográfica: Artigos aceitos para publicaçãopt_BR
dc.description.localpubSalvador/BApt_BR
dc.embargo.termsAbertopt_BR
dc.description.resumoEste artigo avalia a integridade de tubulações de drenagem industrial, visando à confiabilidade operacional em sistemas complexos. Diante da diversidade de materiais e fluidos empregados, a utilização de Redes Neurais Artificiais (RNAs) surge como uma abordagem promissora. Autores como Elsayed e Lafraia ressaltam a relevância da confiabilidade em contextos industriais. A metodologia adotada compreendeu a normalização dos dados coletados das tubulações, pré processamento e análise exploratória. O Multi-Layer Perceptron (MLP), validação cruzada Stratified K-Fold e regularização L2 foram estratégias escolhidas para a construção do modelo. Os resultados apresentaram consistência, com acurácias médias de teste variando entre 83.77% à 91.54%. As previsões confirmaram tendências identificadas na análise exploratória, destacando a influência do material e tipo de fluido nas previsões. A sinergia entre conhecimento técnico e IA evidenciou se como recurso valioso para aprimorar a gestão da confiabilidade em ambientes industriais complexos. As conclusões indicam que a aplicação de RNAs na avaliação da integridade de tubulações oferece potencial para melhorar a tomada de decisões, otimizar a manutenção e prolongar a vida útil desses sistemas, impactando positivamente a indústria como um todo.pt_BR
Appears in Collections:Artigos (Pós-Graduação) - Especialização em Engenharia de Confiabilidade

Files in This Item:
File Description SizeFormat 
ARTIGO_LEONARDO LOPES NASCIMENTO.pdfARTIGO / ESPECIALIZAÇÃO / SENAI CIMATEC478.42 kBAdobe PDFView/Open


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