Análise de Dados para Apoiar a Tomada de Decisão na Gestão de Ativos de Energia Alupar

N/D

Autores

Cunha, Enzo Stefani Vita
Blasbalg, Felipe
Afrange, Jerônimo

Co-orientadores

Citações na Scopus

Tipo de documento

Trabalho de Conclusão de Curso

Data

2024

Unidades Organizacionais

Resumo

Este projeto consiste em colaborar no apoio à tomada de decisões dos operadores dos ativos de energia da Alupar. O objetivo é desenvolver uma ferramenta que possa captar dados e transformá-los em informações úteis, destacando novas características do processo ou problema em estudo. Para o desafio da ferramenta do projeto, foi escolhida a análise da incidência de falhas para manutenção preditiva nas bombas hidráulicas de drenagem da Usina Hidrelétrica (UHE) de São José – RS. Dados como o nível de água e o histórico de operação das bombas foram coletados para criar gráficos, permitir a identificação de tendências e prever a necessidade de manutenção, enquanto as bombas ainda estão em funcionamento. Com a limpeza e análise dos dados recebidos, foi possível criar um modelo de predição de falhas com base em métodos de Machine Learning. Por fim, para garantir a organização do grupo e alinhamento com a Alupar, utilizou-se o método de desenvolvimento Cascata durante a construção da ferramenta, que segue uma abordagem estruturada e linear.

This project aims to support decision-making processes for energy asset operators at Alupar. The objective is to develop a tool capable of collecting data and transforming it into actionable information, highlighting new characteristics of the studied processes or problems. For the project's tool challenge, the focus was on analyzing the incidence of failures for predictive maintenance in the drainage hydraulic pumps of the São José Hydroelectric Plant (UHE) in Rio Grande do Sul, Brazil. Data such as water levels and the operational history of the pumps were collected to generate graphs, identify trends, and predict maintenance needs while the pumps remain operational. Through the cleaning and analysis of the received data, a failure prediction model was developed based on Machine Learning methods. Finally, to ensure group organization and alignment with Alupar, the Waterfall development method was employed during the tool's construction, following a structured and linear approach.

Palavras-chave

Tomada de decisão; Manutenção preditiva; Análise da incidência de falhas; Método Cascata; Bombas Hidráulicas; Decision-making; Predictive maintenance; Failure incidence analysis; Waterfall method; Hydraulic pumps

Titulo de periódico

URL da fonte

Título de Livro

URL na Scopus

Idioma

Português

Notas

Projeto realizado para a empresa Alupar - Mentor na empresa: Otto Hernadez

Área do Conhecimento CNPQ

ENGENHARIAS

OUTROS::ENGENHARIA MECATRONICA

CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS

Citação

Avaliação

Revisão

Suplementado Por

Referenciado Por