ISSN 2594-5327
74º Congresso Anual da ABM — vol. 74, num.74 (2019)
Título
Autoria
DOI
Downloads
Resumo
Desde o surgimento da revolução industrial, a engenharia de manutenção tem como objetivo reduzir o tempo de inatividade e maximizar a eficiência de equipamentos. A ciência de dados está preparada para desempenhar um papel importante na evolução da manutenção na era da Indústria 4.0 e IoT. As primeiras empresas a descobrir como converter automaticamente seus vastos dados em insights acionáveis ganharam uma enorme vantagem competitiva. Discute-se neste trabalho como gerir dados operacionais ou de fabricação para maximizar a produtividade operacional, criar serviços de manutenção altamente eficientes e reduzir os custos de paralisações e reparos através do aprendizado de máquina e de ciência de dados.
Since the dawn of the industrial revolution, maintenance engineering has aimed to reduce downtime and maximize efficiency. Data science is poised to play a major role in the evolution of maintenance as we enter the age of Industry 4.0 and IoT. The first companies to figure out how to automatically convert their vast data into actionable insights will gain a huge competitive advantage. This paper discusses how to manage operational or manufacturing data to maximize operational productivity, build highly efficient maintenance services, and reduce the costs of downtime & repairs through machine learning and data science.
Palavras-chave
Ciência de dados; Manutenção preditiva e Aprendizado de máquina
Data science; Predictive maintenance and Machine learning
Como citar
Fugihara, Marcelo Koiti;
Yamada, Fábio Heiji;
Alves, Jéssica Moura.
NOVAS TECNOLOGIAS DE MANUTENÇÃO PREDITIVA UTILIZANDO CIÊNCIA DE DADOS
,
p. 758-765.
In: 74º Congresso Anual da ABM,
São Paulo,
2019.
ISSN: 2594-5327
, DOI 10.5151/2594-5327-33281
