Divulgação - DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 285
Aluno: Aldonso Martins de Oliveira Júnior
Título: “Anomaly Detection Techniques in the Service of Data Labling for Fault Diagnosis in Manufaturing"
Orientador: Alexandre Magno Andrade Maciel - (PPGEC)
Examinador Externo: Abel Guilhermino da Silva Filho - (UFPE)
Examinador Interno: João Fausto Lorenzato de Oliveira - (PPGEC)
Data-hora: 21 de dezembro de 2023, às 08:30h.
Local: Formato Remoto - Google Meet.
Resumo:
Esta tese investiga a aplicação de técnicas de detecção de anomalias não supervisionadas para detecção de falhas em maquinário industrial, especialmente em ambientes com escassez de dados rotulados. Baseando-se no trabalho de Leite et al. (2022), este estudo abrangente envolve duas abordagens investigativas principais: inicialmente, empregando modelos de detecção de anomalias treinados em dados normais para identificação de falhas, e, em seguida, introduzindo uma organização inovadora de conjuntos de dados para aprimorar a eficácia da detecção. A pesquisa demonstra a eficiência destes modelos na detecção de falhas e seu potencial em auxiliar no processo de rotulação de condições anormais. Descobertas notáveis incluem a capacidade dos modelos em suportar a rotulação de novas condições de falhas e a viabilidade de reduzir as taxas de amostragem sem comprometer o desempenho. Este trabalho contribui significativamente para o campo de detecção de falhas industriais, destacando a adaptabilidade e eficiência da detecção de anomalias em cenários com dados limitados, e fornece insights sobre metodologia, métricas de avaliação e direções para pesquisas futuras.
O Programa
