Publication
Computational models for behavioral analysis of an aircraft turbine
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Mecânica | pt_PT |
| dc.contributor.advisor | Pereira, Ana I. | |
| dc.contributor.advisor | Bertachi, Arthur Hirata | |
| dc.contributor.author | Pinto, Matheus Henrique Menezes | |
| dc.date.accessioned | 2024-07-25T08:22:26Z | |
| dc.date.available | 2024-07-25T08:22:26Z | |
| dc.date.issued | 2024 | |
| dc.description | Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná | pt_PT |
| dc.description.abstract | In the era of globalization, emphasis on economic advancement becomes pivotal, intensifying market competition and necessitating novel strategies and technologies to meet the demands of society. Within the aviation domain, alongside the pursuit of cost reduction and process efficiency, safety remains paramount. In response to these challenges, this study introduces the application of artificial intelligence to evaluate the degradation level of a pivotal aviation component: the gas turbine. This study is founded on a detailed case study utilizing data from the Commercial Modular Aero-Propulsion System Simulation (C-MAPSS) provided by the National Aeronautics and Space Administration (NASA). By integrating predictive maintenance principles and artificial intelligence models, the core objective is to proactively anticipate equipment operational conditions, enabling planned and precise repairs or replacements. Our study stands out for implementing techniques for converting and categorizing the equipment’s state in relation to its remaining useful life. By translating data, we haveachieved potentially useful results for practical use. This approach not only allows for an assessment of gas turbine wear but also facilitates informed decision-making regarding maintenance and replacement. The ability to anticipate problems before they occur not only reduces the costs associated with unscheduled maintenance but also significantly increases passenger safety, demonstrating the positive impact of artificial intelligence in the aerospace industry. The results obtained are promising when compared to the existing literature, validating the potential practical application of the developed techniques. | pt_PT |
| dc.description.abstract | Com o avanço da globalização, a economia torna-se cada vez mais competitiva, exigindo a implementação de novas estratégias e tecnologias para atender às demandas da sociedade. Na indústria aeronáutica, onde a segurança é fundamental, além da necessidade de re- duzir custos e aprimorar a eficiência dos processos, surge a importância de inovar. Este trabalho se concentra na aplicação de inteligência artificial para avaliar o desgaste de um componente crítico da aviação - a turbina a gás. A pesquisa é baseada em um estudo de caso que utiliza dados do C-MAPSS da NASA. Através da combinação de técnicas de manutenção preditiva e modelos de inteligência artificial, nosso objetivo é antecipar o momento em que o equipamento precisa de reparo ou substituição, permitindo um planejamento adequado. Nosso estudo se destaca pela implementação de técnicas de conversão e categorização do estado do equipamento em relação à sua vida útil restante. Ao traduzir dados conseguimos atingir resultados potencialmente úteis para uso na prática. Essa abordagem não apenas permite uma avaliação do desgaste da turbina a gás, mas também facilita a tomada de decisões informadas sobre manutenção e substituição. A capacidade de antecipar problemas antes que ocorram não apenas reduz os custos associados à manutenção não programada, mas também aumenta significativamente a segurança dos passageiros, demonstrando assim o impacto positivo da inteligência artificial na indústria aeronáutica. Os resultados obtidos mostram-se promissores quando comparados à literatura existente, validando a possível aplicação prática das técnicas desenvolvidas. | pt_PT |
| dc.identifier.tid | 203665171 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10198/30085 | |
| dc.language.iso | eng | pt_PT |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc/4.0/ | pt_PT |
| dc.subject | Predictive maintenance | pt_PT |
| dc.subject | Aeronautics | pt_PT |
| dc.subject | Machine learning | pt_PT |
| dc.title | Computational models for behavioral analysis of an aircraft turbine | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | embargoedAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Engenharia Mecânica | pt_PT |