Banca de DEFESA: RAFAEL ROCHA MACIEL

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : RAFAEL ROCHA MACIEL
DATA : 10/09/2026
HORA: 09:00
LOCAL: Meet/Sala da Pós Graduação
TÍTULO:

Sistema de Gerenciamento e Manutenção Preditiva de Dispositivos Eletrônicos em Autoestradas Utilizando Gêmeos Digitais

PALAVRAS-CHAVES:

Gêmeo digital. Aprendizado profundo. Vida útil restante. Problema de orientação. Algoritmo genético. Manutenção Preditiva.

PÁGINAS: 99
RESUMO:

A operação confiável de dispositivos descentralizados a bateria na infraestrutura rodoviária moderna apresenta desafios complexos na manutenção preditiva e na logística operacional. Para lidar com esses desafios, este estudo propõe um framework integrado de manutenção preditiva e oportunista, avaliado em um ambiente simulado de duas grandes rodovias brasileiras. Para superar a restrição de usar apenas dados de descarga  arcial, desenvolveuse um gêmeo digital usando uma arquitetura desacoplada de aprendizado profundo em dois estágios. Primeiro, um modelo CNN-Dense (Convolutional Neural Network-Dense) mapeia sinais de tensão parcial para o Estado de Saúde (State of Health - SoH) do ciclo atual, atingindo uma Raiz do Erro Quadrático Médio (Root Mean Square Error - RMSE) de 0,0076 no Conjunto de Dados de Baterias da NASA Ames. Segundo, uma estratégia simultânea de previsão multimodelos processa essas estimativas para prever a Vida Útil Restante (Remaining Useful Life - RUL), resultando em um RMSE de 0,0205 com uma janela retrospectiva (lookback window) de 5 ciclos. Para traduzir esses prognósticos em logística acionável sob restrições rigorosas de turnos, o sistema modelou o roteamento de manutenção como um Problema de Orientação (Orienteering Problem - OP). O SoH e a RUL previstos tornaram-se pontuações de aptidão, priorizando baterias críticas e em rápida degradação. Um Algoritmo Genético (Genetic Algorithm - GA) maximizou essa pontuação acumulada para executar uma estratégia de manutenção oportunista, integrando dinamicamente ativos não críticos de alto risco à trajetória ideal de reparo junto àqueles críticos. Validado por uma prova de conceito de Sistema de Apoio à Decisão (Decision Support System - DSS), o algoritmo de roteamento maximizou o orçamento peracional, usando 94,2% do turno disponível sem violar restrições temporais. Por fim, este framework minimiza despachos logísticos redundantes e maximiza as intervenções preventivas por despacho, garantindo a gestão sustentável de infraestruturas baseadas em IoT.

MEMBROS DA BANCA:
Presidente - 1732597 - RODRIGO MAXIMIANO ANTUNES DE ALMEIDA
Interno - 1999579 - JOAO PAULO REUS RODRIGUES LEITE
Interno - 1183761 - SANDRO CARVALHO IZIDORO
Externo à Instituição - DANTON DIEGO FERREIRA - UFLA