Uma metodologia experimental para avaliaçãode diagnóstico automatizado de falhas usando oconjunto de dados de rolamentos CWRU
Nome: ANTONIO LUIZ DA SILVA LOCA
Tipo: Dissertação de mestrado acadêmico
Data de publicação: 04/06/2020
Orientador:
Nome |
Papel |
|---|---|
| THOMAS WALTER RAUBER | Orientador |
Banca:
| Nome |
Papel |
|---|---|
| FLÁVIO MIGUEL VAREJÃO | Examinador Interno |
| FRANCISCO DE ASSIS BOLDT | Examinador Externo |
| THOMAS WALTER RAUBER | Orientador |
Resumo: Este trabalho apresenta um procedimento sistemático para comparar de maneira justa os
valores de desempenho experimental para abordagens de aprendizado de máquina para
diagnóstico de falhas com base em sinais de vibração. Na vasta maioria das publicações
científicas relacionadas, a estimativa de acurácia e critérios de desempenho semelhantes
são os únicos parâmetros de qualidade apresentados. A metodologia que foi usada para
gerar os resultados dessas publicações é predominantemente tendenciosa, com base em
métodos de validação demasiadamente simples. Além disso, todos os métodos, em geral,
reciclam padrões idênticos para estimar os melhores hiperparâmetros, introduzindo super
ajuste adicional nos resultados. Para reparar esse problema, foram criticamente analisadas
as condições usadas na divisão de treinamento, validação e teste e foi proposto um
algoritmo que permite uma comparação bem definida dos resultados experimentais. Para
ilustrar as ideias do trabalho, o benchmark Case Western Reserve University Bearing
Data é usado como um caso de estudo. Quatro classificadores distintos são comparados
experimentalmente, sob tarefas de generalização mais difíceis usando a estrutura de
avaliação proposta: K-vizinhos mais próximos, Máquina de Vetor de Suporte, Floresta
Aleatória e Rede Neural Convolucional unidimensional. Uma extensa revisão da literatura
sugere que a maioria dos trabalhos de pesquisa da Case Western Reserve University
Bearing Data usa padrões semelhantes para treinamento e teste, tornando sua classificação
uma tarefa fácil
