Banca de QUALIFICAÇÃO: PAULO ROBERTO LIMA ALMEIDA

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: PAULO ROBERTO LIMA ALMEIDA
DATA: 29/08/2025
HORA: 14:00
LOCAL: VIDEOCONFERÊNCIA
TÍTULO: Análise Multifractal e Aprendizado de Máquina para Diagnóstico de Falhas em Rolamentos: Uma Abordagem Integrada para Sistemas Eletromecânicos
PALAVRAS-CHAVES: Diagnóstico de falhas, análise multifractal, Incremental Dynamic Time Warping, entropia espectral, rolamentos, detecção precoce, manutenção preditiva, aprendizado de máquina, monit
PÁGINAS: 354
RESUMO: Este relatório de qualificação apresenta os resultados parciais da pesquisa de doutorado “Análise Multifractal e Aprendizado de Máquina para Diagnóstico de Falhas em Rolamentos: Uma Abordagem Integrada para Sistemas Eletromecânicos”. O objetivo principal é desenvolver uma metodologia que integre análise de entropia espectral com análise multifractal e Dynamic Time Warping incremental (IncDTW) para diagnóstico de falhas em rolamentos com eficiência computacional aprimorada e capacidade de detecção precoce. Principais Resultados Parciais: O desenvolvimento da pesquisa resultou no framework IncDTW-MFDA, documentado em artigos submetidos a periódicos especializados. Este framework alcançou 99,8% de acurácia com estabilidade de validação cruzada de 1.0000±0.0000, superando métodos de referência em 5,6%. A entropia espectral demonstrou-se uma característica discriminativa relevante com Cohen’s d = 2, 062, apresentando poder discriminativo superior aos métodos estatísticos convencionais. O algoritmo IncDTW obteve complexidade computacional O(n), possibilitando processamento em 22,1 ms. A validação experimental abrangeu tanto progressão de falhas (dataset Paderborn, até 1.217 horas operacionais) quanto condições controladas (dataset CWRU), demonstrando 86,7% de eficácia na detecção precoce durante estágios iniciais de degradação. O framework proposto oferece uma abordagem promissora para diagnóstico baseado em análise de complexidade, com potencial econômico estimado através de detecção precoce. Os resultados indicam que medidas de complexidade podem capturar características de falhas não detectáveis por indicadores estatísticos convencionais, sugerindo uma solução tecnicamente viável e computacionalmente eficiente para aplicação em ambientes industriais.
MEMBROS DA BANCA:
Interno - 1753873 - ABEL CAVALCANTE LIMA FILHO
Presidente - 2579537 - ALISSON VASCONCELOS DE BRITO
Interno - 331013 - FRANCISCO ANTONIO BELO
Externo à Instituição - LEANDRO DIAS DA SILVA
Interno - 1559497 - MOISES DANTAS DOS SANTOS
Externo à Instituição - THYAGO LEITE DE VASCONCELOS LIMA