Aplicação de algoritmos de associação para análise de comportamento de falhas em rolamento de material rodante

Abstract

As interrupções de circulação de trem da Companhia Vale do Rio Doce acarretam em perdas de produtividade na cadeia logística de transporte de minério. No contexto do processo de controle de tráfego ferroviário, a tomada de decisão pela parada do trem em função dos problemas relacionados às falhas no rolamento de um vagão é algo problemático, gerando perdas financeiras para a Vale. Sendo assim, uma parada de vagão para manutenção preventiva é menos prejudicial, pois evita que toda a composição de vagões seja parada para uma manutenção corretiva. O fluxo de dados proveniente das medições realizadas pelo sistema de monitoramento da viagem do trem é intenso, gerando um conjunto de dados com considerável volume, variedade, velocidade e valor, caracterizando um cenário de Big Data. O método de associação é um procedimento conhecido para fazer mineração de dados, o qual torna possível a descoberta de padrões de falhas ao analisar um conjunto conhecido de dados. De acordo com isso, este trabalho propõe fazer um estudo a partir do conjunto de dados referente às falhas de temperatura e ruídos acústicos nos rolamentos de vagões da empresa Vale, para identificar padrões desconhecidos. Algoritmos de associação foram utilizados nos experimentos, com enfoque no aprendizado de máquina não supervisionado. A partir dos resultados obtidos, foi analisado quais regras são úteis para auxiliar no processo de manutenção preventiva de vagões.