2018
América do Sul

Painel 8

Diagnóstico Autônomo de Falhas em Máquinas de Chave

O cenário mundial atual do modal ferroviário é promissor, e tem recebido investimentos tecnológicos que alavancam sua eficiência. Segurança, aliada ao baixo custo, fazem com que este tipo de transporte seja muitas vezes mais atrativo do que os demais modais.
Dentre os equipamentos utilizados no setor ferroviário, as máquinas de chave desempenham uma função vital para o processo. Estes ativos, majoritariamente elétricos, são responsáveis pela movimentação da agulha, permitindo a transição de veículos entre as vias férreas.
A operação das máquinas de chave cresce proporcionalmente à demanda de trens. Estes equipamentos operam diariamente, expostos a intempéries, esforços mecânicos intensos, vandalismo e muitas vezes não recebem manutenção de forma adequada. Diante desse cenário, falhas são comuns e, embora seja difícil evitar que elas aconteçam, é possível prevê-las.
Este trabalho tem por objetivo apresentar uma aplicação que identifique falhas antes que elas aconteçam. Baseado em um histórico de movimentação composto por máquinas de chave em boas e em más condições, é possível treinar um computador para identificar padrões e tendências que apontem equipamentos que precisam de manutenção preditiva. Para isso são aplicados os conceitos de machine learning e random forest pela linguagem de programação Python.

Gustavo Presto de Oliveira
Co-autor: Sérgio Rossignoli
MRS Logística
Brasil