Système de maintenance utilisant l'intelligence artificielle

Ce livre présente une nouvelle proposition pour la prérépartition de la charge en tenant compte de l'état technique des moteurs des centrales thermoélectriques en combinant diverses techniques de maintenance et de diagnostic basées sur l'intelligence informatique par le biais de la logique floue. Le diagnostic de l'état technique des moteurs est effectué à l'aide de l'analyse de l'huile de lubrification, de l'analyse des vibrations et de la thermographie. Grâce à ces données et à l'analyse statistique, il est possible de prévoir le moment où un moteur risque de tomber en panne, même en cas de charge de pré-décharge. Afin d'accroître la fiabilité des moteurs et de l'alimentation électrique, le programme de gestion de la maintenance (PGM) a été mis en oeuvre, en utilisant des outils de gestion, en appliquant uniquement les 4 piliers de la TPM (Total Productive Maintenance) et en les combinant avec la maintenance prédictive et les diagnostics, ce qui permet à la direction de réduire les arrêts correctifs de l'équipement de l'usine. Les résultats obtenus après la mise en oeuvre sont les suivants : réduction des coûts annuels de maintenance, réduction de la maintenance corrective, augmentation du MTBF (temps moyen entre les défaillances).

Autorentext

Milton Fonseca Junior was born in Manaus, Amazonas State, in 1969. He received a degree from the Federal University of Amazonas in 1997 and obtained Master's and Ph. Degree from the Federal University of Pará in 2013 and 2018, respectively, all in Electrical Engineering. He is currently a Researcher in Information Systems Development.