Este trabalho propõe uma metodologia para o prognóstico de sistemas baseada na técnica de Inteligência Computacional denominada Raciocínio Baseado em Casos. Realiza-se inicialmente uma revisão bibliográfica dos principais métodos utilizados para prognóstico de equipamentos e econômico. Em seguida, apresenta-se histórico de evolução das pesquisas em Raciocínio Baseado em Casos e propõe-se algoritmo genérico para prognóstico de sistemas baseado nessa técnica. O algoritmo proposto fundamenta-se na definição de uma função condição do sistema e na construção de uma série temporal capaz de representar sua evolução no tempo, composta por termos de tendência, elementos sazonais e variáveis binárias. A série temporal é dividida em diferentes cenários candidatos de acordo com a modificação de variáveis exógenas que representam condições ambientais externas ao sistema. Os cenários candidatos são avaliados mediante teste de hipóteses, persistindo como cenários válidos apenas aqueles correspondentes a modificações das variáveis exógenas que alteraram significativamente a série temporal de evolução do fenômeno. Associa-se um modelo de progressão específico para cada cenário válido. O modelo utilizado para fins de prognóstico é determinado pela combinação de modelo de progressão do cenário mais atual com o modelo associado ao cenário passado mais similar ao atual. O método proposto foi testado no prognóstico de sistemas de diferentes naturezas, mostrando-se suficientemente genérico, abrangente e fácil de ser aplicado.

Redes Bayesianas (RB) oferecem um método prático para o tratamento de incertezas em sistemas especialistas probabilísticos. Considerando que os problemas de atualização de crença e revisão crença em redes multiplamente conectadas são NP-Difíceis, alguns pesquisadores aplicaram processos de meta-raciocínio às inferências, para selecionar algoritmos para as tarefas. Quando possível, os métodos exatos devem ser adotados. Caso contrário, os algoritmos aproximados podem ser selecionados. Como a qualidade das inferências aproximadas varia a cada instância, os dados de entrada contêm características que afetam os desempenhos dos algoritmos. O problema de meta-raciocínio investigado está relacionado com a escolha do algoritmo para uma determinada instância de inferência, considerando restrições temporais. Para realizar meta-raciocínio, essa Tese propõe um método de caracterização da RB e associação conjunta dessas características, aplicando análises multivariadas. Os modelos são utilizados para a predição da probabilidade de que um algoritmo exato possa ser adotado em uma instância específica ou para a escolha do algoritmo aproximado com a melhor qualidade dos resultados. Análises experimentais comparam algumas abordagens alternativas, tais como análise de regressão simples, curvas de utilidade e técnicas de aprendizagem de máquina, mostrando resultados superiores quando análises multivariadas são aplicadas no processo de meta-raciocínio.

Metodologias de prognóstico de falhas têm atraído a atenção da indústria aeronáutica devido à necessidade de aperfeiçoar o planejamento da manutenção, maximizar a vida útil em operação dos equipamentos, aumentar a disponibilidade e a segurança, minimizar os custos de operação e manutenção ao longo da vida útil do sistema. O presente trabalho tem por objetivo propor uma metodologia de prognóstico de falhas baseada em modelo para o sistema de atuação do leme da aeronave EMBRAER 190. Esta metodologia consiste em modelar, simular, extrair características e analisar a condição real do sistema, com o intuito de realizar previsões acerca do tempo de vida remanescente do atuador do sistema. Os resultados são avaliados através da inserção de falhas incipientes em modelos simulados de um atuador para o sistema de leme da aeronave EMBRAER 190. Assim, uma estimativa do instante da falha é obtida com um grau de confiança associado.