Submitted by Almir Azevedo (barbio1313@gmail.com) on 2013-12-09T15:57:53Z
No. of bitstreams: 1
dissertacao_mestrado_ien_2010_03.pdf: 1621960 bytes, checksum: e63c49dff927a279c98b2d05d4b60a04 (MD5) / Made available in DSpace on 2013-12-09T15:57:53Z (GMT). No. of bitstreams: 1
dissertacao_mestrado_ien_2010_03.pdf: 1621960 bytes, checksum: e63c49dff927a279c98b2d05d4b60a04 (MD5)
Previous issue date: 2010 / Procedimentos e técnicas para maximizar a confiabilidade e a disponibilidade de plantas
industriais têm sido usados ao longo das últimas décadas por especialistas e
profissionais de manutenção. Contudo, a extensão dos modernos sistemas industriais e a crescente complexidade e interdependência entre seus componentes vêm tornando o
planejamento desta atividade uma tarefa cada vez mais difícil. Considerando este
contexto, o objetivo do presente trabalho é oferecer uma ferramenta computacional que
possa auxiliar na tomada de decisão e no planejamento das políticas de manutenção
praticadas em plantas termonucleares. A ferramenta desenvolvida baseia-se na
utilização de redes neurais artificiais (RNA) para o reconhecimento de padrões e
estabelecimento de correlações entre eventos ocorridos nos componentes de sistemas
típicos de reatores pressurizados refrigerados a água leve (PWR). As RNA atuam como mineradoras de dados nos bancos de eventos de falhas e são capazes de identificar ligações e estabelecer inferências imperceptíveis até para os mais experientes especialistas em manutenção de sistemas nucleares. Os resultados foram obtidos a partir de dados realistas e são confrontados com as clássicas políticas de manutenção atualmente praticadas em centrais tipo PWR. Estes resultados demonstram a solidez da técnica em avaliar e predizer falhas em uma planta real, podendo vir a ser utilizada como ferramenta de suporte a decisão no planejamento das políticas de manutenção de um PWR típico. / Proceedings and techniques in order to maximize the reliability and the availability of
industrial plants have been used along the last decades by specialists and professionals
of maintenance. However, the modern industrial systems’ sizing, and the increasing
complexity and interdependence among its components have become this activity’s
planning a more and more difficult task. Considering this scenario, the objective of the
present work is to provide a computational tool which is able to help about the taking
decision's task, and about planning policies of maintenance practiced in thermonuclear
plants. The tool developed is based on the artificial neural networks (ANN) for the
recognition of standards and establishment of correlations among events occurred in the
components of pressurized water reactor (PWR) typical systems. The ANN work as
miners of database of failure events, and are able to identify connections and to
establish imperceptible inferences even for the most experienced specialists in
maintenance of nuclear systems. The results were attained from realistic data and are
confronted against the maintenance's classic policies which are practiced nowadays on
PWR thermonuclear plants. These results show the solidity of the technique in valuing
and predicting failures in a real powerplant, and is able to be used as a tool for
supporting decisions about planning maintenance policies on a typical PWR.
| Identifer | oai:union.ndltd.org:IBICT/oai:carpedien.ien.gov.br:ien/544 |
| Date | 02 1900 |
| Creators | LOURENÇO, Victor Hugo Moreno |
| Contributors | LAPA, Celso Marcelo Franklin, PEREIRA, Cláudio Márcio do Nascimento Abreu, CUNHA, João Jorge da, MÓL, Antônio Carlos de Abreu |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional do IEN, instname:Instituto de Engenharia Nuclear, instacron:IEN |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0019 seconds