Código do Projeto	PJ7428
Coordenador	Luiz Alberto Pinto
Título	Machine learning e deep learning aplicados à detecção e ao diagnóstico de falhas em processos industriais.
Palavras Chave	machine learning, convolutional neural network, diagnóstico de falhas, falhas em processos industriais, support vector machine, descritores estatísticos
Grupo de Pesquisa	GAMA - Grupo de Aprendizado de Máquina e Automação
Grupo de Pesquisa Externo
Linha de Pesquisa	Aprendizado de Máquina
Inicio	01/09/2023
Fim	31/08/2025
Área de Conhecimento	Ciência da Computação
Local de Execução	Serra
Tipo de Projeto	Interno
Natureza	Pesquisa Básica
Parceiro Demandante	Não tem parceiros
Nº Parecer CEP
Nº Certificado CEUA

Financiamentos

Ano	Tipo	Origem	Destino	Categoria	Quantidade	Duração/Mês	Valor Unitário	Valor Total
Nenhum Financiamento Cadastrado

Equipe

Tipo	Nome	Nível Escolar	Unidade	Início	Fim
Pesquisador	Luiz Alberto Pinto Lattes	Doutorado	Serra	01/09/2023	31/08/2024
Pesquisador	Luiz Alberto Pinto Lattes	Doutorado	Serra	01/09/2024	31/08/2025
Estudante	Matheus Mesquita Gomes Moura	Não Informado	Serra	01/09/2023	31/08/2025
Estudante	Vitor Albano Leal		Serra	01/09/2023	31/08/2024
Estudante	Vitor Hugo Vervloet Lattes	Não Informado	Serra	13/09/2023	31/08/2025

Planos de Trabalho

Código	Título	Área de Conhecimento
PT14205	Classificação de falhas em motores elétricos industriais utilizando Redes Neurais Convolucionais - CNN: uma análise comparativa do desempenho dos modelos no domínio do tempo e no domínio da transformada wavelet.	Ciência da Computação
PT14200	Classificação de falhas em máquinas rotativas utilizando sinais de vibração e CNNs através de descritores estatísticos no domínio do tempo.	Ciência da Computação
PT14196	Análise da relevância de descritores utilizados para construção de modelos de diagnósticos de falhas em rolamentos de motores industriais: uma análise comparativa de descritores extraídos no domínio do tempo, domínio da frequência e do domínio tempo/escala.	Ciência da Computação
PT14188	Diagnóstico de falhas em rolamentos de motores elétricos industriais com a aplicação de Machine Learning: estudo comparativo de desempenho dos modelos utilizando sinais de vibração e de corrente elétrica.	Ciência da Computação
PT12357	Classificação de falhas em máquinas rotativas através de sinais de vibração no domínio tempo/escala e CNNs com a utilização da Transformada Wavelet.	Ciência da Computação
PT12355	Utilização da Transformada Wavelet para construção de modelos de diagnósticos de falha utilizando sinais de vibração.	Ciência da Computação

Orientações

OR 8858 Reitoria Ativo Plano de Trabalho   PT 14188 Edital   03/2024 - Picti Campus Execução   Serra Programa   Pibic-Af     Modalidade   Bolsista - CNPq Início  01/09/2024 Término  31/08/2025 Orientador   Luiz Alberto Pinto Orientado   Vitor Hugo Vervloet

OR 8857 Reitoria Ativo Plano de Trabalho   PT 14200 Edital   03/2024 - Picti Campus Execução   Serra Programa   Pibic     Modalidade   Bolsista - CNPq Início  01/09/2024 Término  31/08/2025 Orientador   Luiz Alberto Pinto Orientado   Matheus Mesquita Gomes Moura

OR 7645 Reitoria Ativo Plano de Trabalho   PT 12354 Edital   03/2023 - Picti Campus Execução   Serra Programa   Pibic     Modalidade   Bolsista - Ifes Início  13/09/2023 Término  31/08/2024 Orientador   Luiz Alberto Pinto Orientado   Vitor Hugo Vervloet

OR 7579 Reitoria Ativo Plano de Trabalho   PT 12355 Edital   03/2023 - Picti Campus Execução   Serra Programa   Pibic     Modalidade   Voluntário Início  01/09/2023 Término  31/08/2024 Orientador   Luiz Alberto Pinto Orientado   Vitor Albano Leal

OR 7561 Reitoria Ativo Plano de Trabalho   PT 12357 Edital   03/2023 - Picti Campus Execução   Serra Programa   Pibic     Modalidade   Bolsista - Ifes Início  01/09/2023 Término  31/08/2024 Orientador   Luiz Alberto Pinto Orientado   Matheus Mesquita Gomes Moura

OR 7576 Reitoria Cancelado Plano de Trabalho   PT 12354 Edital   03/2023 - Picti Campus Execução   Serra Programa   Pibic     Modalidade   Bolsista - Ifes Início  01/09/2023 Término  31/08/2024 Orientador   Luiz Alberto Pinto Orientado   Mateus Lannes Cunha