Bolsa de Doutorado Inteligência Artificial aplicada à Detecção de Falhas

Doctorate Fellowship in Artificial Intelligence applied to Flaw Detection

Nº: 7567

Área de conhecimento: Engenharia

Field of knowledge: Engineering

Nº do processo FAPESP: 2022/03698-8

FAPESP process: 2022/03698-8

Título do projeto: Desenvolvimento e aplicação de um procedimento baseado em métodos de aprendizado de máquina para detecção de falhas, diagnóstico, prognóstico e avaliação de riscos de equipamentos submarinos

Project title: Development and application of a machine learning methods-based procedure for flaw detection, diagnosis, prognosis and risk assessment in subsea equipments

Área de atuação: Engenharia

Working area: Engineering

Quantidade de vagas: 1

Number of places: 1

Pesquisador responsável: Gilberto Francisco Martha de Souza

Principal investigator: Gilberto Francisco Martha de Souza

Unidade/Instituição: Escola Politécnica, Universidade de São Paulo (Poli-USP)

Unit/Instituition: Escola Politécnica, Universidade de São Paulo (Poli-USP)

Data limite para inscrições: 20/12/2024

Deadline for submissions: 2024-12-20

Publicado em: 25/11/2024

Publishing date: 2024-11-25

Localização: Av. Professor Mello Moraes, 2231 (Departamento de Engenharia Mecatrônica e de Sistemas Mecânicos – PMR), São Paulo

Locale: Av. Professor Mello Moraes, 2231 (Departamento de Engenharia Mecatrônica e de Sistemas Mecânicos – PMR), São Paulo

E-mail para inscrições: otic.jobs@usp.br

E-mail for proposal submission: otic.jobs@usp.br

  • Resumo

    Requisitos para o candidato: Mestrado em Física ou Engenharia.

    Tema de pesquisa: esta pesquisa envolve a aplicação de conceitos de confiabilidade aliados a métodos de inteligência artificial para detectar a degradação em equipamentos. O processo de degradação é definido com base na análise dos sinais de monitoramento e a importância para o desempenho do equipamento é baseada na análise de confiabilidade. Com base no índice de degradação a vida útil restante deve ser avaliada para apoiar o planejamento da manutenção.

    Resumo do projeto: desenvolver um método de aprendizado de máquina para detecção e diagnóstico de falhas em equipamentos submarinos a partir de uma estrutura que incorpore técnicas de detecção, diagnóstico, prognóstico e avaliação de risco e, ao mesmo tempo, permita a avaliação de uma falha potencial não apenas a partir de sua detecção, diagnóstico, e probabilidade de ocorrência num determinado intervalo de tempo, bem como o nível de risco associado à sua evolução ao longo do tempo.

Voltar Back