Inovação e Aprimoramento da Manutenção Preditiva dos Trens com Aplicação Machine Learning

Os avanços da tecnologia remodelam a indústria para que realizem serviços que vençam desafios mais eficientes, confiáveis, disponíveis, adaptáveis e seguros. Sendo assim, um dos componentes para essa transformação digital é o Machine learning.
No Metrô-SP tem como foco oferecer serviços de qualidade cada vez mais atentos às necessidades do cidadão e, com isso, podem-se ser aplicadas as ferramentas da transformação digital, ao qual, com melhorias por meio de aprendizagem de máquina, as paralisações nas vias, por falhas decorrentes dos trens, podem ser previstas, viabilizando maior qualidade para o transporte dos passageiros.
Nesse sentido, será apresentado um planejamento de aplicação de Machine learning na manutenção preditiva do Metrô-SP, com processo de monitoração e diagnóstico, ao qual é aferido pelo sistema CBTC de cada trem, e histórico de falhas de um banco de dados salvos no servidor. Ademais, o intuito é demonstrar que é possível criar modelos que utilizam informação histórica de falhas para prever com maior precisão e confiabilidade a probabilidade de falha depois de um espaço definido, através de ferramentas disponíveis no mercado.
Nessa perspectiva, como modelo desse mecanismo, está incluso o uso da inteligência artificial para desenvolvimento do modelo preditivo, com as variáveis de histórico de falhas, histórico da manutenção e as condições de operações dos equipamentos. Os equipamentos dos trens são compostos por sistema de portas, propulsão, freio, CBTC (controle dos trens na via, em progresso de instalação), ar-condicionado, PAPIS (comunicação com passageiros), CFTV (câmeras), rádio, CVC (conversor de tensão), sistema de fogo e fumaça, EVR( Histórico do trem), entre outros. Com isso, sucedendo-se a leitura de todos os parâmetros, junto com o banco de dados registrados pela manutenção, pode-se utilizar o machine learning para prever quando ocorrerá uma falha, com precisão, utilizando os dados históricos e os padrões nos dados que são vistos através de alguma metodologia (o modelo), e depois usar o modelo para fazer previsões sobre o que acontecerá no futuro. Além disso, com as informações processadas nesse banco de dados, podem ser aplicadas de diversas maneiras para facilitar os processos de ordens de serviços, com o uso de aplicativos (Android ou IOS) ou por um API (com Java via WEB) para que todos envolvidos tenham acesso as informações das medidas que podem ser aplicadas para melhorias.
Portanto, este planejamento tem como foco a melhoria do transporte do Metrô-SP com as novas ferramentas de transformação digital com a aprendizagem de máquina, utilizando inovação tecnológica com eficiência e eficácia na manutenção preditiva, como desafio o aumento da celeridade de processamento, incremento da precisão e acurácia nas etapas envolvidas da manutenção.