Utilizando Aprendizado de Máquina para Predizer Falhas na Ferrovia

Quando a temperatura do trilho atinge determinadas temperaturas o risco de acidentes como descarralimento do trem aumentam significativamente, portanto é uma variável constantemente monitorada. 
Com o objetivo de aumentar a segurança operacional e reduzir custos, foi implementado um algoritmo de machine learning para estimar a probabilidade de que nas próximas 12 horas, ocorra uma temperatura crítica no trilho, dessa forma é possível emitir avisos de segurança e enviar veículos batedores para avaliar a condição do trilho preventivamente.

Palestrante

Máiron César Simões Chaves

Cientista de Dados

Máiron César Simões Chaves
Possui 12 anos de experiência de mercado, atualmente é:
Cientista de Dados na VLI Logística;
Professor de Estatística e de Mineração de Dados para os cursos de pós-graduação em Business Intelligence, Data Analytics e Ciência de Dados no IGTI.
Também é:
Especialista em Estatística pela UFMG;
Mestrado em Modelagem Matemática e Computacional no CEFET-MG (disciplinas isoladas).
 

Patrocínio Diamante
Patrocínio Ouro
Patrocínio Prata
Patrocínio Individual
Parceiros
Apoio Institucional
Empresas Parceiras
Apoio de Mídia
Realização Logo AEAMESP
Associação dos Engenheiros e Arquitetos de Metrô

Rua do Paraíso, 67 - 2 andar - São Paulo - SP - CEP 04103-000

(11) 3287-4565 - (11) 3284-0041 - www.aeamesp.org.br

eventos@aeamesp.org.br

Comercialização Logo Via Brasil Comunicação
Via Brasil Comunicação
Sobre os cookies em nosso site

Nós usamos cookies para compreender o que o visitante do evento precisa e melhorar sua experiência como usuário. Ao clicar em “Aceitar” você estará de acordo com o uso desses cookies. Saiba mais!