No abstract

No abstract

No processo de transformação digital, as fábricas do futuro buscam excelência com foco em qualidade de produto e eficiência de produção. Na busca de um processo controlado, objetivase reduzir ao máximo problemas e paradas em equipamentos, através da identificação de falhas de forma online, precoce e antecipada para realizar a tomada de decisão em tempo real. Nesse contexto, técnicas de Machine Learning (ML) são frequentemente utilizadas para diagnosticar falhas em equipamentos em tempo real. Portanto, esse trabalho busca recuperar as principais publicações vinculadas ao tema de diagnóstico de falhas em tempo real a partir da aplicação de técnicas de ML e realizar uma análise bibliométrica e sistêmica. Esse objetivo foi alcançado através da utilização do método de Knowledge Development Process-Constructivist (Proknow-C) para selecionar e classificar os artigos mais relevantes ao tema. A aplicação do Proknow-C resultou no resgate de 38 artigos que compõem o portfólio final. Em seguida realizou-se uma análise bibliométrica que indicou a relevância dos artigos, as palavras-chaves mais encontradas e a tendência de publicações nessa área. Por fim, uma análise sistêmica foi efetuada, onde foram explorados os principais problemas observados, as tendências dos métodos mais utilizados e as oportunidades de pesquisa indicadas pelos autores.Palavras chave: machine learning; diagnóstico de falhas; real time; deep learning

No abstract