Pular para o conteúdo
Smith Lino Moreno
Voltar aos projetos

PredictMOP, manutenção preditiva

IA, 2026

Plataforma que antecipa falhas de equipamentos a partir de vibração e termografia.

Dashboard do PredictMOP: resumo executivo de 21 equipamentos por severidade e mapa de calor por zona.
Dashboard do PredictMOP: resumo executivo de 21 equipamentos por severidade e mapa de calor por zona.

5

modelos comparados

ISO

severidade de vibração

ProblemaAs paradas não programadas eram detectadas tarde: dados de vibração e imagens termográficas eram revisados à mão, sem critério comum de severidade.
SoluçãoModelos de Machine Learning (Random Forest, Gradient Boosting, XGBoost, Ridge e ElasticNet) com detecção de anomalias por Isolation Forest, filtro de Kalman e limpeza IQR validados com k-fold; visão computacional (ORB, homografia, RANSAC) que lê a temperatura das termografias; severidade de vibração ISO e um painel de saúde de ativos em FastAPI e PostgreSQL.
ResultadosAlertas antecipados sobre a condição dos equipamentos e uma única visão de severidade e criticidade para decidir onde intervir primeiro.
TecnologiasPython, scikit-learn, XGBoost, OpenCV, FastAPI, PostgreSQL

Outros projetos

17(16)Sustainability, 2025

Pesquisa: TPM, SMED e Machine Learning

IA, 2025

Artigo indexado na Scopus sobre eficiência operacional na indústria de plásticos.

Python, Machine Learning, TPM, SMED

Pronto para tomar decisões melhores com seus dados?

Agende uma consultoria gratuita de 30 minutos e receba um diagnóstico inicial da sua situação.