Análise de desvio de condução para veículos de mineração à céu aberto
uma análise experimental baseada em algoritmos de reconhecimento de padrões
DOI:
https://doi.org/10.14488/1676-1901.v22i3.4698Palavras-chave:
Desvio de Condução, Análise de Dado, Multilayer Perceptron, FadigaResumo
Um dos setores mais relevantes da Indústria, a saber a mineração à céu aberto, tem uma das maiores demandas de atuação de processos otimizados por tecnologias para processos inteligentes. Durante o processo de mineração, alguns riscos são inerentes às atividades, o que pode condizer com uma real apreensão sobre os cuidados que os recursos humanos estão expostos. Assim, esta pesquisa foca no processo de condução veicular, com uma proposta de análise preditiva, com suporte de algoritmos de reconhecimento de padrões, para predizer possíveis desvios de condução para sua identificação e possibilitar tratativas preventivas, o que representa um investimento à proteção da vida dos condutores envolvidos. Pode-se encontrar estudos sobre o tema, que focam em análises preditivas do comportamento do motorista ou do veículo, mas o estudo proposto contribui com uma análise do processo produtivo. Durante os experimentos, algoritmos de reconhecimento de padrões baseados em Multilayer Perceptron (MLP), com uma variação de tipos e parâmetros com base na literatura, foram utilizados pra mensurar a capacidade de predizer o efeito Fadiga dos demais efeitos demonstrados em uma mineradora em operação. O processo contou com uma avaliação estatística tanto da base de dados fornecida, quanto os experimentos via MLP, com capacidades preditivas que chegaram a uma acurácia (baseada em AUC – Area Under the Curve, que se apresenta em valores entre 0 e 1) de 0.9742.
Downloads
Referências
ARAUJO, Igor Baesse; RODRIGUES, Diva Silva e Souza; SOUZA, Flávio Henrique Batista de; CARVALHO, Luiz Melk; MUSTIFAGA, Yuri R. Structure and Experiments to Recognition and Classification of Fake News about Citizens in Brazilian Government Positions. In: INTERNATIONAL CONFERENCE ON RESEARCH IN ENGINEERING, SCIENCE & TECHNOLOGY, 11., 2021, Budapest. DOI: https://doi.org/10.33422/11th.restconf.2021.03.15
BAIMA, Leonel Bittencourt. Diagnóstico ambiental e de processo da lavra de rocha ornamental com vistas a aplicação de técnicas de produção mais limpa. Instituto federal de Educação, Ciência Tecnologia do Rio Grande no Norte, 2018.
BERRI, Rafael Alcesti. Sistema ADAS para identificação de distrações e perturbações do motorista na condução de veículos. Universidade de São Paulo, 2019. DOI: https://doi.org/10.11606/t.55.2019.tde-10062019-082306
CAMPOS, Mailon et al. Inteligência artificial com aprendizado continuado aplicada ao reconhecimento de padrões. Instituto Federal do Mato Grosso, 2020. DOI: https://doi.org/10.34117/bjdv6n5-001
CAMPOS, Othon, S. F. Data analytics transparente para descoberta de padrões e anomalias na realização de convênios e contratos de repasse federais. Universidade Federal de Sergipe, 2018.
CAMPOS, Teofilo Emidio de. Reconhecimento de Padrões. Disponível em: http://www.vision.ime.usp.br/~teo/publications/qualificacao/node5.html#:~:text=Reconhecimento%20de%20padr%C3%B5es%20%C3%A9%20a,s%C3%A3o%20seus%20nomes%20ou%20identifica%C3%A7%C3%B5es. Acesso em: 11 abr. 2022.
CHAOUCHI, Mohamed, et al. Análise Preditiva para Leigos. 2 ed. Rio de Janeiro: Editora Alta Books, 2019
FARIAS, Andros Rafael et al. Gestão de fadiga de operadores de caminhões fora de estrada: estudo de caso em uma mina a céu aberto. Universidade Estadual do Pará, 2019.
FUGA, Bruno Augusto Sampaio. Acidentes de trânsito: responsabilidade civil e danos recorrentes. 3 ed. Londrina/PR: Editora Thoth, 2019.
GERRING, John. Pesquisa de estudo de caso: princípios práticos. 1 ed. Petrópolis, RJ: Editora Vozes, 2019.
GORDON, Rachel. Deep learning helps predict traffic crashes before they happen. Disponível em: https://news.mit.edu/2021/deep-learning-helps-predict-traffic-crashes-1012. Acesso em: 25 abr. 2022.
IQBAL, R. et al. Big data analytics: Computational intelligence techniques and application areas. Technological Forecasting And Social Change, [s.l.], v. 153, n. 1, p. 1-13, 2020. DOI: https://doi.org/10.1016/j.techfore.2018.03.024
KAKHANI ,M. K.; KAKHANI, S.; BIRADAR, S. R. Research issues in big data analytics. International Journal of Application or Innovation in Engineering & Management, v. 2, n. 8, p. 228-232, 2015.
LAMOSO, L. P. Os territórios da mineração sob a lógica da acumulação financeira no capitalismo contemporâneo. Geousp – Espaço e Tempo (Online), v. 21, n. 3, p. 718-736, dez. 2017. ISSN 2179-0892. DOI: https://doi.org/10.11606/issn.2179-0892.geousp.2017.123788
LEVELING, Jens; EDELBROCK, Matthias; OTTO, Boris. Big data analytics for supply chain management. In: IEEE INTERNATIONAL CONFERENCE ON INDUSTRIAL ENGINEERING AND ENGINEERING MANAGEMENT, IEEE, 2014. p. 918-922. DOI: https://doi.org/10.1109/ieem.2014.7058772
MELLER, Gilherme Semprebom et al. Mineração x meio ambiente: mitigação de impactos ambientais causados pela mineração a céu aberto de basalto. Faculdade satc, 2018. DOI: https://doi.org/10.1109/ieem.2014.7058772
MACHADO, Felipe Nery Rodrigues. Big data o futuro dos dados e aplicações. Saraiva Educação SA, 2018.
MALIK, Hasmat; FATEMA, Nuzhat; ALZUBI, Jafar A. (Ed.). AI and machine learning paradigms for health monitoring system: intelligent data analytics. Springer, 2021. DOI: https://doi.org/10.1007/978-981-33-4412-9
MIHAS, Paul. Qualitative data analysis. Oxford Research Encyclopedia of Education. 2019.
MOREIRA, João; CARVALHO, Andre; HORVATH, Tomás. A general introduction to data analytics. John Wiley & Sons, 2018.
NOVAIS, Gabriel D. L. et al. Reconhecimento de padrões em situações de risco no combate à crimes em transportes coletivos. Centro Universitário de Belo Horizonte, 2018.
PARANHOS, Vinícius Kerber. Sistema de Detecção de Sonolência. Universidade de Passo Fundo, Trabalho final de graduação (Engenheiro Eletricista). Curso de Engenharia Elétrica. 2019. DOI: https://doi.org/10.14393/19834071.2012.17680
PORTO. Pedro. H. E. et al. Gestão de fadiga de operadores de caminhões fora de estrada: estudo de caso em uma mina a céu aberto. Universidade Federal de Ouro Preto, 2018. DOI: https://doi.org/10.22533/at.ed.24621181110
SALLES, Arthur França. Detecção automática de sonolência em condutores de veículos utilizando redes neurais artificiais. Universidade Federal do Mato Grosso, 2018. DOI: https://doi.org/10.11606/t.98.2012.tde-04062012-083028
SOUZA, Fabiane. Big data analytics como ferramenta de adaptação do total quality management na indústria 4.0, aplicado a uma empresa multinacional do ramo automobilístico. UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANA, 2021.
SOUZA, Flávio, H. B. et al. On modelling and simulating open pit mine through stochastic timed petri nets. Universidade Federal de Minas Gerais, 2019.
SHINOHARA, E. J. et al. Caracterização de padrões do comportamento espacial de veículos (monitorados) em movimento – PCEVM. In: INTERNATIONAL TRANSP. PLANNING SOCIETY. 2015. DOI: https://doi.org/10.1590/2238-1031.jtl.v9n3a3
SHINOHARA, E. J. Modelagem do comportamento espaço-temporal de veículo rastreado. Universidade de São Paulo. 2013. DOI: https://doi.org/10.1590/2238-1031.jtl.v9n3a3
TV GLOBO. Vídeo mostra momento do acidente com ex-BBB Rodrigo Mussi em SP. Disponível em: https://g1.globo.com/sp/sao-paulo/noticia/2022/04/04/video-mostra-momento-do-acidente-com-ex-bbb-rodrigo-mussi-em-sp.ghtml. Acesso em: 14 abr 2022. DOI: https://doi.org/10.47749/t/unicamp.2015.955858
VALE, J.G.S. et al. Revisão de Literatura: Big Data Analytics na Engenharia de Produção. In: IX CONGRESSO BRASILEIRO DE ENGENHARIA DE PRODUÇÃO, 2019. DOI: https://doi.org/10.29327/xsimep.472546
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2023 Revista Produção Online
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
A Revista se reserva no direito de efetuar, no artigo publicado, alterações de ordem normativa, ortográfica e gramatical, com vistas a manter o padrão culto da língua, respeitando, porém, o estilo dos autores.
A obra publicada é de inteira responsabilidade do(s) autor(es), cabendo à Revista Produção Online apenas a avaliação da obra, na qualidade de veículo de publicação científica. A Revista Produção Online não se responsabiliza por eventuais violações à Lei nº 9.610/1998, Lei de Direito Autoral.
A revista Produção Online permite que o autor detenha o copyright dos artigos aceitos para publicação, sem restrições.
Esta obra está licenciada sob uma Licença Creative Commons.
