Detecção de anomalias acústicas em ambientes industriais via aprendizado não supervisionado integrado a plataforma IoT
Palavras-chave:
manutenção preditiva, detecção de anomalia, inteligência artificialResumo
O presente trabalho apresenta o desenvolvimento de um sistema de monitoramento de ruídos para manutenção preditiva industrial, utilizando inteligência artificial não supervisionada. O objetivo central foi validar algoritmo de detecção de anomalias integrado a uma arquitetura de aquisição de dados, capaz de identificar falhas sem a necessidade de rótulos prévios de treinamento. A metodologia envolveu o uso de sensores de ruídos instalados em um ambiente controlado, cujos os sinais foram processados por uma lógica de inferência baseada no algoritmo ensemble. O refinamento da agregação temporal no script de análise corrigiu a subestimação de picos anômalos, elevando a sensibilidade do sistema a eventos transitórios. Como resultado, o modelo demonstrou eficácia na detecção em tempo real, com métricas de desempenho satisfatórias.
