BAYESIAN REGULARIZERS OF ARTIFICIAL NEURAL NETWORKS APPLIED TO THE RELIABILITY FORECAST OF INTERNAL COMBUSTION MACHINES IN THE SHORT-TERM
Data
2021
Título da Revista
ISSN da Revista
Título de Volume
Editor
Instituto de Tecnologia e Educação Galileo da Amazônia
Resumo
O trabalho propõe um modelo computacional para prever o Indicador-Chave de Desempenho (KPI) de Confiabilidade, com o objetivo de identificar a disponibilidade de equipamentos em um período de 22 dias. A metodologia utilizada baseia-se em análises e testes de arquiteturas de redes neurais artificiais (RNA) usando o algoritmo de treinamento Bayesian Regularizers, alternando as funções de transferência nas camadas ocultas para encontrar o melhor estado de convergência e o valor mínimo do Erro Quadrático Médio (RMSE) calculado entre as saídas reais e simuladas. De acordo com os resultados obtidos nas etapas de treinamento, validação e teste, o algoritmo apresentou uma taxa de RMSE de 0,0000104202 e uma correlação de 99,9% entre os valores reais e simulados, demonstrando que o modelo é capaz de identificar qual máquina terá a maior e a menor eficiência dentro do período de tempo definido.
Abstract
This work proposes a computational model to predict the Reliability Key Performance Indicator (KPI) to identify how available equipment will be in a time span of 22 days. The methodology to be used will be based on analyzes and tests of artificial neural network (ANN) architectures using the Bayesian Regularizers training algorithm, alternating the transfer functions in the hidden layers to find the best state of convergence and the minimum Root Mean Square Error (RMSE) value calculated between the real and simulated outputs. According to the results obtained by the training, validation and test steps, the algorithm presented a RMSE rate of 0.0000104202 and a 99.9% correlation between the real and simulated values, thus the model is able to identify which machine will have the greatest efficiency and less efficiency within the defined time span.
Descrição
Palavras-chave
Reliability, RNA, Bayesian Regularizers, UTE
Citação
SILVA, Ítalo Rodrigo Soares; NASCIMENTO, Manoel Henrique Reis; FONSECA JÚNIOR, Milton; PARENTE, Ricardo Silva; SIQUEIRA JÚNIOR, Paulo Oliveira; LEITE, Jandecy Cabral. Bayesian regularizers of artificial neural networks applied to the reliability forecast of internal combustion machines in the short-term. International Journal for Innovation Education and Research, v. 9, n. 5, p. 460-477, 2021.