@inproceedings{243457_1,

title = {Sistema de Aprendizado de M\'{a}quina como Apoio ao Monitoramento da Sa\'{u}de Estrutural de Aeronaves},

author = {Ana Carolina Ribeiro Albino and Cassio Vitor Duvoisin and Gian Ricardo Berkenbrock},

url = {https://www.sige.ita.br/edicoes-anteriores/2024/st/243457_1.pdf?x11208},

issn = {1983-7402},

year  = {2024},

date = {2024-01-01},

booktitle = {Simp\'{o}sio de Aplica\c{c}\~{o}es Operacionais em \'{A}reas de Defesa 2024 (SIGE2024)},

abstract = {A manuten\c{c}\~{a}o de aeronaves \'{e} essencial para a opera\c{c}\~{a}o segura, mas o uso de cronogramas baseados em intervalos temporais fixos gera custos elevados, podendo chegar a 15% das despesas operacionais, e nao impede falhas inesperadas. O monitoramento da saude estrutural (MSE), parte da manuten\c{c}\~{a}o baseada em condi\c{c}\~{o}es (CBM), oferece uma alternativa eficaz, reduzindo custos de manuten\c{c}\~{a}o em at\'{e} 30%. Este trabalho desenvolve um modelo de aprendizado de m\'{a}quina, baseado em perceptrons multicamadas, para classificar a estrutura como saud\'{a}vel ou danificada, utilizando dados da universidade TU Delft. Com acuracia de 90%, o modelo aumenta a confiabilidade do sistema ao localizar falhas com precis\~{a}o e eliminar falsos positivos.},

keywords = {Aprendizado de M\'{a}quina, Manuten\c{c}\~{a}o de aeronaves, monitoramento da sa\'{u}de estrutural},

pubstate = {published},

tppubtype = {inproceedings}

}