Laboratório de Confiabilidade – Relab
Av. Professor Mello Moraes, 2231
Butantã, São Paulo – SP, 05508-030
PUBLICAÇÕES DO RELAB
Nesta página, apresentamos apenas algumas das publicações mais relevantes realizadas pelo Laboratório de Confiabilidade da USP. Para acessar a lista completa de nossos trabalhos científicos, visite as páginas dos nossos professores no ResearchGate, onde você encontrará todas as contribuições do laboratório em detalhes.
Reliability Analysis and Asset Management of Engineering Systems
Publicado pela Elsevier em 2022, este livro reúne contribuições dos pesquisadores do Laboratório de Confiabilidade da USP para abordar os desafios e soluções mais recentes na área de análise de confiabilidade e gestão de ativos em sistemas de engenharia. A obra oferece uma abordagem completa e detalhada, integrando conceitos fundamentais e métodos avançados para diagnóstico de falhas, prognóstico, avaliação de risco e planejamento de manutenção, com foco na aplicação prática em sistemas industriais complexos.
Com capítulos que exploram desde os fundamentos da confiabilidade até exemplos reais de aplicação em setores como energia e transporte, o livro destaca o uso de inteligência artificial e outras tecnologias emergentes para melhorar a segurança, eficiência e disponibilidade de sistemas de engenharia.
Destinado a engenheiros, pesquisadores e gestores de ativos, esta publicação serve como uma referência essencial para quem busca alinhar inovação tecnológica e melhores práticas em confiabilidade, contribuindo para a transformação digital e a sustentabilidade na indústria moderna.
A Framework to Automate Fault Detection and Diagnosis Based on MWPCA and BN
Publicado na revista Reliability Engineering and System Safety em 2021, este artigo apresenta uma estrutura híbrida para automatizar a detecção e diagnóstico de falhas em sistemas complexos. Utilizando a análise de componentes principais em janela móvel (MWPCA) e redes Bayesianas (BN), o método combina dados históricos e monitoramento em tempo real para detectar e diagnosticar falhas, mesmo em sistemas dinâmicos ou com dados limitados.
O estudo valida a metodologia com um modelo simplificado de hidrogerador, demonstrando sua eficácia na identificação de falhas incipientes e sua capacidade de apoiar a gestão de manutenção baseada em condição. Este trabalho destaca a importância de abordagens híbridas no avanço de estratégias preditivas de manutenção, contribuindo para melhorar a confiabilidade e reduzir os custos operacionais em indústrias estratégicas.
Reliability and Risk Centered Maintenance: A Novel Method for Supporting Maintenance Management
Publicado na revista Applied Sciences em 2023, este artigo apresenta um método inovador que integra estratégias de manutenção centrada em confiabilidade (RCM) e manutenção baseada em riscos (RBM). A proposta, denominada Reliability and Risk Centered Maintenance (RRCM), adapta os métodos tradicionais para incorporar a avaliação de riscos no planejamento de manutenção, possibilitando a criação de planos que equilibram confiabilidade, custo e segurança operacional.
A eficácia do método foi demonstrada em um estudo de caso aplicado a uma usina hidrelétrica, destacando sua capacidade de priorizar falhas críticas, reduzir riscos e otimizar a gestão de ativos. Este trabalho contribui significativamente para a evolução das práticas de manutenção, combinando tecnologia e gestão estratégica para enfrentar os desafios da complexidade crescente em sistemas industriais.
Criticality-Based Maintenance of a Coal-Fired Power Plant
Publicado na revista Energy em 2018, este artigo apresenta um método inovador para identificar os componentes mais críticos de sistemas industriais, com o objetivo de priorizar ações de manutenção. Utilizando técnicas de análise de confiabilidade e risco, o método integra ferramentas para avaliação de falhas e impacto operacional, contribuindo para a melhoria da disponibilidade e segurança de plantas industriais.
O estudo foi aplicado ao sistema de dessulfurização de gases de uma usina termelétrica a carvão, demonstrando a eficácia da metodologia em reduzir riscos e otimizar a gestão de ativos. Este trabalho destaca a importância de abordagens baseadas em confiabilidade para aprimorar a eficiência e a sustentabilidade de operações industriais complexas.
A Framework for Planning Underwater Hull Inspections Based on Computer Vision and Degradation Assessment
Publicado na revista Ocean Engineering em 2025, este artigo apresenta uma estrutura inovadora para planejar inspeções subaquáticas de cascos de embarcações. A proposta combina visão computacional e avaliação de degradação para identificar e quantificar falhas, como corrosão e rachaduras, utilizando técnicas avançadas de aprendizado de máquina. A estrutura inclui processos para detecção de degradação, avaliação do estado estrutural e suporte à tomada de decisão de manutenção com base na estimativa da vida útil remanescente (RUL).
O estudo destaca a aplicação prática dessa metodologia em um cenário de unidade flutuante de produção, armazenamento e descarregamento (FPSO), demonstrando sua eficácia em melhorar a precisão e a segurança das inspeções subaquáticas. Esta abordagem representa um avanço significativo na gestão de integridade estrutural, reduzindo a necessidade de inspeções manuais e aprimorando o planejamento de manutenção com base no estado real do equipamento.
Improving Centralized Offshore Power Generation Design With Petri Net-Based Availability and Reliability Analysis
Publicado na revista ASCE-ASME Journal of Risk and Uncertainty in Engineering Systems, Part B: Mechanical Engineering, em 2024, este artigo apresenta uma análise detalhada da confiabilidade e disponibilidade de sistemas de geração centralizada de energia offshore, conhecidos como Power Hubs. Utilizando Redes de Petri Estocásticas Generalizadas (GSPNs), o estudo avalia diferentes configurações operacionais desses sistemas, comparando-as com abordagens tradicionais de geração de energia em plataformas.
Os resultados mostram que, dependendo da configuração, os Power Hubs podem alcançar uma disponibilidade média próxima a 100%, mesmo em períodos de alta demanda de produção de petróleo e gás. O artigo contribui significativamente para a literatura ao oferecer uma abordagem que equilibra eficiência energética, redução de emissões de CO2 e confiabilidade operacional, apresentando uma solução promissora para a sustentabilidade e desempenho das operações offshore.
Semi-Supervised Framework with Autoencoder-Based Neural Networks for Fault Prognosis
Publicado na revista Sensors em 2022, este artigo apresenta uma estrutura semissupervisionada para detecção e prognóstico de falhas utilizando redes neurais baseadas em autoencoders. A abordagem se destaca por lidar com dados industriais desbalanceados, permitindo identificar padrões desconhecidos e prever falhas com maior confiabilidade, mesmo em cenários com pouca rotulação manual de dados.
O estudo valida o método com dados do simulador CMAPSS, amplamente utilizado na indústria aeroespacial, demonstrando sua eficácia na identificação precoce de falhas e na previsão de vida útil remanescente (RUL). Este trabalho contribui para o avanço de estratégias preditivas de manutenção, oferecendo uma solução robusta e escalável para aplicações industriais complexas.
Comparing PCA-Based Fault Detection Methods for Dynamic Processes with Correlated and Non-Gaussian Variables
Publicado na revista Expert Systems with Applications em 2022, este artigo investiga métodos de detecção de falhas baseados em Análise de Componentes Principais (PCA) aplicados a processos dinâmicos com variáveis correlacionadas e não gaussianas. O estudo compara três abordagens adaptativas, incluindo duas metodologias inovadoras que lidam com dados não estacionários e autocorrelacionados.
Os resultados destacam a eficácia dessas abordagens na detecção precoce de falhas em sistemas dinâmicos e a influência das características das falhas no desempenho dos métodos. Este trabalho fornece uma análise criteriosa sobre a aplicação de técnicas estatísticas multivariadas em cenários industriais complexos, contribuindo para o avanço das estratégias de manutenção preditiva e gestão de ativos.