@PHDTHESIS{ 2025:1525616455,
 	title = {Fusão de dados em análise de séries temporais binárias para detecção e localização de falhas em máquinas ferramentas},
 	year = {2025},
 	url = "http://bibliotecatede.uninove.br/handle/tede/3802",
 	abstract = "As máquinas ferramentas com controle numérico computadorizado (CNC) são essenciais nos processos de fabricação modernos devido à sua alta precisão e velocidade. No entanto, essas características estão sujeitas a falhas ocultas e deterioração, reduzindo a confiabilidade operacional. Para aumentar o tempo médio entre falhas, são utilizados dispositivos de detecção que monitoram o estado operacional dos componentes da máquina, permitindo a análise e processamento de informações para maximizar a confiabilidade. Muitas indústrias adotam a manutenção preditiva (PdM), que utiliza monitoramento inteligente para evitar falhas futuras. Nos últimos anos, o aprendizado de máquina (ML) tem se mostrado fundamental na previsão de falhas, contribuindo para a PdM. Técnicas de ML baseadas em dados de sensores, incluindo abordagens de aprendizagem profunda como Autoencoders (AE), têm mostrado resultados promissores. A análise de dados de séries temporais de sensores, especialmente dados binários, tem recebido atenção significativa, permitindo a detecção eficiente de falhas ou atividades anormais e facilitando ações de manutenção imediatas. Este trabalho visa desenvolver métodos precisos e eficientes de detecção de falhas para melhorar a confiabilidade e eficiência dos sistemas de produção industrial. A pesquisa inclui uma análise abrangente dos modelos de ML para detecção de falhas, focando em dados de séries temporais binárias. Além de avaliar o desempenho dos modelos, foi desenvolvido um dispositivo para capturar dados dos sensores e um aparato experimental para simular dados de falha com segurança. Esta tese propôs uma abordagem inovadora que combina a fusão de séries temporais binárias multivariadas com modelos autoencoder, demonstrando, por meio de experimentos práticos com dados reais, que é possível detectar falhas em máquinas-ferramenta com alta precisão, ao mesmo tempo em que contribui teoricamente para o avanço da análise de séries binárias no contexto da manutenção preditiva.",
 	publisher = {Universidade Nove de Julho},
 	scholl = {Programa de Pós-Graduação em Informática e Gestão do Conhecimento},
 	note = {Informática}
}