Junta técnicas avançadas de machine learning, deep learning e eXplainable AI para prever falhas em ambiente operacional e gerar explicações dos alarmes gerados para as equipas de manutenção. O FOX-PM é um projeto que junta o INESC TEC e a CaetanoBus e que vai criar um sistema inovador de manutenção preditiva online e explicável, aplicável a frotas de autocarros elétricos. O objetivo é aumentar a fiabilidade dos sistemas, reduzir tempos de paragem e otimizar o uso de recursos.
A CaetanoBus tem, atualmente, uma vasta frota de autocarros a operar em várias cidades do mundo. Neste contexto, os veículos podem funcionar sob diferentes regimes de operação, já que são influenciados por fatores externos, como a temperatura ambiente, pelo padrão de utilização, como o estilo de condução ou o percurso realizado, ou mesmo pelo desgaste do funcionamento dos mesmos.
“Falamos de variações que não correspondem necessariamente a falhas. Por isso, o FOX-PM pretende desenvolver modelos capazes de reconhecer e adaptar-se automaticamente a diferentes regimes normais de funcionamento, contribuindo para reduzir falsos alarmes e melhorar a precisão na deteção de anomalias”, refere Rita Ribeiro.
Em concreto, explica a investigadora do INESC TEC, o caso de estudo deste projeto incide sobre o sistema pneumático dos autocarros elétricos da CaetanoBus. Trata-se de um componente essencial para o funcionamento dos sistemas de travagem e suspensão, e responsável por grande parte das avarias nos veículos.
“Com recurso a modelos de deep learning, o projeto vai procurar detetar antecipadamente potenciais falhas, em diferentes horizontes temporais, e aplicar técnicas de eXplainable AI (XAI), que permitam explicar de forma transparente os alertas gerados”, avança a investigadora. Além disso, e para reforçar a interpretabilidade dos alertas, serão ainda explorados modelos de linguagem natural (LLMs) capazes de traduzir explicações técnicas em linguagem acessível para as equipas operacionais, promovendo confiança e transparência nas decisões suportadas por inteligência artificial.
Esta abordagem permitirá aumentar a fiabilidade dos sistemas, reduzir tempos de paragem e otimizar o uso de recursos. “Esperamos que o projeto possa ajudar a reduzir as paragens inesperadas e a aumentar a fiabilidade dos veículos elétricos, contribuindo simultaneamente para o prolongamento da vida útil dos equipamentos e a eficiência energética. Ao reforçar a fiabilidade dos transportes urbanos elétricos, o projeto acaba por promover a mobilidade elétrica e sustentável e apoiar a transição verde das cidades”, acrescenta Rita Ribeiro.
A investigadora lembra ainda que, face à ausência de uma formalização padrão para a avaliação de sistemas de manutenção preditiva, o projeto inclui ainda o estudo de métricas e estratégias de avaliação de alarmes num contexto de Just-in-Time (JiT) Predictive Maintenance.
O FOX-PM – Failure Online eXplanation for Predictive Maintenance – é um projeto desenvolvido em colaboração com a CaetanoBus, com a duração de três anos e é financiado pelo Portugal 2030.
A investigadora mencionada na notícia tem vínculo ao INESC TEC e à Faculdade de Ciências da Universidade do Porto.
Notícias, atualidade, curiosidades e muito mais sobre o INESC TEC e a sua comunidade!
