MANUTENÇÃO PREDITIVA APLICADA A AMBIENTES DE MISSÃO CRÍTICA DE SUPERCOMPUTAÇÃO UTILIZANDO INTELIGÊNCIA ARTIFICIAL: UMA REVISÃO SISTEMÁTICA DE LITERATURA

PREDICTIVE MAINTENANCE APPLIED TO SUPERCOMPUTING CRITICAL ENVIRONMENTS USING ARTIFICIAL INTELLIGENCE: A SYSTEMATIC LITERATURE REVIEW

Lima, André Luis da Cunha Dantas; Aranha, Vítor Moraes; Nascimento, Erick Giovani Sperandio

Article:

Os ambientes de missão crítica de supercomputação (AMCS) estão diretamente relacionados a equipamentos energizados ininterruptamente, em que qualquer falha prejudica na sua disponibilidade e no aumento dos custos operacionais. Conhecer os estudos sobre esta problemática permite verificar soluções existentes que detectem automaticamente padrões de comportamento e falhas futuras. Assim, esta revisão sistemática da literatura tem como objetivo identificar e sumarizar as contribuições neste ramo específico do conhecimento, visando uma maior qualidade e confiabilidade dos resultados, os quais foram classificados e sintetizados. Este estudo contribui tanto para a área de manutenção preditiva aplicada em AMCS quanto para área de ciência da computação com aplicação da inteligência artificial.

Mission-critical supercomputing environments are closely related to constantly powered devices, where faults and failures directly affect availability and operational costs. Learning from previous investigations on this matter makes it possible to verify existing solutions that detect patterns of behavior and predict equipment failures. Therefore, this systematic review aims to identify and summarize the contributions to this field, aiming to obtain more quality and reliability from the achieved results by a carefully designed classification. This study contributes both to the field of predictive maintenance applied to mission-critical environments and to the field of computer science, with artificial intelligence.

Palavras-chave:

DOI: 10.5151/siintec2019-82

Referências bibliográficas

• [1] 1 YE, Chen. A System Approach to Implementation of Predictive Maintenance with Machine Learning. Massachusetts Institute Of Technology, 2018. Disponível em: <https://www.researchgate.net/publication/328333169_A_system_approach_to_implementation_of_predictive_maintenance_with_machine_learning>. Acesso em: 28 jul. 2019.
• [2] 2 HAYKIN, Simon. Redes neurais: princípios e prática. ed. Bookman Editora, 2007.
• [3] 3 GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. MIT Press, 2016.
• [4] 4 KITCHENHAM, Barbara; PEARL BRERETON, O.; BUDGEN, David; et al. Systematic literature reviews in software engineering – A systematic literature review. Information and Software Technology, v. 51, n. 1, p. 7–15, 2009. DOI 10.1016/j.infsof.2008.09.009. Disponível em: <https://www.sciencedirect.com/science/article/abs/pii/S0950584908001390>. Acesso em: 27 jul. 2019.
• [5] 5 BIN HU; PANG, C. K.; LUO, M.; et al. A two-stage equipment predictive maintenance framework for high-performance manufacturing systems. In: 2012 7th IEEE Conference on Industrial Electronics and Applications (ICIEA), p. 1343–1348, 2012.
• [6] 6 SUSTO, G. A.; SCHIRRU, A.; PAMPURI, S.; et al. Machine Learning for Predictive Maintenance: A Multiple Classifier Approach. IEEE Transactions on Industrial Informatics, v. 11, n. 3, p. 812–820, 2015.
• [7] 7 MISHRA, K.; MANJHI, S. K. Failure Prediction Model for Predictive Maintenance. In: 2018 IEEE International Conference on Cloud Computing in Emerging Markets (CCEM), p. 72–75, 2018.
• [8] 8 KRAUS, Mathias; FEUERRIEGEL, Stefan. Forecasting remaining useful life: Interpretable deep learning approach via variational Bayesian inferences. Decision Support Systems, p. 113-100, 2019.
• [9] 9 ZHANG, Shouli; LI, Xiaohong; WANG, Jianwu; et al. Curve-Registration-Based Feature Extraction for Predictive Maintenance of Industrial Equipment. In: ROMDHANI, Imed; SHU, Lei; TAKAHIRO, Hara; et al (Orgs.). Collaborative Computing: Networking, Applications and Worksharing. Springer International Publishing, p. 253–263, 2018.
• [10] 10 Zhang, K., Xu, J., Min, M.R., et al.: Automated IT system failure prediction: a deep learningapproach. In: 2016 IEEE International Conference on Big Data, pp. 1291–1300, 2016.

Como citar:

Lima, André Luis da Cunha Dantas; Aranha, Vítor Moraes; Nascimento, Erick Giovani Sperandio; "MANUTENÇÃO PREDITIVA APLICADA A AMBIENTES DE MISSÃO CRÍTICA DE SUPERCOMPUTAÇÃO UTILIZANDO INTELIGÊNCIA ARTIFICIAL: UMA REVISÃO SISTEMÁTICA DE LITERATURA", p-657-664. In: Anais do V Simpósio Internacional de Inovação e Tecnologia. São Paulo: Blucher, 2019.
ISSN 23577592, DOI 10.5151/siintec2019-82