OTIMIZAÇÃO DA MANUTENÇÃO INDUSTRIAL
Revista Interface Tecnológica · 02.05.2026 · 22 (2) · 156-167
DOI: 10.31510/infa.v22i2.2312 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Interface Tecnológica, online erschienen am 02.05.2026. Verfasst von Francisco Silva und 1 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).
Abstract (Originalsprache)
Este artigo tem como objetivo analisar, por meio de uma revisão bibliográfica, como o Machine Learning (ML) otimiza a manutenção preditiva industrial, impactando indicadores tradicionais (OEE, MTTR, MTBF) e custos operacionais (OPEX). A fundamentação teórica explora conceitos de manutenção preditiva, evolução dos indicadores e aplicações de algoritmos de aprendizado de máquina. Estudos de caso e aplicações no setor industrial evidenciam a eficácia da integração entre sensores IoT e algoritmos de Machine Learning na antecipação de falhas e otimização de recursos. A pesquisa adota abordagem mista, unindo análise qualitativa e quantitativa, com foco em indicadores como OEE, MTTR e MTBF. Os resultados apontam que o uso de ML contribui para reduzir custos, prolongar a vida útil dos equipamentos e elevar a eficiência produtiva. Conclui-se que, apesar dos desafios estruturais e culturais, a tendência é de cada vez mais adoção dessas tecnologias, exigindo capacitação técnica e mudança de mentalidade por parte dos gestores industriais e de todos os envolvidos.
Zitieren
APA
Silva, F., & Filho, J. D. L. (2026). OTIMIZAÇÃO DA MANUTENÇÃO INDUSTRIAL. Revista Interface Tecnológica, 22(2), 156-167. https://doi.org/10.31510/infa.v22i2.2312
Vancouver
Silva F, Filho JDL. OTIMIZAÇÃO DA MANUTENÇÃO INDUSTRIAL. Revista Interface Tecnológica. 2026;22(2):156-167. doi:10.31510/infa.v22i2.2312
BibTeX
@article{Silva2026,
author = {Silva, Francisco and Filho, João De Lucca},
title = {OTIMIZAÇÃO DA MANUTENÇÃO INDUSTRIAL},
journal = {Revista Interface Tecnológica},
year = {2026},
volume = {22},
number = {2},
pages = {156--167},
doi = {10.31510/infa.v22i2.2312}
}
EUVIMED