Inteligência Artificial Embarcada para Manutenção Prescritiva: Detecção de Vazamentos em Sistemas Eletropneumáticos com Modelos Interpretabiliáveis
Este trabalho apresenta uma abordagem preliminar de manutenção prescritiva baseada em inteligência artificial (IA) embarcada para detecção e diagnóstico de vazamentos em sistemas eletropneumáticos. A proposta utiliza sensores de pressão integrados ao microcontrolador ESP32 para coleta e análise local dos sinais, unindo baixo custo a eficiência computacional. A metodologia inclui simulações de falhas em ambiente virtual (FluidSIM) e experimentação prática com protótipos reais, empregando algoritmos clássicos de aprendizado supervisionado, como Decision Tree, Random Forest, Multi-Layer Perceptron e Extreme Learning Machine. Os resultados obtidos até a presente etapa indicam desempenho promissor, com acurácias superiores a 94% mesmo em cenários reais com presença de ruído. A arquitetura proposta mostrou-se viável para inferência embarcada em tempo
real, com extração automática de atributos utilizando a biblioteca TSFEL. A pesquisa
encontra-se em andamento, com perspectivas de expansão da base de dados, integração de
novos sensores e validação em ambiente industrial.