| dc.creator | Costa, Hilda Aleixo Dantas Miranda | |
| dc.date.accessioned | 2025-09-25T19:25:56Z | |
| dc.date.available | 2025-09-25T19:25:56Z | |
| dc.date.issued | 2025-07-21 | |
| dc.identifier.citation | COSTA, Hilda Aleixo Dantas Miranda; SILVA, Adriel Leite da. Desenvolvimento de uma ferramenta de apoio à manutenção industrial utilizando inteligência artificial generativa. Orientador: Flávio Rosendo da Silva Oliveira. 2025. 34 f. Trabalho de Conclusão de Curso (Tecnologia em Análise e Desenvolvimento de Sistemas) - Instituto Federal de Educação, Ciência e Tecnologia de Pernambuco, Campus Paulista, Paulista, 2025. | pt_BR |
| dc.identifier.uri | https://repositorio.ifpe.edu.br/xmlui/handle/123456789/1897 | |
| dc.description.abstract | The industrial sector faces several challenges related to machinery maintenance. Among these, the organization, location, and use of technical literature, such as manuals and configuration guides, are key to the proper performance of maintenance activities. This work describes the development of a tool that uses Generative Artificial Intelligence to support industrial maintenance activities. This solution is capable of answering questions asked in natural language, generating responses based on the available technical literature. The results obtained during the validation of the tool encourage further studies and confirm the feasibility of applying generative models to support industrial maintenance. | pt_BR |
| dc.format.extent | 34 p. | pt_BR |
| dc.language | pt_BR | pt_BR |
| dc.relation | ABIJITH, P. Y.; PATIDAR, Piyush; NAIR, Gaurav; PANDYA, Rohan. Large Language Models trained on equipment maintenance text. Abu Dhabi: Society of Petroleum Engineers, 2023. Disponível em: https://onepetro.org/SPEADIP/proceedings-abstract/23ADIP/23ADIP/534517. Acesso em: 25 maio 2025.
BOJANOWSKI, Piotr; GRAVE, Edouard; JOULIN, Armand; MIKOLOV, Tomas. Enriching word vectors with subword information. 2017. Disponível em: https://arxiv.org/abs/1607.04606. Acesso em: 18 ago. 2025.
GAO, Yunfan et al. Retrieval-Augmented Generation for Large Language Models: A Survey. Shanghai: Shanghai Research Institute for Intelligent Autonomous Systems, Tongji University, 2024. Disponível em: https://arxiv.org/abs/2312.10997. Acesso em: 25 maio 2025.
GARCIA, Cristian I.; DIBATTISTA, Marcus A.; LETELIER, Tomás A.; HALLORAN, Hunter D.; CAMELIO, Jaime A. Framework for LLM applications in manufacturing. Innovation Factory, College of Engineering, University of Georgia, 302 E Campus Rd, Athens, GA 30602, United States. 2024. Disponível em: https://www.sciencedirect.com/science/article/pii/S2213846324000920 Acesso em: 14 out. 2024.
HOLMES, Wayne; MIAO, Fengchun. Guia para a IA generativa na educação e na pesquisa. Place de Fontenoy, 75352 Paris 07 SP, França: Organização das Nações Unidas para a Educação, a Ciência e a Cultura, 2024. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000390241. Acesso em: 6 março 2025.
LOPEZ, Marc Moreno; KALITA, Jugal. Deep Learning applied to NLP. College of Engineering and Applied Sciences, University of Colorado Colorado Springs, Colorado 16
Springs, Colorado, 2017. Disponível em: https://arxiv.org/abs/1703.03091. Acesso em: 06 março 2025.
LUTZ, Marc-Alexander; SCHÄFERMEIER, Bastian; SEXTON, Rachael; SHARP, Michael; DIMA, Alden; FAULSTICH, Stefan; ALURI, Jagan Mohini. KPI Extraction from Maintenance Work Orders—A Comparison of Expert Labeling, Text Classification and AI-Assisted Tagging for Computing Failure Rates of Wind Turbines. 2023. Disponível em: https://www.mdpi.com/1996-1073/16/24/7937. Acesso em: 18 maio 2025.
MIKOLOV, Tomas; CHEN, Kai; CORRADO, Greg; DEAN, Jeffrey. Efficient estimation of word representations in vector space. 2013. Disponível em: https://arxiv.org/abs/1301.3781. Acesso em: 18 ago. 2025.
MORAES, Luís Edmundo. História Contemporânea: da Revolução Francesa à Primeira Guerra Mundial. São Paulo: Editora Contexto, 2017. p. 47.
NAQVI, Syed Meesam Raza; GHUFRAN, Mohammad; VARNIER, Christophe; NICOD, Jean-Marc; JAVED, Kamran; ZERHOUNI, Noureddine. Unlocking maintenance insights in industrial text through semantic search. 2024. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S0166361524000113. Acesso em: 25 maio 2025.
NOGUEIRA, Cássio Ferreira; GUIMARÃES, Leonardo Miranda; SILVA, Margarete Diniz Braz da. Manutenção industrial: Implementação da manutenção produtiva total (TPM). 2012. Disponível em: https://revistas.unibh.br/dcet/article/view/73530. Acesso em: 04 set. 2024.
OLIVEIRA, Nathan Souza de. Desenvolvimento de um Assistente Chatbot Inteligente para Instalações Elétricas baseado em Modelo de Linguagem Grande (LLM). 2024. 48f. Trabalho de Conclusão de Curso (Graduação em Engenharia Elétrica), Departamento de Engenharia Elétrica, Universidade Federal do Rio Grande do Norte, 2024. Disponível em: https://repositorio.ufrn.br/server/api/core/bitstreams/35820f98-15c7-4886-bb64-917f9bda339e/content. Acesso em: 01 de set. 2024
PENNINGTON, Jeffrey; SOCHER, Richard; MANNING, Christopher. GloVe: Global vectors for word representation. 2014. Disponível em: https://aclanthology.org/D14-1162/. Acesso em: 18 ago. 2025.
SANTOS NETO, Manoel Verissimo dos. Resolução de problemas com processamento de linguagem natural. Goiânia: Cegraf UFG. E-book (59p.). ISBN 978-85-495-0960-4. 2024. Disponível em: http://repositorio.bc.ufg.br/handle/ri/25422. Acesso em: 04 set. 2024.
SOUZA, Alan Christian Almeida; SILVA, Paula Renatha Nunes da. Aplicação da Inteligência Artificial na Engenharia de Confiabilidade e Manutenção Preditiva: Um Estudo de Caso na Indústria de Mineração. 2024. Disponível em: https://periodicorease.pro.br/rease/article/view/16252. Acesso em: 18 maio 2025.
TAN, Yiming et al. Can ChatGPT Replace Traditional KBQA Models? An In-depth Analysis of the Question Answering Performance of the GPT LLM Family. In: Proceedings 17
of ISWC 2023, 22nd International Semantic Web Conference, 2023. Disponível em: https://doi.org/10.48550/arXiv.2303.07992. Acesso em: 06 mar. 2025.
WANG, Z. Modern Question Answering Datasets and Benchmarks: A Survey. 2022. Disponível em: https://arxiv.org/abs/2206.15030. Acesso em: 25 maio 2025. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.rights | An error occurred on the license name. | * |
| dc.rights.uri | An error occurred getting the license - uri. | * |
| dc.subject | Manutenção Industrial | pt_BR |
| dc.subject | Aprendizado de Máquina | pt_BR |
| dc.subject | Large Language Models | pt_BR |
| dc.subject | Resposta à Questão. | pt_BR |
| dc.title | Desenvolvimento de uma ferramenta de apoio à manutenção industrial utilizando inteligência artificial generativa. | pt_BR |
| dc.title.alternative | Development of a support tool for industrial maintenance through generative artificial intelligence. | pt_BR |
| dc.type | Article | pt_BR |
| dc.creator.Lattes | http://lattes.cnpq.br/1896853300301089 | pt_BR |
| dc.contributor.advisor1 | Oliveira, Flávio Rosendo da Silva | |
| dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6828380394080049 | pt_BR |
| dc.contributor.referee1 | Moraes, Diogo Tavares Cavalcanti de | |
| dc.contributor.referee2 | Andrade, Mércio Antônio Oliveira de | |
| dc.contributor.referee1Lattes | http://lattes.cnpq.br/3445106750937471 | pt_BR |
| dc.contributor.referee2Lattes | http://lattes.cnpq.br/0747543116672173 | pt_BR |
| dc.publisher.department | Paulista | pt_BR |
| dc.publisher.country | Brasil | pt_BR |
| dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO | pt_BR |
| dc.description.resumo | O setor industrial possui diversos desafios relacionados à manutenção de maquinário. Entre eles, a organização, localização e utilização de literatura técnica, como manuais e guias de configuração, ocupam posição de destaque para a adequada realização de atividades de manutenção. Este trabalho descreve o desenvolvimento de uma ferramenta que utiliza Inteligência Artificial Generativa para apoiar atividades de manutenção industrial. A ferramenta é capaz de responder a questões feitas em linguagem natural, elaborando respostas a partir da literatura técnica disponível. Os resultados obtidos durante a validação da ferramenta encorajam novos estudos e confirmam a viabilidade da aplicação de modelos generativos para apoio à manutenção industrial. | pt_BR |
| dc.creator.name2 | Silva, Adriel Leite da | |
| dc.creator.Lattes2 | http://lattes.cnpq.br/8449398497993266 | pt_BR |
