Procedimentos e técnicas para maximizar a confiabilidade e a disponibilidade de plantas industriais têm sido usados ao longo das últimas décadas por especialistas e profissionais de manutenção. Contudo, a extensão dos modernos sistemas industriais e a crescente complexidade e interdependência entre seus componentes vêm tornando o planejamento desta atividade uma tarefa cada vez mais difícil. Considerando este contexto, o objetivo do presente trabalho é oferecer uma ferramenta computacional que possa auxiliar na tomada de decisão e no planejamento das políticas de manutenção praticadas em plantas termonucleares. A ferramenta desenvolvida baseia-se na utilização de redes neurais artificiais (RNA) para o reconhecimento de padrões e estabelecimento de correlações entre eventos ocorridos nos componentes de sistemas típicos de reatores pressurizados refrigerados a água leve (PWR). As RNA atuam como mineradoras de dados nos bancos de eventos de falhas e são capazes de identificar ligações e estabelecer inferências imperceptíveis até para os mais experientes especialistas em manutenção de sistemas nucleares. Os resultados foram obtidos a partir de dados realistas e são confrontados com as clássicas políticas de manutenção atualmente praticadas em centrais tipo PWR. Estes resultados demonstram a solidez da técnica em avaliar e predizer falhas em uma planta real, podendo vir a ser utilizada como ferramenta de suporte a decisão no planejamento das políticas de manutenção de um PWR típico.
Proceedings and techniques in order to maximize the reliability and the availability of industrial plants have been used along the last decades by specialists and professionals of maintenance. However, the modern industrial systems’ sizing, and the increasing complexity and interdependence among its components have become this activity’s planning a more and more difficult task. Considering this scenario, the objective of the present work is to provide a computational tool which is able to help about the taking decision's task, and about planning policies of maintenance practiced in thermonuclear plants. The tool developed is based on the artificial neural networks (ANN) for the recognition of standards and establishment of correlations among events occurred in the components of pressurized water reactor (PWR) typical systems. The ANN work as miners of database of failure events, and are able to identify connections and to establish imperceptible inferences even for the most experienced specialists in maintenance of nuclear systems. The results were attained from realistic data and are confronted against the maintenance's classic policies which are practiced nowadays on PWR thermonuclear plants. These results show the solidity of the technique in valuing and predicting failures in a real powerplant, and is able to be used as a tool for supporting decisions about planning maintenance policies on a typical PWR.
