Logo Passei Direto
Buscar
Questão 24Uma empresa de geração de energia eólica implantou sistema de manutenção preditiva baseado em algoritmo de machine learning (Random Forest) treinado com histórico de vibrações de 120 turbinas ao longo de cinco anos. O modelo foi treinado para classificar o estado das caixas de engrenagens em três classes: normal, degrada e crítica. O engenheiro responsável recebeu do fornecedor um relatório informando acurácia de 94% no conjunto de teste. Antes de autorizar a operação autônoma do sistema, o engenheiro deve avaliar criticamente os dados de entrada, as limitações do modelo e sua própria responsabilidade técnica na validação.Fonte: LEI, Yaguo et al. Applications of machine learning to machine fault diagnosis: a review and roadmap. Mechanical Systems and Signal Processing, v. 138, p. 106587, 2020.Com base na avaliação crítica do sistema de manutenção preditiva por machine learning, é correto o que se afirma em:I. A acurácia global de 94% é indicador suficiente para autorizar a operação autônoma do sistema, pois representa desempenho superior ao diagnóstico humano convencional na maioria dos casos documentados na literatura.II. O histórico de treinamento de cinco anos é suficiente para garantir que o modelo generalize corretamente para turbinas de modelos distintos dos utilizados no treinamento, pois algoritmos de Random Forest são robustos a variações de domínio por construção.II. O engenheiro deve avaliar métricas de desempenho por classe - em especial precisão, recall e F1-score da classe crítica - pois a acurácia global pode mascarar elevado índice de falsos negativos na detecção de falhas críticas, o que representa risco operacional inaceitável.IV. O engenheiro mantém responsabilidade técnica pela validação do sistema mesmo após a certificação pelo fornecedor, devendo definir critérios de acionamento de inspeção humana para casos de baixa confiança do modelo e estabelecer protocolo de monitoramento contínuo do desempenho em operação.É correto o que se afirma em:A) II, III e IV, apenas.B) II e III, apenas.C) III e IV, apenas.D) I, II e III, apenas.E) I e IV, apenas.
User badge image
Renato Silva

há 3 semanas

Respostas

User badge image

Ed Verified user icon

há 3 semanas

Vamos analisar cada item: I. A acurácia global de 94% é suficiente para autorizar operação autônoma, pois supera diagnóstico humano. FALSO. A acurácia global pode mascarar problemas, especialmente em classes desbalanceadas; não é suficiente para autorizar operação autônoma sem análise detalhada. II. O histórico de cinco anos garante generalização para turbinas de modelos distintos, pois Random Forest é robusto a variações de domínio. FALSO. Random Forest não garante robustez automática a variações de domínio (modelos diferentes), e o histórico pode não ser suficiente para generalização. III. O engenheiro deve avaliar métricas por classe (precisão, recall, F1-score), especialmente para a classe crítica, pois acurácia pode mascarar falsos negativos que são riscos operacionais. VERDADEIRO. Métricas específicas por classe são essenciais para avaliar riscos. IV. O engenheiro mantém responsabilidade técnica após certificação, devendo definir critérios para inspeção humana e monitorar desempenho continuamente. VERDADEIRO. Responsabilidade técnica e monitoramento contínuo são essenciais. Portanto, os itens corretos são III e IV. Alternativa correta: C) III e IV, apenas.

Essa resposta te ajudou?

0
Dislike0

Ainda com dúvidas?

Envie uma pergunta e tenha sua dúvida de estudo respondida!

Mais conteúdos dessa disciplina