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.
📖 افتح في inklap 🔗 DOI 📮 اطلب بحثاً