Premiado artigo sobre recurso a técnicas de data mining para prever avarias

data mining

Artigo premiado aborda o tema da exploração de dados para a predição de avarias, usando como caso de estudo as portas de um comboio suburbano inglês. (Foto: DR)

O artigo “Failure Prediction – an Application in the Railway Industry”, da autoria do sinvestigadores do Laboratório de Inteligência Artificial e Apoio à Decisão (LIAAD) do INESC TEC Pedro Mota Pereira, Rita Ribeiro e João Gama, é o vencedor da edição deste ano do “Carl H. Smith Student Paper Award”, a atribuir durante a a conferência Discovery Science 2014.

Este artigo aborda o tema da exploração de dados para a predição de avarias, usando como caso de estudo as portas de comboio suburbano em operação em Inglaterra. Os investigadores utilizaram técnicas de data mining para verificar se seria possível detetar, ainda numa fase precoce, o aparecimento de falhas no funcionamento das portas desse comboio.

“No decurso desse trabalho acabámos por demonstrar que a aplicação de um pós-processamento aos resultados de uma primeira etapa de classificação era uma forma adequada de prever avarias em sistemas como as portas automáticas de um comboio”, explica Pedro Mota Pereira.

O trabalho premiado resulta da investigação que está a ser desenvolvida no âmbito da tese de mestrado em Análise de Dados da Faculdade de Economia da Universidade do Porto (FEP) de Pedro Mota Pereira.

Trata-se da segunda vez que o prémio Carl H. Smith é atribuído a um investigador do LIAAD/INESC TEC. Em 2006, a distinção foi para Rita Ribeiro, coautora do documento agora premiado.

O prémio “Carl H. Smith” existe desde 2005 e é atribuído ao Best Student Paper na conferência anual Discovery Science. O prémio deste ano será entregue durante a conferência, a decorrer entre 8 e 10 de outubro na Eslovénia.

  • JM

    data mining, uma das maravilhas da informática.