Este trabalho foi publicado pelo Galoá e tem um DOI depositado. Para citar este trabalho, use um dos padrões abaixo:
Caso você seja um dos co-autores e queira cadastrar esse trabalho no seu Currículo Lattes, use o seguinte código: doi > 10.17648/cbqee-2021-130584
Se você NUNCA registrou um DOI no seu Lattes, veja nosso tutorial!Atualmente as concessionárias de energia elétrica enfrentam o desafio de otimizar a alocação de recursos, não só para aumentar a qualidade fornecida ao cliente com os menores custos e vantagens competitivas do mercado, mas também para garantir a continuidade dos contratos de concessão, atendendo aos limites estabelecidos pelos órgãos reguladores. Dessa forma, métodos de Aprendizado de Máquina podem ser implementados para orientar as ações estratégicas. Neste artigo é demonstrada a aplicação de um algoritmo de clusterização para auxiliar na alocação de recursos de manutenção. Este trabalho tem como diferencial a inclusão do impacto potencial que um dispositivo pode ter além do histórico de desempenho considerado nas abordagens clássicas. A metodologia é aplicada a uma rede real com 32.111 dispositivos de média tensão, que se agrupam formando grupos prioritários para o plano de manutenção. O algoritmo aponta que 9% dos equipamentos podem ser considerados como prioritários para manutenção.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo