Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/55264| Tipo: | Dissertação |
| Título : | Previsão do coeficiente de atrito em pista de pouso e decolagem utilizando Redes Neurais Artificiais |
| Autor : | Quariguasi, José Breno Ferreira |
| Tutor: | Oliveira, Francisco Heber Lacerda de |
| Co-asesor: | Reis, Saulo Davi Soares e |
| Palabras clave : | Aeroporto;Segurança operacional;Manutenção;Aprendizagem de máquina |
| Fecha de publicación : | 2020 |
| Citación : | QUARIGUASI, José Breno Ferreira. Previsão do coeficiente de atrito em pista de pouso e decolagem utilizando Redes Neurais Artificiais. 2020. 93 f. Dissertação (mestrado) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-Graduação em Engenharia de Transportes, Fortaleza, 2020. |
| Resumen en portugués brasileño: | A tomada de decisão, no que diz respeito às medidas de manutenção e reabilitação em pavimentos aeroportuários, notadamente nas pistas de pouso e decolagem, muitas vezes, é feita de forma subjetiva ou baseada em experiências técnicas de serviços e obras passadas. Todavia, essa abordagem não possibilita ao operador de aeródromo o uso racional dos recursos humanos, materiais e financeiros disponíveis para aplicação nas atividades necessárias à manutenção ou à reabilitação desses pavimentos. Os parâmetros de aderência pneu-pavimento - representados pelo coeficiente de atrito e pela macrotextura - são utilizados como critério na tomada de decisão de serviços de manutenção e reabilitação, pois são fundamentais para a garantia da segurança das operações de pouso e decolagem. Tais parâmetros são influenciados por algumas variáveis, como o tráfego de aeronaves devido ao acúmulo de borracha proveniente dos pneus das aeronaves nas pistas de pouso e decolagem, a umidade relativa do ar e a idade do revestimento, dentre outras. Desta forma, este trabalho propõe um modelo de previsão para o coeficiente de atrito medido em pista de pouso e decolagem com o intuito de contribuir na tomada de decisão quanto às medidas relativas à manutenção e reabilitação em Sistema de Gerência de Pavimentos Aeroportuários. Este modelo foi desenvolvido por meio de Redes Neurais Artificiais e a partir de dados oriundos de relatórios de medição de coeficiente de atrito medidos entre 2015 e 2019 no Aeroporto Internacional de Fortaleza e de dados climatológicos do Instituto de Controle do Espaço Aéreo. Embora necessitem de melhorias futuras a fim de reduzir seu erro, os resultados do modelo desenvolvido mostraram-se satisfatórios, podendo ser ressaltadas as seguintes contribuições: (i) permitir ao operador de aeródromo planejar medidas de manutenção e/ou medição do coeficiente de atrito em campo e, assim, evitar problemas ou restrições relacionadas à segurança das operações de pousos e decolagens devidos à condição de aderência pneu-pavimento nas pistas de pouso e decolagem; (ii) e, também, possibilitar à agência reguladora, serviços de fiscalização e/ou acompanhamento do coeficiente de atrito em aeródromos. |
| Abstract: | The decision-making process, according to airfield pavements maintenance and rehabilitation, especially on runways, often is made subjectively or based on technical experience of services and past works. However, this approach does not allow airport operators to rationally use the available human, material and financial resources for application in the necessaries activities to maintenance or rehabilitation of these pavements. Coefficient of friction and macrotexture are used as a criteria in decision-making related to maintenance and rehabilitation services, because they are fundamental to ensure the safety during the landing and takeoff operations on runways. These variables are influenced by some factors, for example by the aircraft traffic due to the rubber accumulated on the runway from airplane’s tire, relative humidity and the age of the surface layer, among others. In this way, this work proposes a prediction model for runway friction in order to contribute to the decision-making process related to maintenance and rehabilitation measures in Airport Pavement Management System. This model was developed using Artificial Neural Network, with data from reports of coefficient of friction measured between 2015 and 2019 at the International Airport of Fortaleza, as well as climatological data from the Brazilian Airspace Control Institute. Although, it needs future improvements in order to reduce the error, the results of the developed model were satisfactory, then the following contributions can be highlighted: (i) allowing airport operators to plan maintenance and rehabilitation actions and/or field measurements, and, thus, avoiding problems or constrains related to takeoff and landing operation safety due to the surface condition; (ii) and the findings of this work may also allow the regulatory agency to inspect and/or monitor the coefficient of friction at airfield pavements. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/55264 |
| Aparece en las colecciones: | DET - Dissertações defendidas na UFC |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2020_dis_jbfquariguasi.pdf | 9,46 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.