Use of artificial intelligence for the development of a fault prediction algorithm for three-phase induction motors
a systematic literature review
DOI:
https://doi.org/10.47385/cadunifoa.v20.n55.5536Keywords:
Failure detection, Three-Phase Induction Motor, Artificial Intelligence, Artificial Neural NetworksAbstract
Reducing operational costs and increasing efficiency are crucial to ensuring competitiveness in the automotive industry. Rigorous control of three-phase induction motors is essential to maintaining uninterrupted production and minimizing downtime caused by failures. In this context, Artificial Intelligence stands out as a powerful tool for developing fault prediction algorithms for three-phase induction motors. To understand current trends in this field, this article proposes a systematic literature review, aiming to obtain a comprehensive overview of the existing research and identify knowledge gaps in this area. The results highlighted eight studies that emphasize the use of Artificial Neural Networks for fault detection in three-phase induction motors.
Downloads
References
AWDE, Shreyas; PATIL, Shruti; KUMAR, Satish; KAMAT, Pooja; KOTECHA, Ketan; ABRAHAM, Ajith. Multi-fault diagnosis of Industrial Rotating Machines using Data-driven approach: A review of two decades of research. Engineering Applications of Artificial Intelligence, v. 123, p. 106139, 2023. DOI: https://doi.org/10.1016/j.engappai.2023.106139
BRERETON, P; KITCHENHAM, B.; BUDGEN, D.; TURNER, M.; KHALIL, M. Lessons from applying the systematic literature review process within the software engineering domain. Journal of Systems and Software, [S. l.], v. 80, n. 4, p. 571–583, 2007. DOI: 10.1016/j.jss.2006.07.009. Disponível em: DOI: https://doi.org/10.1016/j.jss.2006.07.009
https://linkinghub.elsevier.com/retrieve/pii/S016412120600197X.
Garcia-Calva, T.; Morinigo Sotelo, D.; Fernandez-Cavero, V.; Romero-Troncoso, R. Early Detection of Faults in Induction Motors—A Review. Energies 2022, 15, 7855. https://doi.org/10.3390/en15217855. DOI: https://doi.org/10.3390/en15217855
FAULT DIAGNOSIS OF INDUSTRIAL ROTATING MACHINES USING DATA-DRIVEN APPROACH: A REVIEW OF TWO DECADES OF RESEARCH. 2022, 30, 14153. https://doi.org/10.48550/arXiv.2206.14153
Inyang, U.I.; Petrunin, I.; Jennions, I. Diagnosis of Multiple Faults in Rotating Machinery Using Ensemble Learning. Sensors 2023, 23, 1005. https://doi.org/10.3390/ s2302100. DOI: https://doi.org/10.3390/s23021005
KITCHENHAM, B.; CHARTERS, S. Guidelines for performing Systematic Literature Reviews in Software Engineering. Technical Report, EBSE-2007-01, Keele University and Durham University Joint Report, 2007.
Kumar, P.; Khalid, S.; Kim, H.S. Prognostics and Health Management of Rotating Machinery of Industrial Robot with Deep Learning Applications—A Review. Mathematics 2023, 11, 3008. https:// doi.org/10.3390/math11133008. DOI: https://doi.org/10.3390/math11133008
MUMALI, Fredrick. Artificial neural network-based decision support systems in manufacturing processes: A systematic literature review. Computers & Industrial Engineering, [S. l.], v. 165, p. 107964, 2022. DOI: 10.1016/j.cie.2022.107964. DOI: https://doi.org/10.1016/j.cie.2022.107964
Disponível em: https://linkinghub.elsevier.com/retrieve/pii/S0360835222000341.
PETERSEN, K.; FELDT, R.; KUZNIARZ, L.; MATTSSON, M. Systematic Mapping Studies in Software Engineering. In: Proceedings of the 12th International Conference on Evaluation and Assessment in Software Engineering (EASE), 2008, Bari, Italy. p. 68-77. DOI: https://doi.org/10.14236/ewic/EASE2008.8
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Cadernos UniFOA
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Declaração de Transferência de Direitos Autorais - Cadernos UniFOA como autor(es) do artigo abaixo intitulado, declaro(amos) que em caso de aceitação do artigo por parte da Revista Cadernos UniFOA, concordo(amos) que os direitos autorais e ele referentes se tornarão propriedade exclusiva desta revista, vedada qualquer produção, total ou parcial, em qualquer outra parte ou meio de divulgação, impressa ou eletrônica, sem que a prévia e necessária autorização seja solicitada e, se obtida, farei(emos) constar o agradecimento à Revista Cadernos UniFOA, e os créditos correspondentes. Declaro(emos) também que este artigo é original na sua forma e conteúdo, não tendo sido publicado em outro periódico, completo ou em parte, e certifico(amos) que não se encontra sob análise em qualquer outro veículo de comunicação científica.
O AUTOR desde já está ciente e de acordo que:
- A obra não poderá ser comercializada e sua contribuição não gerará ônus para a FOA/UniFOA;
- A obra será disponibilizada em formato digital no sítio eletrônico do UniFOA para pesquisas e downloads de forma gratuita;
- Todo o conteúdo é de total responsabilidade dos autores na sua forma e originalidade;
- Todas as imagens utilizadas (fotos, ilustrações, vetores e etc.) devem possuir autorização para uso;
- Que a obra não se encontra sob a análise em qualquer outro veículo de comunicação científica, caso contrário o Autor deverá justificar a submissão à Editora da FOA, que analisará o pedido, podendo ser autorizado ou não.
O AUTOR está ciente e de acordo que tem por obrigação solicitar a autorização expressa dos coautores da obra/artigo, bem como dos professores orientadores antes da submissão do mesmo, se obrigando inclusive a mencioná-los no corpo da obra, sob pena de responder exclusivamente pelos danos causados.
