Este trabalho visou a elaboração de um sistema que forneça ao usuário um meio intuitivo para utilizar, na prática, as informações funcionais extraídas do processamento - por meio de algoritmos de Machine Learning - de dados coletados pelo vagão instrumentado para caracterização das condições de infraestrutura da EFVM

Com isso pretende-se agregar valor e eficiência aos serviços fornecidos nas ferrovias gerenciadas pela Vale, assim como reforçar a sua segurança, evitando-se incidentes que podem ser desde os mais leves, como pequenas interrupções de serviços, quanto os mais severos, como desastres ambientais

Para poder tirar proveito das inferências realizadas, esse trabalho focou na visualização dos resultados. Ela tem um papel fundamental em BDA para permitir que os usuários entendam o problema, gerem hipóteses, e tomem decisões. Nesse contexto, visou-se fornecer à Vale um sistema que facilite a adoção de manutenções preditivas da EFVM. Ademais, uma análise de diferentes tecnologias de visualização de dados e storytelling, assim como a firmação desses e outros conceitos de BDA, vieram como consequência da pesquisa realizada

Inovar as tecnologias adotadas pelo setor de Engenharia Ferroviária da Vale

Crescer o atual mercado da empresa, através do incremento em ações de manutenção preditiva relacionadas à via permanente, com a consequente redução em períodos de indisponibilidade de uso da ferrovia

Reduzir custos de investimento, por meio do aumento da vida útil das composições ferroviárias e da via permanente

Impactar positivamente o meio ambiente e a sociedade, através do aumento da eficiência energética dos serviços providos e da regularidade em oferta de transporte às comunidades que dependem de suas operações