Applications of artificial intelligence to condition-based maintenance

In this paper we discuss interesting developments of expert systems for machine diagnosis and condition-based maintenance. We review some elements of condition-based maintenance and its applications, expert systems for machine diagnosis, and an example of machine diagnosis. In the last section we note some problems to be resolved so that expert systems for machine diagnosis may gain wider acceptance in the future.

Predicting chick body mass by artificial intelligence-based models

The objective of this work was to develop, validate, and compare 190 artificial intelligence-based models for predicting the body mass of chicks from 2 to 21 days of age subjected to different duration and intensities of thermal challenge. The experiment was conducted inside four climate-controlled wind tunnels using 210 chicks. A database containing 840 datasets (from 2 to 21-day-old chicks) - with the variables dry-bulb air temperature, duration of thermal stress (days), chick age (days), and the daily body mass of chicks - was used for network training, validation, and tests of models based on artificial neural networks (ANNs) and neuro-fuzzy networks (NFNs). The ANNs were most accurate in predicting the body mass of chicks from 2 to 21 days of age after they were subjected to the input variables, and they showed an R² of 0.9993 and a standard error of 4.62 g. The ANNs enable the simulation of different scenarios, which can assist in managerial decision-making, and they can be embedded in the heating control systems.

Fatores prognósticos para o desenvolvimento cognitivo de prematuros de muito baixo peso

OBJETIVO: Crianças prematuras, de muito baixo peso, podem apresentar alterações em seu desenvolvimento cognitivo. No Brasil, pouco se conhece sobre a evolução dessas crianças na idade pré-escolar. O objetivo do estudo foi descrever o desenvolvimento cognitivo de uma população de recém-nascidos prematuros de muito baixo peso e verificar possíveis fatores prognósticos para desenvolvimento cognitivo anormal. MÉTODOS: Um estudo de coorte foi realizado com uma população de crianças pré-escolares, nascidas prematuras, de muito baixo peso, entre janeiro de 1991 e setembro de 1993. O desenvolvimento cognitivo foi avaliado por meio do teste WPPSI-R (Wechsler Preschool and Primary Intelligence Scales) aplicado por psicólogas, utilizando dois pontos de corte para definição de anormalidade: escores abaixo de 1 e 2, desvios padrões da média (DP). RESULTADOS: Foram avaliadas 79 crianças de quatro a cinco anos de idade. A média do escore total do teste WIPPSI-R foi de 75,6 (±11,9). A incidência de escore total anormal foi de 77,2% e de 32,9% (1DP e 2 DP, respectivamente). Após o ajuste por "tipo de parto", ser pequeno para a idade gestacional (OR=6,19; IC95% 1,60-23,86), ultra-som transfontanela anormal (OR=5,90; IC95% 1,04-9,83) e ser do sexo masculino (OR=3,20; IC 95% 1,32-26,35) foram os fatores que predisseram escore total <70 (2 DP). CONCLUSÃO: Houve maior comprometimento do desenvolvimento cognitivo nas crianças estudadas do que o descrito na literatura. Ser pequeno para idade gestacional, ultra-som transfontanela anormal e sexo masculino foram fatores prognósticos de pior evolução.