Aplicação de processo de descoberta de conhecimento em base de dados para caracterização de ocorrências aeronáuticas

Abstract

Todos os dias são realizados milhares de voos ao redor do mundo, sendo, por muitas vezes, a melhor opção de transporte. Transportes aéreos são conhecidos como um meio seguro para se locomover. Entretanto, mesmo com o avanço da tecnologia, a média de ocorrências aeronáutica nos últimos anos permanece estável. Existem vários fatores que podem levar a acidentes aeronáuticos, tais como: condições meteorológicas, infraestrutura portuária, pouca experiencia do piloto, esquecimento, manutenção da aeronave, supervisão gerencial e julgamento do piloto. Dessa forma, este trabalho teve como objetivo realizar um processo de descoberta de conhecimento em base de dados (KDD), caracterizando ocorrências aeronáuticas, que aconteceram entre o período de 2013 a 2022, a fim de auxiliar em políticas de prevenções. Na fundamentação teórica são apresentados alguns conceitos chaves, como, Descoberta de Conhecimento em Bases de Dados, Aprendizado de Máquina, Clusterização, que sustentam a pesquisa, os quais são ancorados em práticas de pesquisa apresentadas em um conjunto de trabalhos relacionados. Para alcançar os objetivos propostos, foi realizada uma pesquisa experimental. Inicialmente foram coletados quatro conjunto de dados, que continham informações da ocorrência aeronáutica. Aeronave, Aspecto e Fator. Em seguida, foi realizada a limpeza e transformação desses dados, que unificou os quatro conjuntos, realizou-se então a clusterização dos dados por meio do software WEKA e, por fim, foram elaborados gráficos com a ferramenta Excel e realizada a análise dos clusters. Os principais resultados do Cluster 0 revelam ocorrências concentradas principalmente no ano de 2014, predominantemente no estado de São Paulo, e que não resultaram em saída da pista. O Cluster 1 mantém características semelhantes ao Cluster 0, mas com uma mudança no tipo de ocorrência para "Falha ou Mal Funcionamento do Motor". O fator de julgamento de pilotagem, especialmente na área operacional. No Cluster 2, o estado com maior incidência de ocorrências é Minas Gerais, principalmente em 2018. O fator humano, especificamente o aspecto psicológico pela aplicação de comando, volta a ser relevante. No Cluster 3 o tipo de ocorrência retorna para "Perda de Controle", com o fator sendo atitude de aspecto psicológico, humano e individual. A maioria das aeronaves passa a ser bimotor, do tipo Jato, no segmento regular. O Cluster 4 é semelhante ao Cluster 3, é o único cluster em que há predominância de "sim" na saída da pista. No Cluster 5 o fator é a aplicação de comando, da área operacional e pelo desempenho humano. O último cluster mantém dados semelhantes ao 6 cluster 5, mas o tipo de motor da aeronave volta a ser jato, com bimotores, e do segmento regular.