Navegando por Assunto "Fault diagnosis"
Agora exibindo 1 - 3 de 3
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise de atributos de sinais de vibração para o diagnóstico de falhas em rolamentos utilizando PCA e clustering hierárquico(0026-07-24) PIANO, Felipe Silveira; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166Nas indústrias, é indispensável obter alta disponibilidade e confiabilidade dos equipamentos para garantir a continuidade operacional das plantas. Nesse contexto, os rolamentos são os componentes de maior ocorrência em máquinas rotativas de plantas industriais. Por isso, o monitoramento das condições desse componente cresceu significativamente nas últimas décadas, e a manutenção preditiva está utilizando técnicas cada vez mais sofisticadas para a detecção e diagnóstico de falhas em rolamentos. As abordagens modernas consistem na análise dos sinais de vibrações e sua classificação por ferramentas de Aprendizado de Máquina. As pesquisas nesse ramo se concentram em métodos de aprendizado supervisionado. Portanto, este trabalho busca contribuir com as lacunas de pesquisas em aprendizado não supervisionado para analisar essas falhas, utilizando as técnicas de Principal Component Analysis (PCA) e Clustering Hierárquico. Os sinais de vibração analisados fazem parte de um banco de dados disponibilizado publicamente, oferecido pela Case Western Reserve University- CWRU. Inicialmente, os sinais são janelados e são obtidos os seguintes atributos no domínio do tempo para cada janela: Nível Global RMS, Fator de Crista, Fator K, Curtose e Assimetria. Com esses atributos, foram elaborados os gráficos de boxplot, histograma, pairplot e matriz de correlação. Em seguida, os atributos são padronizados e é aplicado o PCA para diminuir as ambiguidades e reduzir a dimensionalidade dos dados. As duas primeiras componentes principais foram utilizadas como novos atributos para o Clustering Hierárquico. Por fim, foram elaborados o dendrograma e uma tabela rastreando as classes presentes em cada cluster encontrado. Os resultados demonstraram a viabilidade de se utilizar técnicas de Aprendizado de Máquina não supervisionado na análise de atributos para o diagnóstico de falhas em rolamentos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise de óleo como ferramenta de manutenção preditiva em um pulverizador agrícola(2026-07-17) FERREIRA, Jose Rodrigo Barbosa; FURTADO, Maciel da Costa; http://lattes.cnpq.br/4062258417348910A crescente utilização de máquinas agrícolas de elevada complexidade tecnológica tem aumentado a necessidade de técnicas capazes de monitorar a condição dos equipamentos e subsidiar decisões de manutenção de forma mais eficiente. Nesse contexto, o presente trabalho teve como objetivo avaliar a aplicação da análise de óleo lubrificante como ferramenta de manutenção preditiva em um pulverizador agrícola, visando identificar precocemente indícios de desgaste nos componentes mecânicos e verificar sua contribuição para o planejamento das intervenções de manutenção. A metodologia consistiu na realização da primeira campanha de monitoramento por análise de óleo do equipamento, com coleta de amostras dos compartimentos motor, sistema hidráulico e comandos finais, encaminhadas para um laboratório especializado, onde foram realizadas análises espectrométricas e físico-químicas dos lubrificantes. Os resultados evidenciaram concentrações elevadas de metais de desgaste e valores elevados do Índice PQI nos comandos finais traseiros, indicando desgaste prematuro desses compartimentos. Posteriormente, a inspeção mecânica realizada pela assistência técnica autorizada confirmou o desgaste dos componentes internos, validando o diagnóstico obtido por meio da análise de óleo. Além disso, a identificação antecipada da anomalia possibilitou que a intervenção fosse realizada ainda durante o período de garantia do fabricante, reduzindo significativamente o valor efetivamente desembolsado pela empresa em relação ao orçamento integral do reparo. Conclui-se que a análise de óleo lubrificante constitui uma ferramenta eficiente para o monitoramento da condição de máquinas agrícolas, permitindo identificar precocemente processos de desgaste, direcionar inspeções mecânicas, subsidiar o planejamento da manutenção e contribuir para o aumento da confiabilidade e da disponibilidade operacional dos equipamentos.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Rede neural convolucional para o diagnóstico de rolamentos em baixa rotação(2024-05-24) SILVA, Jonatas Cruz da; COSTA, Thiago Barroso; http://lattes.cnpq.br/2617134540357756; SOUSA, Walter dos Santos; http://lattes.cnpq.br/5903481928919040Este trabalho concentra-se na aplicação de redes neurais convolucionais (CNNs) no diagnóstico de falhas em rolamentos de baixa rotação, uma área crucial para garantir a segurança e a eficiência, principalmente na indústria de mineração. A utilização do sinal de vibração apresenta desafios devido ao fato de os rolamentos de baixa rotação funcionarem sob cargas consideráveis e, ocasionalmente, em condições não estacionárias. Além do mais, devido a energia associada ao sinal da falha no rolamento ser fraca, o seu monitoramento é dificultado pela presença de ruídos provenientes de outras fontes que pode mascarar o sinal da falha. Portanto, ferramentas de processamento de sinal e algoritmos de aprendizado de máquina foram propostos para lidar com essas questões. Dentre as técnicas de aprendizado de máquina, os modelos de diagnósticos baseados em aprendizagem profunda se popularizaram nos últimos anos, principalmente o modelo de rede neural convolucional devido ao seu desempenho. Assim, neste trabalho é proposto a elaboração de um modelo de diagnóstico em rolamentos de baixa rotação, baseado em uma rede neural convolucional, onde os dados de entrada são sinais de vibração que posteriormente são transformados em uma imagem na escala de cinza, denominada de imagem de vibração, e, por fim, utilizado para o treinamento do modelo. Para o treinamento e validação do modelo foram usados sinais de vibração de rolamento de um misturador de granéis que opera com rotação de 50 rpm, sendo estes sinais coletados com os rolamentos saudáveis e, posteriormente, com rolamentos defeituosos com diferentes graus de severidade e com diferentes níveis de carregamento do maquinário. Após o treinamento do modelo é analisado a acurácia para a avaliar o desempenho e precisão do modelo proposto. Portanto, este trabalho visa criar uma ferramenta de diagnóstico automatizada para falha em rolamentos de baixa rotação com um elevado nível de acurácia, assim facilitando o monitoramento de maquinário que utiliza esses tipos rolamentos garantido a eficiência e segurança nos setores industriais. Como resultado, obteve-se dois modelos de diagnóstico automatizado de falha, um multiclasses e outro binário, onde obtiveram excelentes resultados.