Desenvolvimento, implementação e estudo de caso de um software para detecção automática de falhas em motores elétricos de indução e sistemas mancalizados via análise de vibração e temperatura

• Ano de defesa: 2021
• Autor(a) principal: Piaia, Guilherme Angelo
• Orientador(a): Figueiredo, Rodrigo Marques de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Engenharia Elétrica
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Análise de vibração e temperatura; Detecção de falhas; Monitoramento em tempo real; Motores elétricos de indução; Aprendizado de máquina
• Palavras-chave em Inglês: Vibration; Fault analysis; Vibration and temperature analysis; Fault detection; Real time monitoring; Machine learning; Induction motor
• Área do conhecimento CNPq: ACCNPQ::Engenharias::Engenharia Elétrica
• Link de acesso: http://www.repositorio.jesuita.org.br/handle/UNISINOS/11336

Falhas em equipamentos industriais acarretam parada de produção, prejuízos e por consequência, perda de competitividade com aquelas que mitigam estes problemas. O desenvolvimento e implementação de soluções que busquem detectar e identificar falhas nestes equipamentos são, em sua maioria, indispensáveis para se minimizar os prejuízos de produção e os potenciais riscos à saúde das pessoas que trabalham nestes ambientes. Presente nestas máquinas, estão os motores elétricos de indução, que acoplados em um sistema mancalizado, criam o movimento necessário para a realização da atividade objetivo da máquina. Estas partes que se movimentam, com o uso ou com alguma adversidade, em algum momento entrarão em colapso, evidenciando a falha, sendo então necessário o monitoramento dos mesmos em tempo real para se prever e evitá-las. O atual estado da arte apresenta alguns trabalhos que consideram a energia da vibração no espectro, mas a construção de um sistema que monitore em tempo real e pode ser usado em diversos dispositivos, não foram encontrados trabalhos neste sentido. O presente trabalho propõe uma solução que integra software e hardware para resolver o problema antes citado, inclusive em tempo real e que aprende o comportamento do equipamento, sugerindo regiões de alerta e perigo, servindo de ferramenta para tomada de decisões. Para o desenvolvimento, as grandezas físicas de vibração foram utilizadas, com técnicas de processamento de sinais e machine learning (aprendizado de máquina). Após o desenvolvimento e implementação, a solução foi empregada em um estudo de caso em empresas de diferentes ramos da indústria, que obtiveram resultados positivos. A solução conseguiu armazenar, processar e disponibilizar os dados de vibração e temperatura em tempo real, onde o sistema detectou com antecedência em um dos casos, e no outro, mesmo com o estado avançado de desgaste do equipamento, segundo a norma ISO 10816-1, demonstrar que o equipamento se encontrava em estado severo.