DIAGNÓSTICO AUTOMÁTICO DE FALHAS EM MANCAIS DE MÁQUINAS ROTATIVAS

Dionisio Henrique Carvalho de Sá Só Martins, Thiago de Moura Prego, Amaro Azevedo de Lima

Resumo


Este artigo apresenta um método para diagnosticar falhas em máquinas rotativas através da análise de sinais de vibração a fim de propor uma nova metodologia de manutenção para as impressoras do tipo offset da Divisão Gráfica da Universidade Federal do Rio de Janeiro (UFRJ). Para tanto, o trabalho faz a classificação de três tipos de classes diferentes: sinais com defeito no mancal afastado do motor, sinais com defeito no mancal próximo ao motor e sinais normais. Além disso, também é feita a classificação dos tipos de defeitos que ocorrem nos mancais próximo e afastado do motor: defeito na gaiola, na pista externa e na esfera. O algoritmo usado para fazer a classificação foi o Random Forest, que atingiu uma acurácia de 98,15%.


Palavras-chave


Diagnóstico de Falhas; Mancais de Máquinas Rotativas; Random Forest.

Texto completo:

PDF

Referências


ABNT ‒ ASSOCIAÇÃO BRASILEIRA DE NORMAS TÉCNICAS. NBR 5462: confiabilidade e mantenabilidade. Rio de Janeiro, 1994.

ABREU, A. M.; SOARES, I. M.; SOUZA, S. T. O. Termografia em manutenção preditiva: conceitos e aplicabilidades em máquinas e equipamentos industriais. Revista de Divulgação do Projeto Universidade Petrobras e IF Fluminense, v. 2, n. 1, p. 89-94, nov. 2012.

BREIMAN, L. Random forests. Machine Learning, v. 45, p. 5-32, out. 2001.

GRÁFICA UFRJ. Máquinas da gráfica. Disponível em: . Acesso em: 11 ago. 2016.

JARDINE, A. K. S.; LIN, D.; BANJEVIC, D. A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing, v. 20, p. 1483-1510, nov. 2005.

MARTINS, D. H. C. de S. S.; VIANA, D. P.; PREGO, T. de M.; LIMA, A. A. de; LÓPEZ, R. Z.; NETTO, S. L. Diagnóstico de falhas em máquinas rotativas utilizando random forest. Anais do XXXIV Simpósio Brasileiro de Telecomunicações (SBrT), set. 2016.

NEPOMUCENO, L. X. Técnicas de manutenção preditiva: volume 1. 6. ed. São Paulo: Blucher, 2013.

NORTON, R. L. Projeto de máquinas: uma abordagem integrada. 2. ed. Porto Alegre: Bookman, 2007.

RANDALL, R. B.; ANTONI, J. Rolling element bearing diagnostics: a tutorial. Mechanical Systems and Signal Processing, v. 25, p. 485-520, 2011.

SAIDI, L.; ALI, J. B.; FNAIECH, F. The use of spectral kurtosis as a trend paramater for bearing faults diagnosis. Sciences and Techniques of Automatic Control and Computer Engineering (STA). 15th International Conference, p. 394-399, dez. 2014.

SENAI, Impressora offset: máquina alimentada a folha. São Paulo: SENAI-SP, 2014.

SOUZA, V. C. D. Organização e gerência da manutenção: planejamento, programação e controle de manutenção. 4. ed. São Paulo: All Print Editora, 2011.

WALTER, C. L.; SALLES, A. A. Manutenção preditiva, o caminho para a excelência: uma vantagem competitiva. In: XIII SIMPEP, Bauru, SP, Brasil, 06 a 08 nov. 2006.

ZAMBRANO, R. L. Classificação automática de defeitos em máquinas rotativas. Projeto Final de Graduação ‒ Universidade Federal do Rio de Janeiro. Rio de Janeiro, Brasil, 2014.


Apontamentos

  • Não há apontamentos.


Direitos autorais 2017 Práticas em Gestão Pública Universitária

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - NãoComercial 4.0 Internacional.

INDEXADORES E DIRETÓRIOS

Google Acadêmico | sumários.org  | LivRe! | Diadorim | Latindex | DOAJ