Digital twin based condition monitoring system for a cold stamping machine

Detalhes bibliográficos
Autor(a) principal: Pecora, Pedro de Almeida
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10198/25757
Resumo: Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
id RCAP_a05384b5bc53ce158dbdc5449cd8437c
oai_identifier_str oai:bibliotecadigital.ipb.pt:10198/25757
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Digital twin based condition monitoring system for a cold stamping machineEnergy monitoring systemData acquisitionIoTDomínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e TecnologiasMestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do ParanáThe fourth industrial revolution aims to connect and digitalize industrial assets. In an industrial environment, energy efficiency and machine health are important aspects of daily life. Energy monitoring systems, used alongside sensory data gathered from machines on the shop floor, can be powerful tools for monitoring the overall machine health. In this work, a data acquisition and monitoring system was implemented in a cold molding machine owned by Catraport, aiming to monitor electrical and vibrational data gathered during the molding process. The sensing equipment used communicates over Wi-Fi and, due to network problems and inconsistency, the factory’s computer network had to be modified, allowing for a better connection. The collected data was stored into InfluxDB, with timestamps for each measured input. With the collected data, five different dashboards were created using Grafana, one giving an overall view of the measured parameters, and the others containing more specific information of each parameter, namely current intensity, power, power factor and vibration. From the real-time data, out of control condition testing is carried out using Nelson Rules, imposing that whenever a parameter triggers one or more of the implemented rules, an alarm is shown on the dashboard and an email is sent to the maintenance technician. From the collected data a Machine Learning algorithm, named EECP-CBL, was implemented aiming to predict the next 5 minutes of current intensity, the forecasts also generate alerts for the maintenance team.A quarta revolução industrial tem como objetivo conectar e digitalizar ativos industriais. Em um ambiente industrial, a eficiência energética e a saúde das máquinas são aspectos importantes da vida cotidiana. Sistemas de monitoramento energético, utilizados juntamente com dados sensoriais coletados de máquinas no chão de fábrica, podem ser ferramentas poderosas para monitorar a saúde geral das máquinas. Neste trabalho, um sistema de aquisição e monitoramento de dados foi implementado em uma máquina de moldagem a frio de propriedade da Catraport, visando monitorar dados elétricos e vibracionais coletados durante o processo de moldagem. O equipamento de sensoriamento utilizado comunica-se através de Wi-Fi e, devido a problemas e inconsistências, a rede de TI da fábrica teve que ser modificada, para permitir uma conexão melhor. Os dados coletados foram armazenados no InfluxDB, com registros de tempo para cada entrada medida. Com os dados coletados, cinco painéis diferentes foram criados usando Grafana, um dando uma visão geral dos parâmetros medidos, e os outros contendo informações mais específicas de cada parâmetro, nomeadamente corrente, potência, fator de potência e vibração. A partir dos dados em tempo real, são realizados testes de valores fora de controle utilizando as Regras Nelson, implementando um sistema de alerta onde, se um parâmetro acionar uma ou mais das regras implementadas, um alarme é mostrado no painel e um e-mail é enviado ao técnico de manutenção. A partir dos dados coletados, foi implementado um algoritmo de aprendizado de máquina, chamado EECP-CBL, com o objetivo de prever os próximos 5 minutos de intensidade atual, as previsões também geram alertas para a equipe de manutenção.Leitão, PauloAgulhari, Cristiano MarcosBiblioteca Digital do IPBPecora, Pedro de Almeida2022-07-27T10:51:21Z20222022-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10198/25757TID:203044100enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-21T10:57:37Zoai:bibliotecadigital.ipb.pt:10198/25757Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T23:16:23.042252Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Digital twin based condition monitoring system for a cold stamping machine
title Digital twin based condition monitoring system for a cold stamping machine
spellingShingle Digital twin based condition monitoring system for a cold stamping machine
Pecora, Pedro de Almeida
Energy monitoring system
Data acquisition
IoT
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
title_short Digital twin based condition monitoring system for a cold stamping machine
title_full Digital twin based condition monitoring system for a cold stamping machine
title_fullStr Digital twin based condition monitoring system for a cold stamping machine
title_full_unstemmed Digital twin based condition monitoring system for a cold stamping machine
title_sort Digital twin based condition monitoring system for a cold stamping machine
author Pecora, Pedro de Almeida
author_facet Pecora, Pedro de Almeida
author_role author
dc.contributor.none.fl_str_mv Leitão, Paulo
Agulhari, Cristiano Marcos
Biblioteca Digital do IPB
dc.contributor.author.fl_str_mv Pecora, Pedro de Almeida
dc.subject.por.fl_str_mv Energy monitoring system
Data acquisition
IoT
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
topic Energy monitoring system
Data acquisition
IoT
Domínio/Área Científica::Engenharia e Tecnologia::Outras Engenharias e Tecnologias
description Mestrado de dupla diplomação com a UTFPR - Universidade Tecnológica Federal do Paraná
publishDate 2022
dc.date.none.fl_str_mv 2022-07-27T10:51:21Z
2022
2022-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10198/25757
TID:203044100
url http://hdl.handle.net/10198/25757
identifier_str_mv TID:203044100
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799135449308987392

Registros relacionados