Algoritmos para a manutenção preditiva, na Indústria 4.0

• Autor(a) principal: Santos, André Manuel Marques dos
• Data de Publicação: 2018
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/28536
• topic: Manutenção preditiva; Indústria 4.0; Algoritmos preditivos; Vibrações; Machine learning; Multi-layer perceptron classifier; Rolamentos

No âmbito da Indústria 4.0, pretende-se o desenvolvimento de algoritmos que permitam realizar a manutenção preditiva e apoiar na tomada de decisões face à calendarização de uma paragem de produção para reparações. Desta forma o planeamento de uma paragem será mais preciso, diminuindo custos, evitando a aquisição de material/equipamentos com entrega imediata (valor acrescido) e o overstock em armazém. Este projeto contempla um estudo sobre os vários indicadores que contribuem para a identificação de falha de rolamentos, como por exemplo a temperatura e as frequências inerentes aos constituintes do rolamento. Tem também uma análise de métodos preditivos focada em redes neuronais artificiais, particularmente num algoritmo chamado de Multi-layer Perceptron Classifier. Este algoritmo é aplicado sobre vibrações sob a forma de frequência e medições de temperatura. A aceleração e a temperatura, são recebidas em tempo real de pontos estratégicos da máquina, e que demonstrem o estado atual de degradação dos rolamentos. Estas resultam do processamento de medições de aceleração com o algoritmo Fast computation algorithm for discrete Fourier Transform sendo as frequências e temperatura submetidas ao modelo que indica qual o tempo de vida que a máquina tem. Foram criadas duas rotinas de atualização do modelo de aprendizagem, uma que se repete semanalmente e outra que ocorre de aproximadamente de 16 em 16 horas. Por fim são apresentados vários resultados que comprovam a eficiência do algoritmo de machine-learning.