Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.

Detalhes bibliográficos
Autor(a) principal: Ericeira, Daniel Rodrigues
Data de Publicação: 2019
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFOP
Texto Completo: http://www.repositorio.ufop.br/handle/123456789/12554
Resumo: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
id UFOP_37b36131c0c26fa6cbef799db745a5e6
oai_identifier_str oai:localhost:123456789/12554
network_acronym_str UFOP
network_name_str Repositório Institucional da UFOP
repository_id_str 3233
spelling Ericeira, Daniel RodriguesPessin, GustavoBianchi, Andrea Gomes CamposCoelho, Bruno NazárioRocha Filho, Geraldo PereiraRocha, Filipe Augusto SantosPessin, GustavoBianchi, Andrea Gomes Campos2020-08-07T15:15:04Z2020-08-07T15:15:04Z2019ERICEIRA, Daniel Rodrigues. Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico. 2019. 82 f. Dissertação (Mestrado em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.http://www.repositorio.ufop.br/handle/123456789/12554Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.Transportadores de correia são os principais equipamentos que compõem a logística de um terminal portuário. As partes rolantes do transportador de correia podem falhar principalmente devido a rolos danificados, que podem causar avarias graves à planta, como rasgar a correia e causar incêndios. Atualmente, a proteção do transportador é feita por sensores que indicam uma anormalidade já ocorrida, ou com inspeção humana que utiliza experiência prática em busca de sinais visuais, sonoros e de temperatura excessiva que indiquem falhas iminentes. Com objetivo de auxiliar o atual sistema corretivo e de inspeção local com análise de dados para detectar falhas mecânicas iminentes, é proposto um modelo de classificação de defeitos em rolos. Foram realizadas gravações de ultrassom em rolos sem ruídos perceptíveis, classificados como “nãodefeituosos” e em rolos que apresentavam ruídos característicos de falhas já perceptíveis, classificados como “defeituosos”. A base de dados montada foi utilizada para treinamento e teste de desempenho de algoritmos de aprendizado de máquina do tipo Random Forest e Multilayer Perceptron. Foram elaborados quatro tipos de experimentos para teste, dois usando dados no domínio do tempo e dois usando dados no domínio da frequência, com atributos estatísticos diferentes. Os resultados obtidos em testes de classificação mostraram que existe um padrão característico na faixa de ultrassons que difere os rolos não-defeituosos de defeituosos, conforme pré-avaliados com métodos tradicionais de inspeção humana. No melhor caso, o experimento usando média móvel dos dados no domínio da frequência apresentou média de classificação correta de rolos de 83,68%, tendo o melhor resultado com taxa de acerto de 90%.Conveyor belts are the main class of machinery that compose the logistics of a port terminal. The rolling components of the conveyor belt may fail mainly due to damaged idlers, which may cause serious industrial breakdown, such as belt ripping or fires of major proportions. Nowadays, the equipment protection is done by a set of sensors that indicate an already existing abnormality, or by human inspection applying empirical experience in search of visual, sound or temperature signatures of imminent failure. Aiming to aid the current corrective system and local diagnostic inspection with data analysis to detect approaching mechanical failures, a model for classifying defects on the conveyor’s idlers is proposed. Ultrasound recordings were conducted on idlers that didn’t present any perceptible abnormalities, labeled as non-defective, and on idlers that displayed typical failure noise, labeled as defectives. The dataset collected was used for training and testing of Random Forest and Multilayer Perceptron machine learning algorithms. Four types of experiments were devised to test the methodology, two of them using time domain data and two of them using frequency domain data, with different statistical attributes. The results achieved in different classification experiments showed that there is a distinctive pattern on the ultrasound spectrum that differs non-defective from defective idlers, as pre-evaluated by traditional methods of human inspection. In the best case, the experiment that used moving average on the frequency domain data presented an average of 83,68% of correctly classified idlers, having as best result a success rate of 90%.Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 27/07/2020 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho desde que sejam citados o autor e o licenciante. Não permite a adaptação.info:eu-repo/semantics/openAccessCorreias transportadorasAprendizado do computadorUltrassomDetecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.An ultrasonic sensing system for automatic defect detection on conveyor belts idlers.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPLICENSElicense.txtlicense.txttext/plain; charset=utf-8924http://www.repositorio.ufop.br/bitstream/123456789/12554/5/license.txt62604f8d955274beb56c80ce1ee5dcaeMD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-846http://www.repositorio.ufop.br/bitstream/123456789/12554/2/license_url587cd8ffae15c8598ed3c46d248a3f38MD52license_textlicense_texttext/html; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/12554/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://www.repositorio.ufop.br/bitstream/123456789/12554/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALDISSERTAÇÃO_DetecçãoAutomáticaDefeitos.pdfDISSERTAÇÃO_DetecçãoAutomáticaDefeitos.pdfapplication/pdf2470673http://www.repositorio.ufop.br/bitstream/123456789/12554/1/DISSERTA%c3%87%c3%83O_Detec%c3%a7%c3%a3oAutom%c3%a1ticaDefeitos.pdf4ef1ef8fb3dd9008f484b202c3353529MD51123456789/125542020-08-07 11:15:04.349oai:localhost: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ório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332020-08-07T15:15:04Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false
dc.title.pt_BR.fl_str_mv Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
dc.title.alternative.pt_BR.fl_str_mv An ultrasonic sensing system for automatic defect detection on conveyor belts idlers.
title Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
spellingShingle Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
Ericeira, Daniel Rodrigues
Correias transportadoras
Aprendizado do computador
Ultrassom
title_short Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
title_full Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
title_fullStr Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
title_full_unstemmed Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
title_sort Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.
author Ericeira, Daniel Rodrigues
author_facet Ericeira, Daniel Rodrigues
author_role author
dc.contributor.referee.pt_BR.fl_str_mv Pessin, Gustavo
Bianchi, Andrea Gomes Campos
Coelho, Bruno Nazário
Rocha Filho, Geraldo Pereira
Rocha, Filipe Augusto Santos
dc.contributor.author.fl_str_mv Ericeira, Daniel Rodrigues
dc.contributor.advisor1.fl_str_mv Pessin, Gustavo
Bianchi, Andrea Gomes Campos
contributor_str_mv Pessin, Gustavo
Bianchi, Andrea Gomes Campos
dc.subject.por.fl_str_mv Correias transportadoras
Aprendizado do computador
Ultrassom
topic Correias transportadoras
Aprendizado do computador
Ultrassom
description Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-08-07T15:15:04Z
dc.date.available.fl_str_mv 2020-08-07T15:15:04Z
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.citation.fl_str_mv ERICEIRA, Daniel Rodrigues. Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico. 2019. 82 f. Dissertação (Mestrado em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.
dc.identifier.uri.fl_str_mv http://www.repositorio.ufop.br/handle/123456789/12554
identifier_str_mv ERICEIRA, Daniel Rodrigues. Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico. 2019. 82 f. Dissertação (Mestrado em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2019.
url http://www.repositorio.ufop.br/handle/123456789/12554
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFOP
instname:Universidade Federal de Ouro Preto (UFOP)
instacron:UFOP
instname_str Universidade Federal de Ouro Preto (UFOP)
instacron_str UFOP
institution UFOP
reponame_str Repositório Institucional da UFOP
collection Repositório Institucional da UFOP
bitstream.url.fl_str_mv http://www.repositorio.ufop.br/bitstream/123456789/12554/5/license.txt
http://www.repositorio.ufop.br/bitstream/123456789/12554/2/license_url
http://www.repositorio.ufop.br/bitstream/123456789/12554/3/license_text
http://www.repositorio.ufop.br/bitstream/123456789/12554/4/license_rdf
http://www.repositorio.ufop.br/bitstream/123456789/12554/1/DISSERTA%c3%87%c3%83O_Detec%c3%a7%c3%a3oAutom%c3%a1ticaDefeitos.pdf
bitstream.checksum.fl_str_mv 62604f8d955274beb56c80ce1ee5dcae
587cd8ffae15c8598ed3c46d248a3f38
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
4ef1ef8fb3dd9008f484b202c3353529
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)
repository.mail.fl_str_mv repositorio@ufop.edu.br
_version_ 1801685749831041024

Registros relacionados