Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos

Detalhes bibliográficos
Autor(a) principal: Marimon, Gabriel Cunha
Data de Publicação: 2014
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRGS
Texto Completo: http://hdl.handle.net/10183/141001
Resumo: A liquidez de capital é um elemento fundamental na economia mundial. Por esse motivo, todos os gastos com investimentos, estoques, insumos, matéria-prima, vêm sendo observados detalhadamente e sendo otimizados da melhor maneira possível, de forma a atingir o melhor balanço financeiro possível. A manutenção de equipamentos é responsável por parte do custo de operação de qualquer empresa. Peças de reposição podem ter prazos de entrega exagerados, o que leva as empresas a criar um estoque de peças, temendo que uma falha venha a interferir em suas entregas, comprometendo todo o Supply Chain. Nesse contexto é que as tecnologias de manutenção vêm se desenvolvendo. Os processos surgiram naturalmente através da necessidade e ainda continuam em evolução. A evolução exige que, cada vez mais, o processo de manutenção não interfira no processo produtivo, garantindo a disponibilidade de equipamentos, através da programação das atividades.O desenvolvimento da área de instrumentação, da eletrônica, dos softwares, permitiu que fossem desenvolvidos sistemas capazes de estimar, através de processamento de sinais, o nível de degradação dos sistemas. Técnicas como Transformada de Fourier, filtragem, regressão logística já são utilizadas com sucesso para detectar e prevenir falhas em equipamentos. Essas tecnologias permitem que seja feito o monitoramento de condições físicas, tomada de decisões, fornecimento de diagnóstico de falhas. É com essa motivação que o projeto de diplomação de fusão de sensores aplicada à manutenção inteligente visa estabelecer uma metodologia de manutenção inteligente, que seja capaz de estimar o comprometimento de um sistema permitindo, assim, a redução de peças de estoque, que impacta diretamente no balanço financeiro da empresa, e aumentando a confiabilidade do sistema produtivo e garantindo a melhor utilização da vida útil dos equipamentos. O sistema proposto opera com fusão de sensores, reamostragem, Wavelet package energy, e regressão logística para identificação das falhas em tempo real. Apresenta um payback descontado de 3,3 anos e o resultado da regressão logística com fusão de sensores apresentou um erro de regressão de 10−15para as falhas para as quais o sistema foi treinado.
id UFRGS-2_35635591832ba6066997bd5321c085ff
oai_identifier_str oai:www.lume.ufrgs.br:10183/141001
network_acronym_str UFRGS-2
network_name_str Repositório Institucional da UFRGS
repository_id_str
spelling Marimon, Gabriel CunhaHenriques, Renato Ventura Bayan2016-05-13T02:08:34Z2014http://hdl.handle.net/10183/141001000991778A liquidez de capital é um elemento fundamental na economia mundial. Por esse motivo, todos os gastos com investimentos, estoques, insumos, matéria-prima, vêm sendo observados detalhadamente e sendo otimizados da melhor maneira possível, de forma a atingir o melhor balanço financeiro possível. A manutenção de equipamentos é responsável por parte do custo de operação de qualquer empresa. Peças de reposição podem ter prazos de entrega exagerados, o que leva as empresas a criar um estoque de peças, temendo que uma falha venha a interferir em suas entregas, comprometendo todo o Supply Chain. Nesse contexto é que as tecnologias de manutenção vêm se desenvolvendo. Os processos surgiram naturalmente através da necessidade e ainda continuam em evolução. A evolução exige que, cada vez mais, o processo de manutenção não interfira no processo produtivo, garantindo a disponibilidade de equipamentos, através da programação das atividades.O desenvolvimento da área de instrumentação, da eletrônica, dos softwares, permitiu que fossem desenvolvidos sistemas capazes de estimar, através de processamento de sinais, o nível de degradação dos sistemas. Técnicas como Transformada de Fourier, filtragem, regressão logística já são utilizadas com sucesso para detectar e prevenir falhas em equipamentos. Essas tecnologias permitem que seja feito o monitoramento de condições físicas, tomada de decisões, fornecimento de diagnóstico de falhas. É com essa motivação que o projeto de diplomação de fusão de sensores aplicada à manutenção inteligente visa estabelecer uma metodologia de manutenção inteligente, que seja capaz de estimar o comprometimento de um sistema permitindo, assim, a redução de peças de estoque, que impacta diretamente no balanço financeiro da empresa, e aumentando a confiabilidade do sistema produtivo e garantindo a melhor utilização da vida útil dos equipamentos. O sistema proposto opera com fusão de sensores, reamostragem, Wavelet package energy, e regressão logística para identificação das falhas em tempo real. Apresenta um payback descontado de 3,3 anos e o resultado da regressão logística com fusão de sensores apresentou um erro de regressão de 10−15para as falhas para as quais o sistema foi treinado.The capital liquidity is an essential element in modern World economy. For this reason, all the expenses on investments, inventories, supplies, raw material, are being closely observed and optimized on the best possible way in order to achieve a better financial statement. Equipment maintenance is partly responsible for the business operating cost. Spare parts may be subject of long-term delivery which forces companies to build a parts inventory, fearing that a critical failure could interfere on delivery time and therefore, compromising the whole supply chain. Maintenance technologies are being developed on this context. The methods where naturally developed out of necessity and are still evolving. The increasingly development of new maintenance techniques requires that the maintenance process itself does not interfere in the production process, ensuring the availability of equipment through the programming of activities. The development of areas like instrumentation, electronics, software, served as mean to the creation of systems that can estimate the level of equipment degradation through signal processing. Techniques such as Fourier Transform, Filtering, Logistic Regression area can already serve as tools to detect and prevent equipment failures. These technologies support the monitoring of physical conditions, decision-making, fault diagnosis. Based on this scenario that the motivation to this graduation project emerged. It aims to establish a methodology for intelligent maintenance capable of estimating the aging of parts and systems in order to motivate a reliable reduction on spare parts volume. This reduction will result in better financial statement, the increasing of production system reliability and the ensuring of the best use of equipment life. The developed system uses resampling, wavelet package energy and logistic regression to identify failures in real time. It has a discounted payback of 3,3 years and a logistic regression error of 10−15 for failures for which it was trained.application/pdfporEngenharia elétricaElectrical engineeringSignal processingAutomation and controlElectronic and instrumentationFusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricosProjeto de diplomação : fusão de sensores aplicada à manutenção inteligenteinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPorto Alegre, BR-RS2014Engenharia Elétricagraduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000991778.pdf000991778.pdfTexto completoapplication/pdf2419814http://www.lume.ufrgs.br/bitstream/10183/141001/1/000991778.pdf593626e40a5d2bbd8834ac6f09fd3973MD51TEXT000991778.pdf.txt000991778.pdf.txtExtracted Texttext/plain165686http://www.lume.ufrgs.br/bitstream/10183/141001/2/000991778.pdf.txt002489c97d58df4b1aae97ae23a288fdMD52THUMBNAIL000991778.pdf.jpg000991778.pdf.jpgGenerated Thumbnailimage/jpeg1026http://www.lume.ufrgs.br/bitstream/10183/141001/3/000991778.pdf.jpg90c996c91bb6442673f48d3252f4d82cMD5310183/1410012018-10-25 10:03:22.016oai:www.lume.ufrgs.br:10183/141001Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-25T13:03:22Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
dc.title.alternative.pt_BR.fl_str_mv Projeto de diplomação : fusão de sensores aplicada à manutenção inteligente
title Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
spellingShingle Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
Marimon, Gabriel Cunha
Engenharia elétrica
Electrical engineering
Signal processing
Automation and control
Electronic and instrumentation
title_short Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
title_full Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
title_fullStr Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
title_full_unstemmed Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
title_sort Fusão de sensores aplicada à manutenção inteligente : detecção de falhas em atuadores elétricos
author Marimon, Gabriel Cunha
author_facet Marimon, Gabriel Cunha
author_role author
dc.contributor.author.fl_str_mv Marimon, Gabriel Cunha
dc.contributor.advisor1.fl_str_mv Henriques, Renato Ventura Bayan
contributor_str_mv Henriques, Renato Ventura Bayan
dc.subject.por.fl_str_mv Engenharia elétrica
topic Engenharia elétrica
Electrical engineering
Signal processing
Automation and control
Electronic and instrumentation
dc.subject.eng.fl_str_mv Electrical engineering
Signal processing
Automation and control
Electronic and instrumentation
description A liquidez de capital é um elemento fundamental na economia mundial. Por esse motivo, todos os gastos com investimentos, estoques, insumos, matéria-prima, vêm sendo observados detalhadamente e sendo otimizados da melhor maneira possível, de forma a atingir o melhor balanço financeiro possível. A manutenção de equipamentos é responsável por parte do custo de operação de qualquer empresa. Peças de reposição podem ter prazos de entrega exagerados, o que leva as empresas a criar um estoque de peças, temendo que uma falha venha a interferir em suas entregas, comprometendo todo o Supply Chain. Nesse contexto é que as tecnologias de manutenção vêm se desenvolvendo. Os processos surgiram naturalmente através da necessidade e ainda continuam em evolução. A evolução exige que, cada vez mais, o processo de manutenção não interfira no processo produtivo, garantindo a disponibilidade de equipamentos, através da programação das atividades.O desenvolvimento da área de instrumentação, da eletrônica, dos softwares, permitiu que fossem desenvolvidos sistemas capazes de estimar, através de processamento de sinais, o nível de degradação dos sistemas. Técnicas como Transformada de Fourier, filtragem, regressão logística já são utilizadas com sucesso para detectar e prevenir falhas em equipamentos. Essas tecnologias permitem que seja feito o monitoramento de condições físicas, tomada de decisões, fornecimento de diagnóstico de falhas. É com essa motivação que o projeto de diplomação de fusão de sensores aplicada à manutenção inteligente visa estabelecer uma metodologia de manutenção inteligente, que seja capaz de estimar o comprometimento de um sistema permitindo, assim, a redução de peças de estoque, que impacta diretamente no balanço financeiro da empresa, e aumentando a confiabilidade do sistema produtivo e garantindo a melhor utilização da vida útil dos equipamentos. O sistema proposto opera com fusão de sensores, reamostragem, Wavelet package energy, e regressão logística para identificação das falhas em tempo real. Apresenta um payback descontado de 3,3 anos e o resultado da regressão logística com fusão de sensores apresentou um erro de regressão de 10−15para as falhas para as quais o sistema foi treinado.
publishDate 2014
dc.date.issued.fl_str_mv 2014
dc.date.accessioned.fl_str_mv 2016-05-13T02:08:34Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/141001
dc.identifier.nrb.pt_BR.fl_str_mv 000991778
url http://hdl.handle.net/10183/141001
identifier_str_mv 000991778
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Repositório Institucional da UFRGS
collection Repositório Institucional da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/141001/1/000991778.pdf
http://www.lume.ufrgs.br/bitstream/10183/141001/2/000991778.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/141001/3/000991778.pdf.jpg
bitstream.checksum.fl_str_mv 593626e40a5d2bbd8834ac6f09fd3973
002489c97d58df4b1aae97ae23a288fd
90c996c91bb6442673f48d3252f4d82c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv
_version_ 1801224508689874944