Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção

Detalhes bibliográficos
Autor(a) principal: Coral, Rodrigo
Data de Publicação: 2014
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/xmlui/handle/123456789/129674
Resumo: Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2014
id UFSC_6c27c0ef7a906329c6272e84baf4375c
oai_identifier_str oai:repositorio.ufsc.br:123456789/129674
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaCoral, RodrigoFlesch, Carlos AlbertoPenz, Cesar Alberto2015-02-05T21:22:14Z2015-02-05T21:22:14Z2014330919https://repositorio.ufsc.br/xmlui/handle/123456789/129674Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2014Capacidade de refrigeração é um parâmetro altamente representativo da qualidade do compressor hermético e da sua adequação a um sistema de refrigeração. Atualmente, a medição desse parâmetro é realizada através de ensaio laboratorial com duração média de 4,5 horas e incerteza de medição de aproximadamente ±3%. Devido ao tempo e custos envolvidos no ensaio, quando um lote de compressores é produzido, esse parâmetro é avaliado através de uma amostra muito pequena. Para contornar esse problema, a proposta apresentada nesta tese se afasta do conceito tradicional de medição da capacidade de refrigeração. A ideia central do método proposto é a utilização da correlação existente entre a capacidade de refrigeração e a capacidade do compressor em elevar a pressão de ar num volume fixo. Através de compressores ensaiados tanto na linha de produção (medição da taxa de elevação da pressão) quanto em laboratório (medição da capacidade de refrigeração) foi possível avaliar a viabilidade de uso de tal correlação. Um conjunto de ensaios foi utilizado para treinamento de modelos neurais artificiais, os quais foram empregados para realizar inferências sobre o valor da capacidade de refrigeração através da capacidade de elevação da pressão. Através do estudo de caso, que faz parte deste documento, os compressores de um conjunto de teste apresentaram diferenças típicas de 1% entre os resultados obtidos no laboratório e na linha de produção. No entanto, mesmo o modelo neural apresentando bons resultados de inferência, um dos entraves mais significativos para o uso de redes neurais em atividades metrológicas é a inexistência de métodos de avaliação de incerteza condizentes com os preceitos metrológicos. Para contornar esse problema, uma nova técnica foi desenvolvida. Tal técnica utiliza uma combinação da reamostragem bootstrap, frequentemente utilizada para fornecer intervalos de confiança em redes neurais, e o método de Monte Carlo, frequentemente utilizado na avaliação da incerteza de medição. Assim, é possível obter uma incerteza da inferência que considere, além dos erros provenientes do processo de treinamento, as incertezas das medições durante o treinamento e uso das redes neurais. A integração desses métodos representa uma evolução no estado da arte no que concerne estimar a dúvida na saída de um modelo neural artificial. No estudo de caso, os compressores de teste apresentaram o valor típico de ±4,5% para a incerteza da inferência do modelo neural. O tempo médio para obtenção de um resultado na linha de produção ficou próximo a 7 segundos, o que significa que essa ocorrerá em tempo inferior a um milésimo do atualmente necessário para medição da capacidade de refrigeração em uma bancada no laboratório.<br>Abstract: The refrigerating capacity is an important parameter for the quality of hermetic compressors and to make a proper assignment of them to a certain refrigeration system. Typical tests for measuring de refrigerating capacity are run in laboratory facilities and which last 4.5 hours, at average, and present measurement uncertainty of about ±3%. As a consequence related to typical tests duration and their associated costs, the evaluation of production lots are made by testing small samples. The purpose of this thesis is to present a method to overcome the small sample issue through the measurement of the refrigerating capacity using a strategy that avoids the typical tests approach. The main idea is the use of the existing correlation between the refrigerating capacity and the capacity of the compressor to increase the air pressure in a fixed volume vessel. The appropriateness on using this correlation was evaluated through test data obtained from production line tests (air pressure increase rate measurements) and from laboratory tests (refrigerating capacity measurements). The data was used for training neural networks models that were designed to infer the refrigerating capacity using air pressure increase rate. The evaluation presented in this thesis shown that the differences between production line inferences and laboratory results were about 1%. However, even with the good results obtained using neural networks, a lack of a proper way for evaluating the uncertainties related to the use of neural networks on metrological activities should be fulfilled. To overcome this problem a new technique was developed. It uses the bootstrap resampling method - usually applied for the determination of neural networks confidence intervals - and the Monte Carlo method - usually applied for measurement uncertainty evaluation. Therefore, it is possible to achieve an inference uncertainty that considers the errors from the neural networks training process as well as the measurement uncertainties related the inputs during the training and the using of the neural networks. The integration of these methods represents an evolution on the state of art related to the estimation of the doubt of an artificial neural network model.The results presented in this thesis shown typical uncertainties for the inferences of about ±4.5%. The average duration for the tests in the production line was about 7 seconds - less than a thousandth of the time required for the refrigerating capacity measurement in laboratory.238 p.| il., grafs., tabs.porEngenharia mecânicaCompressores herméticosRefrigeraçãoRedes neurais (Computação)Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINAL330919.pdfapplication/pdf4438577https://repositorio.ufsc.br/bitstream/123456789/129674/1/330919.pdf6248b7dd51131ac7a20534d616d61b1cMD51123456789/1296742015-02-05 19:22:14.306oai:repositorio.ufsc.br:123456789/129674Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732015-02-05T21:22:14Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.pt_BR.fl_str_mv Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
title Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
spellingShingle Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
Coral, Rodrigo
Engenharia mecânica
Compressores herméticos
Refrigeração
Redes neurais (Computação)
title_short Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
title_full Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
title_fullStr Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
title_full_unstemmed Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
title_sort Método para estimar a capacidade de refrigeração de compressores herméticos integrável à linha de produção
author Coral, Rodrigo
author_facet Coral, Rodrigo
author_role author
dc.contributor.pt_BR.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Coral, Rodrigo
dc.contributor.advisor1.fl_str_mv Flesch, Carlos Alberto
dc.contributor.advisor-co1.fl_str_mv Penz, Cesar Alberto
contributor_str_mv Flesch, Carlos Alberto
Penz, Cesar Alberto
dc.subject.classification.pt_BR.fl_str_mv Engenharia mecânica
Compressores herméticos
Refrigeração
Redes neurais (Computação)
topic Engenharia mecânica
Compressores herméticos
Refrigeração
Redes neurais (Computação)
description Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia Mecânica, Florianópolis, 2014
publishDate 2014
dc.date.issued.fl_str_mv 2014
dc.date.accessioned.fl_str_mv 2015-02-05T21:22:14Z
dc.date.available.fl_str_mv 2015-02-05T21:22:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/xmlui/handle/123456789/129674
dc.identifier.other.pt_BR.fl_str_mv 330919
identifier_str_mv 330919
url https://repositorio.ufsc.br/xmlui/handle/123456789/129674
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 238 p.| il., grafs., tabs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/129674/1/330919.pdf
bitstream.checksum.fl_str_mv 6248b7dd51131ac7a20534d616d61b1c
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805240856707072

Registros relacionados