Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas

Detalhes bibliográficos
Autor(a) principal: Dias, André Luís
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10092019-104345/
Resumo: Este trabalho propõe investigar, desenvolver e validar uma metodologia de projeto para sistemas de diagnóstico para detecção de falhas e anomalias em aplicações de acionamento de motores elétricos, comumente utilizados na indústria de manufatura. A metodologia proposta é baseada na coleta e interpretação de dados de processo de redes PROFINET, perfil PROFIdrive, e ferramentas de aprendizagem de máquinas. Técnicas de extração e redução de atributos são aplicadas nos dados de processo coletados. Estes atributos são utilizados em algoritmos para reconhecimento de padrões, os algoritmos investigados são o k-Nearest Neighbor, Redes Neurais Artificiais, Support Vector Machines, e adicionalmente uma adaptação da metodologia é feita utilizando um algoritmo para detecção de novidades. A avaliação da metodologia considerou quatro cenários para estudos de caso, para falhas comuns em aplicações de máquinas rotativas. Os resultados alcançados demonstram a eficácia da metodologia, que foi capaz de detectar as falhas e anomalias investigadas de maneira satisfatória, similares a trabalhos correlatos, com o diferencial de não exigirem sensores adicionais dedicados na coleta de dados. Desta maneira, o trabalho contribui para área de redes de comunicação industrial, mais especificamente o protocolo PROFINET, diagnósticos de anomalias em máquinas acionadas por motores elétricos, e ferramentas de aprendizagem de máquinas.
id USP_64f80d891a92e6ee8d9025594dbca84b
oai_identifier_str oai:teses.usp.br:tde-10092019-104345
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinasDiagnostics of anomalies in motion control applications based on process data of PROFINET networks and machine learning toolsCondition MonitoringReal Time EthernetAcionamentos de Motores ElétricosAprendizagem de MáquinasCondition MonitoringDynamic SystemsMachine LearningMotion Control ApplicationsReal Time EthernetSistemas DinâmicosEste trabalho propõe investigar, desenvolver e validar uma metodologia de projeto para sistemas de diagnóstico para detecção de falhas e anomalias em aplicações de acionamento de motores elétricos, comumente utilizados na indústria de manufatura. A metodologia proposta é baseada na coleta e interpretação de dados de processo de redes PROFINET, perfil PROFIdrive, e ferramentas de aprendizagem de máquinas. Técnicas de extração e redução de atributos são aplicadas nos dados de processo coletados. Estes atributos são utilizados em algoritmos para reconhecimento de padrões, os algoritmos investigados são o k-Nearest Neighbor, Redes Neurais Artificiais, Support Vector Machines, e adicionalmente uma adaptação da metodologia é feita utilizando um algoritmo para detecção de novidades. A avaliação da metodologia considerou quatro cenários para estudos de caso, para falhas comuns em aplicações de máquinas rotativas. Os resultados alcançados demonstram a eficácia da metodologia, que foi capaz de detectar as falhas e anomalias investigadas de maneira satisfatória, similares a trabalhos correlatos, com o diferencial de não exigirem sensores adicionais dedicados na coleta de dados. Desta maneira, o trabalho contribui para área de redes de comunicação industrial, mais especificamente o protocolo PROFINET, diagnósticos de anomalias em máquinas acionadas por motores elétricos, e ferramentas de aprendizagem de máquinas.This work proposes to investigate, develop and validate a methodology to design diagnostic systems to detect faults and anomalies in motion control applications, commonly used in manufacturing industry. The proposed methodology is based on collection and interpretation of process data from PROFINET networks, PROFIdrive profile, and machine learning tools. Feature extraction and selection techniques are applied to the collected process data. These features are used in algorithms for pattern recognition problems. Investigated algorithms are k-Nearest Neighbor, Artificial Neural Networks, Support Vector Machines and in addition, an adaptation of the methodology is held for novelty detection. Four scenarios were considered as case of studies for methodology evaluation, based on common faults in rotating machine applications. The results proved the methodology effectiveness for diagnostic system design, which were able to detect satisfactorily the investigated faults and anomalies, similar to related work, with the differential of not requiring additional dedicated sensors for data collection. In this way, the work contributes to the area of industrial communication networks, more specifically in PROFINET protocol, diagnostic systems for fault detection in motion control applications, and machine learning tools.Biblioteca Digitais de Teses e Dissertações da USPBrandão, DennisDias, André Luís2019-06-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/18/18153/tde-10092019-104345/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2019-11-08T20:52:41Zoai:teses.usp.br:tde-10092019-104345Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212019-11-08T20:52:41Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
Diagnostics of anomalies in motion control applications based on process data of PROFINET networks and machine learning tools
title Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
spellingShingle Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
Dias, André Luís
Condition Monitoring
Real Time Ethernet
Acionamentos de Motores Elétricos
Aprendizagem de Máquinas
Condition Monitoring
Dynamic Systems
Machine Learning
Motion Control Applications
Real Time Ethernet
Sistemas Dinâmicos
title_short Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
title_full Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
title_fullStr Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
title_full_unstemmed Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
title_sort Diagnóstico de anomalias em aplicações de acionamento de motores elétricos a partir de dados de processo de rede PROFINET e aprendizagem de máquinas
author Dias, André Luís
author_facet Dias, André Luís
author_role author
dc.contributor.none.fl_str_mv Brandão, Dennis
dc.contributor.author.fl_str_mv Dias, André Luís
dc.subject.por.fl_str_mv Condition Monitoring
Real Time Ethernet
Acionamentos de Motores Elétricos
Aprendizagem de Máquinas
Condition Monitoring
Dynamic Systems
Machine Learning
Motion Control Applications
Real Time Ethernet
Sistemas Dinâmicos
topic Condition Monitoring
Real Time Ethernet
Acionamentos de Motores Elétricos
Aprendizagem de Máquinas
Condition Monitoring
Dynamic Systems
Machine Learning
Motion Control Applications
Real Time Ethernet
Sistemas Dinâmicos
description Este trabalho propõe investigar, desenvolver e validar uma metodologia de projeto para sistemas de diagnóstico para detecção de falhas e anomalias em aplicações de acionamento de motores elétricos, comumente utilizados na indústria de manufatura. A metodologia proposta é baseada na coleta e interpretação de dados de processo de redes PROFINET, perfil PROFIdrive, e ferramentas de aprendizagem de máquinas. Técnicas de extração e redução de atributos são aplicadas nos dados de processo coletados. Estes atributos são utilizados em algoritmos para reconhecimento de padrões, os algoritmos investigados são o k-Nearest Neighbor, Redes Neurais Artificiais, Support Vector Machines, e adicionalmente uma adaptação da metodologia é feita utilizando um algoritmo para detecção de novidades. A avaliação da metodologia considerou quatro cenários para estudos de caso, para falhas comuns em aplicações de máquinas rotativas. Os resultados alcançados demonstram a eficácia da metodologia, que foi capaz de detectar as falhas e anomalias investigadas de maneira satisfatória, similares a trabalhos correlatos, com o diferencial de não exigirem sensores adicionais dedicados na coleta de dados. Desta maneira, o trabalho contribui para área de redes de comunicação industrial, mais especificamente o protocolo PROFINET, diagnósticos de anomalias em máquinas acionadas por motores elétricos, e ferramentas de aprendizagem de máquinas.
publishDate 2019
dc.date.none.fl_str_mv 2019-06-06
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 http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10092019-104345/
url http://www.teses.usp.br/teses/disponiveis/18/18153/tde-10092019-104345/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090590616322048

Registros relacionados