Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
Carregando...
Data
2024-11-28
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Centro Federal de Educação Tecnológica de Minas Gerais
Resumo
Este trabalho teve como objetivo solucionar o problema da falha prematura dos mancais de rolamento em um redutor de laminador de barras na siderúrgica Gerdau – Usina Barão de Cocais, utilizando técnicas de aprendizado de máquina. O foco foi a construção de um modelo de classificação utilizando redes neurais artificiais (RNA) para predizer falhas no sistema de rolamento, baseado na análise da corrente do motor. O modelo construído apresentou acurácia de 99%, além de níveis de sensibilidade de 0,9871 e especificidade de 0,9942, o que demonstra sua eficácia em identificar anormalidades nas informações. Além disso, o estudo introduziu o conceito de gêmeo digital, propondo sua aplicação futura como ferramenta de monitoramento proativo, permitindo simulação e análise em tempo real. A segunda etapa do estudo utilizou uma nova base de dados que reforçou a hipótese de que falhas nos rolamentos aumentam o torque e, consequentemente, a corrente do motor. O modelo se mostrou eficaz em identificar esse padrão, sendo uma ferramenta eficaz para a manutenção preditiva e a programação de paradas preventivas.
Descrição
Palavras-chave
Aprendizado do computador, Redes neurais (Computação), Algoritmos de computador, Simulação (Computadores), Eficiência industrial