Prognóstico de Falhas em Motores C.C.

Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Confiabilidade da Estimativa
Teste de Degradac
ao do Motor
An
alise dos Dados de Degradac
ao
Prognostico de falhas em motores C.C.

Analise de series temporais baseadas nos dados de degradacao
por: Li Wang, Huiyan Zhang e Hong Xue
1 de janeiro de 2015
Progn
ostico de falhas em motores C.C.
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Prognostico de Falha
O trabalho pretende realizar o progn
ostico de falhas em motores
C.C. atraves de series temporais baseadas em dados de
degradacao. Os dados sao gerados submetendo os motores a testes
ate que estes falhem.
Logo no incio do artigo sao mencionadas outras formas de tratar o
problema:
Inteligencia artificial;
Logica Fuzzy;
Redes neurais.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Prognostico de Falha
Segundo [Wang et al., 2012], na maioria dos sistemas eletricos e

mecanicos, o produto podera deixar de funcionar caso seu caminho
de degradacao ultrapasse um limiar especfico.
Caso o caminho de degradacao deste produto possa ser previsto, a
tempo de falha podera ser estimado.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente de Sazonalidade
Componente Residual
Separac
ao dos Componentes
Introducao
A analise estocastica dos dados de degradacao atraves de series

temporais e baseada nas seguintes hip
oteses:
O desempenho do produto decai monotonamente;
O mecanismo de falha e inalteravel durante o processo de
degradacao.
De acordo com a primeira hip
otese, os dados de degradac
ao constituem uma
serie n
ao-estacion
aria.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Introducao
As series temporais estocasticas podem ser divididas em dois tipos

de componentes:
Componente determinstico: Funcao matematica perfeitamente
determinada por uma ou mais vari
aveis.
Componente aleat
orio: Pode provir de alguma distribuicao de
probabilidade.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Modelagem
A serie temporal pode ser expressa por:
Yt = Tt + St + t
t N
(1)
Onde o componente determinstico e composto pelos componentes

de tendencia (Tt ) e sazonalidade (St ), e o componente aleatorio e
composto por um componente residual e estacionario t .
Cada um destes componentes deve ser modelado de acordo com os
dados de degradacao do produto.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Componente de Tendencia
O componente que denota a tendencia da serie pode ser extrado
atraves dos dados de degradacao do produto utilizando um modelo
de regressao:
Tt = c1 f (t) + c2
t N
(2)
Onde f (t) e uma funcao especfica de regressao que combina com

a tendencia dos dados de degradacao do produto. As constantes c1
e c2 sao os parametros de regressao que sao estimados atraves da
analise dos dados de degradacao.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
O componente sazonal sera obtido atraves de um modelo de
regressao de periodicidade escondida:
St =
q
X
Aj cos (j t + j )
t N
(3)
j=1
Onde 0 1 2 ... q .
Segundo [Fan and Yao, 2003], esta e a forma geral de um processo peri
odico.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Componente Residual
O componente residual t e extrado a partir de um modelo
autorregressivo (AR):
t =
p
X
j tj + t
t N
(4)
j=1
Onde p e a ordem do modelo e t um rudo branco.

E (t ) = 0; Var (t ) = 2 ; Cov (i , j ) = 0, i 6= j.
Segundo [Fan and Yao, 2003], a equac
ao acima e a definic
ao de um modelo
autorregressivo geral.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Separacao dos Componentes

Como a serie aleatoria estacionaria t e a serie temporal Yt sao
dependentes, e necessario separar a estimativa dos parametros em
St e t dos parametros em Tt . Assim, St e t podem ser
combinados em Xt formando um modelo autorregressivo de
periodicidade escondida (ARHP):
t N
Xt = St + t
Xt =
q
X
j=1
Aj cos (j t + j ) +
p
X
j tj + t
(5)
t N
j=1
Progn
(6)
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Introduc
ao
Modelagem da S
erie
Componente de Tend
encia
Componente Residual
Separac
ao dos Componentes
Separacao dos Componentes
E finalmente, a degradacao do desempenho e medida por um

modelo Regressivo-Autorregressivo (RAR):
Yt = Tt + Xt
t N
Progn
(7)
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Previsao de Falha
O produto tera grandes chances de falhar quando seu desempenho
atingir um limiar especfico (D). O tempo de falha buscado e o
tempo desde o incio do funcionamento ate alcancar pela primeira
vez o limiar D e e calculado da seguinte maneira:

Yt
= D; t 0
tf = inf t :
Y0
(8)
Ou seja, o tempo de falha sera o menor tempo dentre os que sejam

iguais ao limiar D.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Distribuic
ao da S
erie
Estimativa dos Par
ametros
Previs
ao de M
axima Verossimilhanca
Distribuicao da Serie
Assume-se que a previsao do tempo de falha obedece uma certa
distribuicao da famlia locacao-escala como determinada por um
Teste de adequacao Chi-Quadrado de Pearson.
Figura: Distribuicao Chi-Quadrado de Pearson

Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Distribuic
ao da S
erie
Estimativa dos Par
ametros
Previs
ao de M
Estimativa dos Parametros
A estimativa dos parametros de locacao e escala da distribuicao

dos tempos de falha sao obtidos pela Estimativa de Maxima
Verossimilhanca (MLE).
Segundo [Scholz, 2004], dado um conjunto de parametros
desconhecidos sobre uma populacao, podemos estima-los atraves
de observacoes de amostras desta populacao.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Distribuic
ao da S
erie
Estimativa dos Par
ametros
Previs
ao de M
Previsao de Maxima Verossimilhanca
A previsao de maxima verossimilhanca para a distribuicao e:
L() =
m
Y
f tf (i) ,
(9)
i=1
Onde m e a quantidade de motores na amostra, tf (i) e o tempo de

falha do i-esimo motor e = (, )T . Sendo que T denota a
transposta da matriz, e sao a media e a variancia da
distribuicao de tempos de falha.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Distribuic
ao da S
erie
Estimativa dos Par
ametros
Previs
ao de M
Previsao de Maxima Verossimilhanca
Considerando que F seja a distribuicao de tempos de falha do

produto, podemos calcular a confiabilidade do produto como:
R(t) = 1 F (t)
Progn
(10)
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
alise do Mecanismo de Falha
Sistema de Teste de Degradac
ao
Mecanismo de Falha
O motor C.C. consiste em escova eletrica, comutador, bobina de
enrolamento e ima de ferrite.
Segundo o autor, na pratica, as falhas em motores C.C. sao na
escova eletrica e quando ocorre desgaste do comutador.
Figura: Mecanismo de Falha do Motor C.C.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
ao
Sistema de Teste de Degradacao
O sistema de teste de degradacao foi construdo para obter dados

de degradacao dos motores C.C. e prever o tempo de falha dos
mesmos baseados em dados obtidos num curto prazo de tempo.
Apos ter previsto o tempo de falha, deve-se comparar com o tempo
de falha real para verificar a confiabilidade do prognostico baseado
em series temporais.
A figura a seguir mostra o modelo do sistema de testes.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
ao
PC
Data
Acquisition
Board
I/O Connector
I/O Connector
V
DC
Motor
DC
Power
DC
Power
+
-
Figura: Modelo do sistema de testes.

Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
ao
O sistema consiste em um computador, uma placa de aquisicao de

dados, conectores de entrada e sada, motor C.C., resistor e uma
fonte de energia.
A fonte fornece energia ao motor e ao resistor que estao
conectados em serie, o conector recebe a voltagem sobre o resistor
e envia para a placa de aquisicao. O computador grava a voltagem
do resistor numa frequencia especfica.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
ao

A voltagem de sada (logo ap
os o motor) e definida como:
Voutput = Vpower Vpower
Rresistor
Rresistor + Rmotor
(11)
Na medida em que o motor se degrada, a resistencia do motor

aumenta, resultando na queda de corrente do circuito. Assim, a
voltagem sobre o resistor diminui e a voltagem de sada aumenta.
Portanto, a voltagem de sada pode refletir no desempenho do
motor.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
An
ao
A voltagem do motor e de 3v e a resistencia do resistor e de 1.

Com um motor de resistencia igual a 29, a voltagem de sada
deve ser um valor crescente `a partir de 4.83v .
Quando o motor falha, a voltagem sobre o resistor e proxima de
zero e a voltagem de sada e pr
oxima da voltagem fornecida pela
fonte, que neste caso e de 5v .
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

Estimativa do Componente de Tend
encia
Previs
ao de Degradac
ao
Estimativa da confiabilidade
Plotagem dos Dados
O teste de degradacao foi realizado em quatorze motores C.C. e os

dados foram utilizados para verificar o metodo de analise da serie
temporal.
O computador grava a voltagem sobre o resistor a cada cem
minutos. O caminho de degradacao e pre-processado de maneira
que a influencia da diferenca de valor inicial seja eliminada
normalizando o criterio de falha.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Plotagem dos Dados
Figura: Caminho de degradacao prProgn

e-processado
motores
ostico de falhasdos
em motores
C.C. C.C.
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
O componente de tendencia da serie (Tt ) temporal e definido em

forma polinomial pois se encaixa bem no caminho de degradacao:
Tt = c1 t c2 + c3
t N
(12)
Os paramatros c1 , c2 e c3 sao obtidos atraves de uma analise de

regressao utilizando os dados de degradacao.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Figura: Estimativa do Componente

Tend
encia C.C.
Progn
ostico dede
falhas
em motores
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Previsao de Degradacao
Os modelos de regressao HP (St ) e autorregresivo (t ) foram
combinados num modelo (Xt ) autorregressivo HP (ARHP), e a
degradacao do desempenho Yt e obtida por um modelo RAR.
Figura: Previsao de Degradacao Yt
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Os tempos de falha previstos e reais sao mostrados na figura
abaixo:
Figura: Tempos de falha previstos e reais

Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
A confiabilidade (de uma distribuicao lognormal) do motor C.C. e
estimada por:

R(t) = 1
log t

(13)
Onde, e sao o valor da media e variancia da distribuicao

lognormal, e a funcao de distribuicao acumulada de uma
distribuicao normal padrao.
Segundo [Pigato and Barreto, 2004] a distribuic
ao lognormal faz parte da famlia
locac
ao-escala onde
e o par
ametro de locac
ao e o de escala.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
As confiabilidades prevista e real do motor C.C. sao mostradas a
seguir:
Figura: Confiabilidades prevista e real do motor C.C.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Os dados estaticos das confiabilidades prevista e real sao

mostrados abaixo:
Dados Est
aticos
Confiabilidade Real
Confiabilidade Prevista
M
edia Log
7.3601
7.3215
Vari
ancia Log
0.1464
0.0888
Tempo de Falha M
edio
393h
378h
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Resumo
Este artigo tenta prever o tempo de falha de motores de corrente

contnua atraves da analise de series temporais. Para isso, a
modelagem da serie e feita atraves de modelos te
oricos, e sua
confiabilidade calculada atraves de modelos estatsticos.
O autor utiliza como dados de analise, os valores de voltagem
sobre um resistor amostrados a cada cem minutos. Apos a
apresentacao dos modelos te
oricos, o autor parte para a estimativa
dos modelos reais.
Progn
Introduc
ao
Modelagem da S
erie Temporal
Previs
ao de Falha
Teste de Degradac
ao do Motor
An
ao
Plotagem dos Dados

encia
Previs
ao de Degradac
ao
Referencias
[Fan and Yao, 2003] Fan, J. and Yao, Q. (2003).
Nonlinear time series: nonparametric and parametric methods.
Springer series in statistics. Springer, New York.
[Pigato and Barreto, 2004] Pigato, F. J. and Barreto, M. C. M. (2004).
Desempenho de estimadores da m
edia populacional de distribuic
oes assim
etricas
baseados em amostragem por conjuntos ordenados.
Revista de Matem
atica e Estatstica, 22:1929.
[Scholz, 2004] Scholz, F. W. (2004).
Maximum likelihood estimation.
Encyclopedia of Statistical Sciences.
[Wang et al., 2012] Wang, L., Zhang, H., and Xue, H. (2012).
Fault prognostics and reliability estimation of dc motor using time series analysis
based on degradation data.
Journal of Theoretical and Applied Information Technology, 45:568572.
Progn

Prognóstico de Falhas em Motores C.C.

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Prognóstico de Falhas em Motores C.C.

Enviado por

Direitos autorais:

Formatos disponíveis

Introduc

Prognostico de falhas em motores C.C.

Segundo [Wang et al., 2012], na maioria dos sistemas eletricos e

A analise estocastica dos dados de degradacao atraves de series

As series temporais estocasticas podem ser divididas em dois tipos

Onde o componente determinstico e composto pelos componentes

Onde f (t) e uma funcao especfica de regressao que combina com

Onde p e a ordem do modelo e t um rudo branco.

Separacao dos Componentes

Separacao dos Componentes

E finalmente, a degradacao do desempenho e medida por um

Ou seja, o tempo de falha sera o menor tempo dentre os que sejam

Figura: Distribuicao Chi-Quadrado de Pearson

Estimativa dos Parametros

A estimativa dos parametros de locacao e escala da distribuicao

Previsao de Maxima Verossimilhanca

A previsao de maxima verossimilhanca para a distribuicao e:

Onde m e a quantidade de motores na amostra, tf (i) e o tempo de

Previsao de Maxima Verossimilhanca

Considerando que F seja a distribuicao de tempos de falha do

Figura: Mecanismo de Falha do Motor C.C.

Sistema de Teste de Degradacao

O sistema de teste de degradacao foi construdo para obter dados

Sistema de Teste de Degradacao

Figura: Modelo do sistema de testes.

Sistema de Teste de Degradacao

O sistema consiste em um computador, uma placa de aquisicao de

Sistema de Teste de Degradacao

Na medida em que o motor se degrada, a resistencia do motor

Sistema de Teste de Degradacao

A voltagem do motor e de 3v e a resistencia do resistor e de 1.

Plotagem dos Dados

Plotagem dos Dados

O teste de degradacao foi realizado em quatorze motores C.C. e os

Plotagem dos Dados

Plotagem dos Dados

Figura: Caminho de degradacao prProgn

Plotagem dos Dados

O componente de tendencia da serie (Tt ) temporal e definido em

Os paramatros c1 , c2 e c3 sao obtidos atraves de uma analise de

Plotagem dos Dados

Figura: Estimativa do Componente

Plotagem dos Dados

Figura: Previsao de Degradacao Yt

Plotagem dos Dados

Figura: Tempos de falha previstos e reais

Plotagem dos Dados

Onde, e sao o valor da media e variancia da distribuicao

Plotagem dos Dados

Figura: Confiabilidades prevista e real do motor C.C.

Plotagem dos Dados

Os dados estaticos das confiabilidades prevista e real sao

Plotagem dos Dados

Este artigo tenta prever o tempo de falha de motores de corrente

Plotagem dos Dados

Você também pode gostar