IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia

Belém – PA - 2009

DETECÇÃO DE FALHAS EM MÁQUINAS ROTATIVAS

ATRAVÉS DA ANÁLISE DE VIBRAÇÃO

Anderson dos Santos DIAS (1); Jaiane das Chagas RODRIGUES (2);
Geraldo Luis Bezerra RAMALHO (3)
Instituto Federal de Educação, Ciência e Tecnologia do Ceará, Av. Contorno Norte, 10 - Parque Central
Distrito Industrial - Maracanaú - Ce, Cep:61925-315, Fone: (85) 3878.6300 - Fax: (85) 3878.6311,
e-mail: (1) asdias7@gmail.com; (2) jaiane.rodrigues@gmail.com; (3) gramalho@ifce.edu.br

RESUMO
Nos últimos anos, com a economia cada vez mais globalizada e o mercado mais competitivo, considera-se
inadmissível a ocorrência de maquinário parado dentro das indústrias, o que pode significar perca de clientes
para a concorrência. Pensando nisso, a atenção com a manutenção e o monitoramento de máquinas rotativas,
vem se tornando cada vez mais comum na prevenção de falhas dentro do ambiente industrial. Uma das
técnicas preventivas mais utilizadas é a análise de vibração. Essa análise representa o que se tem de mais
moderno em tecnologia de Manutenção, para diagnosticar falhas em máquinas rotativas, reduzindo gastos em
manutenção corretiva. Este trabalho utiliza técnicas de processamento digital de sinais, como a Transformada
Rápida de Fourier, para a representação de danos com máquinas rotativas. Foi utilizado o ambiente Octave
para programar os algoritmos computacionais dos experimentos. Os resultados experimentais demonstram
que essa metodologia pode ser aplicada em estratégias de manutenção preditiva na indústria, com o objetivo
de aumentar a produtividade e diminuir a ocorrência de paradas por quebra dos equipamentos.
Palavras-chave: Análise de Vibração, Transformada Rápida de Fourier, Detecção de Falhas.
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009
1. INTRODUÇÃO
Há duas décadas, a Manutenção era eminentemente corretiva. Ou seja, somente quando um equipamento
apresentava uma quebra, substituía-se o componente defeituoso (MANUTENÇÃO, 2008). Foi também nesse
período que, no meio acadêmico, houve um aumento do estudo das máquinas rotativas (KATHER, 1999). A
partir daí, houve um importante crescimento tecnológico industrial, mudando o conceito de Manutenção que
agora existe para que não haja manutenção. Ou seja, evita-se ao máximo uma manutenção corretiva não
planejada, por causa dos danos e custos adicionais que ela pode ocasionar (KARDEC; NASCIF; BARONI,
2002).
Com o mercado cada vez mais competitivo, surge a necessidade de ter mais domínio sobre os equipamentos.
Deseja-se evitar a perda de produção e o custo elevado da manutenção corretiva em um equipamento, que
em alguns casos, chega a ser equivalente ao custo de aquisição de uma nova máquina (ABREU, 2007). Sem
contar nos riscos submetidos aos seres humanos, como ruídos causados por vibrações e acidentes devidos ao
mau funcionamento de uma máquina.
A Manutenção Preditiva utiliza diversas técnicas para prever quando a peça ou componente de uma máquina
estarão próximos do seu limite de vida útil. Há muitas técnicas eficazes na detecção de defeitos e na
avaliação do estado de um componente. Quanto mais cedo ocorre essa detecção, mais tem-se controle sobre
a situação da máquina (XENOS, 2004).
As técnicas preditivas têm por objetivo, prevenirem falhas e prolongar a vida útil dos equipamentos.
Também permitem, através da análise periódica dos parâmetros da máquina, a indicação da natureza da falha
e estabelecer quais são os elementos críticos do sistema. Entre os métodos mais usados estão a termometria,
análise de óleos lubrificantes, ultrassom, ferrografia e análise de vibração (KARDEC; NASCIF; BARONI,
2002).
Em diversos tipos de indústria o acompanhamento e a análise de vibração tornaram-se um dos mais
importantes métodos de predição. Na pesquisa realizada por Abreu (2007), foi utilizada uma bancada de
testes para induzir diferentes níveis de defeitos em rolamento, como a utilização de diferentes níveis de
lubrificantes e a aplicação de cargas. Comparando-se os resultados obtidos a modelos matemáticos de falhas,
verificou-se a eficiência dos métodos de análise de vibração através da identificação dos espectros de
frequência de cada tipo de defeito.
Este trabalho apresenta um estudo das ferramentas utilizadas em análise de vibração e a simulação das
condições às quais uma máquina rotativa está submetida. A pesquisa proporciona o estudo do gráfico dos
padrões de falhas incipientes, a fim de caracterizá-los antes do aparecimento de um defeito no equipamento
monitorado.

2. ANÁLISE DE VIBRAÇÃO
De acordo com Rao (2008), pode-se definir como vibração todo movimento que se repete após um intervalo
de tempo. O balanço de um pêndulo e o movimento do dedilhar de uma corda são típicos exemplos de
vibração. O número de ciclos de movimento em um segundo é chamado de frequência, medido em hertz
(Hz). Se um sistema, após ser submetido a um esforço, continua a vibrar sem que haja fatores externos, a
frequência no qual ele está oscilando é chamada de frequência natural.
Um sistema vibratório pode apresentar um único componente de frequência, como ocorre com o diapasão, ou
em vários componentes com diversas frequências simultâneas, como no caso de um conjunto de engrenagens
(ver Figura 1). A frequência fundamental é a frequência básica que um corpo apresenta quando vibra. Os
harmônicos são frequências múltiplas das frequências fundamentais.
Na prática, os sinais de vibração consistem em um somatório de sinais periódicos de diferentes frequências,
não sendo possível a distinção clara entre elas no domínio do tempo. Através da análise espectral (domínio
da frequência) é possível a identificação de cada frequência, com seus respectivos níveis de vibração
(FERNANDES, 2000).
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009

Figura 1 – Frequências fundamentais e harmônicas.

(adaptado de http://wwwp.feb.unesp.br/jcandido/vib)

Quando se analisa uma máquina através da representação da amplitude em função da frequência, pode-se
observar um grande número de componentes periódicas. Tais componentes estão diretamente relacionadas às
frequências fundamentais de várias partes da máquina, facilitando a identificação de sinais característicos,
que podem representar uma determinada falha.

3. TRANSFORMADA RÁPIDA DE FOURIER

Segundo Gonçalves (2004), a Transformada de Fourier é uma ferramenta matemática que realiza a transição
entre as variáveis de um sinal no domínio do tempo para o domínio da frequência (espectro de frequência).
Em aplicações científicas e em processamentos digitais são utilizadas funções discretas. Para isso, usamos a
Transformada Discreta de Fourier (DFT, do inglês Discrete Fourier Transform).
A DFT é composta por um par de equações como mostra a Eq. (1), que descrevem um sinal composto por
um conjunto de amplitudes [an] no domínio do tempo, que podem ser transformadas para amplitudes [Am] no
domínio da frequência e vice-versa:
N −1 N −1
1
Am =
N
∑a e π
0
n
2 inm / N
; an = ∑A e
0
m
− 2πinm / N
, [Eq. 01]

em que: N é o número de amostras de um sinal; i = − 1 ; n é o índice do sinal no domínio do tempo e m é o

índice do sinal no domínio da frequência (JAMES, 2002).
Um método bastante utilizado para o cálculo computacional destas equações é o algoritmo FFT (Fast
Fourier Transform), pois possui menor complexidade quando comparada com a Transformada Discreta de
Fourier.
Uma maneira de olhar a fórmula da Transformada Discreta de Fourier é defini-la como uma operação de
matrizes definida na Eq. 02. O conjunto de dados no domínio do tempo [an] pode ser escrito como uma
matriz coluna ou "vetor" (em um espaço N-dimensional). Este deverá ser multiplicado por uma matriz
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009
quadrada contendo todas as exponenciais, representando as componentes harmônicas do sinal. Inserindo
mais uma coluna com N componentes, resultando em [Am], as amplitudes no domínio da frequência.

 A( 0 )  1 1 1 K 1   a(0) 
 A(1)  1 e 2πi / N 4πi / N 2 ( N −1)πi / N   a(1) 
   e K e   
 A( 2)  1 e 4πi / N e 8πi / N
K e 4 ( N −1)πi / N   a(2) 
  =     [Eq. 02]
( 3) 6πi / N 6πi / N
e 6 ( N −1)πi / N 
1 e  a(3) 
 A  e K
 M  M M M M M   M 
    
( N −1) 2 2πi / N 
 A( N − 1)  1 K K K e  a( N − 1)

O processamento da matriz exige uma multiplicação N² vezes para a sua conclusão. Um grande número de
dados sendo processados pode tornar-se excessivo até mesmo para um computador (JAMES, 2002).
O segredo da FFT é que ela reduz o número de multiplicações de N² para 2 N log 2 N . Se tivermos um sinal
de 512 amostras, a quantidade de cálculos feitos pela FFT é 9.216 contra 262.144 feitos pela Transformada
convencional.
Neste trabalho utilizamos o algoritmo FFT implementado na biblioteca do programa matemático Octave.
O conceito por trás do uso da FFT em análise de vibração pode ser exemplificado graficamente. A Figura 2
ilustra um sinal senoidal gerado com amplitude de 0,5 e frequência fundamental de 1 Hz. Através da FFT, o
sinal pode ser representado no domínio da frequência, facilitando a interpretação de seus valores e a
distinção clara entre as componentes, no caso de haver mais de uma frequência. A Figura 3 representa o sinal
após a utilização da FFT.

Figura 2 – Sinal no domínio do tempo Figura 3 – Sinal no domínio da frequência

Da mesma forma, se for gerado um sinal senoidal de amplitude 1 e frequência 3 Hz (ver Figura 4) e aplicada
a FFT, obtém-se, no domínio da frequência, uma concentração de energia em torno da frequência
fundamental deste sinal, conforme ilustrado na Figura 5.

Figura 4 – Sinal no domínio do tempo Figura 5 – Sinal no domínio da frequência

 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009
Quando dois sinais gerados são somados, impossibilitando a distinção clara entre eles no domínio do tempo
(ver Figura 6), utilizando-se a Transformada de Fourier é possível identificar cada componente com suas
respectivas amplitudes e frequências, representado na Figura 7. É fundamental o emprego da FFT em análise
de vibração, pois o sinal real constitui-se do somatório de muitas componentes, que são mais facilmente
identificadas através do espectro de frequência.

Figura 6 – Sinal no domínio do tempo Figura 7 – Sinal no domínio da frequência

4. TIPOS DE FALHAS

4.1 Falhas em rolamentos

Os rolamentos são um dos mais importantes componentes de uma máquina rotativa. Sua função é facilitar o
deslizamento de eixos rolantes. Segundo Taylor (1994), os pontos mais comuns de falhas em rolamentos são:
pista externa (BPFO – Ball Pass Frequency Outer Race), pista interna (BPFI - Ball Pass Frequency Inner
Race), elemento rolante (BSF - Ball Spin Frequency) e gaiola (FTF - Fundamental Train Frequency),
representadas respectivamente, pelas Eq. (3) a Eq. (6):

 N  B cos Φ 
BPFO = S  b 1 − d , [Eq. 03]
 2  Pd 

 N  B cos Φ 
BPFI = S  b 1 + d , [Eq. 04]
 2  Pd 

 P  Bd 2 cos 2 Φ 
BSF = S  d 1 − , [Eq. 05]
 2 
 2 Bd  Pd 

 1  B cos Φ 
FTF = S  1 + d , [Eq. 06]
 2  Pd 

em que: S é a frequência de rotação (Hz); Bd é o diâmetro da esfera ou do rolo (mm); Pd é o diâmetro

primitivo do rolamento (mm); Nb é o número de esferas ou rolos; Ф é o ângulo de contato do rolamento.

4.2 Falha de Desalinhamento

O desalinhamento ocorre devido ao deslocamento angular ou paralelo dos eixos de duas máquinas (ver
Figura 8 e 9). Pode ser ocasionado por erros na montagem, dilatação térmica, recalque de fundações ou
travamento do acoplamento (SÁ, 2000).
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009

Figura 8 – Deslocamento angular Figura 9 – Deslocamento paralelo

O desalinhamento angular pode ser caracterizado por uma alta vibração axial (medida no sentido
longitudinal do eixo). Apresenta elevada vibração a 1X e 2X RPM (ver Figura 10). Estes sintomas também
podem indicar problema no acoplamento. O desalinhamento paralelo é semelhante ao angular, porém
apresenta altas vibrações radiais (medida no sentido do raio do eixo). A amplitude de 2X é muitas vezes,
maior que 1X (ver Figura 11), entretanto a altura em 1X vai variar com o tipo de material do acoplamento
(SÁ, 2000).

Figura 10 – Desalinhamento angular representado Figura 11 – Desalinhamento paralelo representado

por harmônicas axiais por harmônicas radiais

4.3 Falha de Desbalanceamento

O desbalanceamento é uma das fontes de vibração mais comuns, que ocorre devido a massas desequilibradas
em relação ao eixo de inércia. Caracteriza-se pelo predomínio de uma alta amplitude em 1X RPM (ver
Figura 12). Sua amplitude cresce com o quadrado da velocidade (3X de aumento da velocidade = 9X de
aumento na vibração). Pode ser corrigida pela colocação, simplesmente, de um peso de balanceamento em
um plano no centro de gravidade do rotor (SÁ, 2000).

Figura 12 – Desbalanceamento caracterizado por

alta amplitude em 1X RPM

4.4 Roçamento do Rotor

O roçamento é um problema que ocorre devido ao contato entre o rotor e o estator. Pode ser causado por
erros na montagem, danos na carcaça, lubrificação inadequada e empenamento de eixo. O sinal é
caracterizado por uma série de frequências (ver figura 13), capaz de excitar uma série de frações harmônicas
de componentes com frequência de 1/2, 1/3, 1/4, 1/5, ...1/n (SÁ, 2000). O roçamento pode aparecer em
determinadas condições, como quando o equipamento é sujeito a certa carga e temperatura, ou por estímulos
causados por seu funcionamento.
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009

Figura 13 – Série de frequências características

de roçamento

4.5 Problemas Elétricos

Além de defeitos mecânicos, os motores de indução podem apresentar em seus espectros de frequência,
defeitos ocasionados por problemas elétricos. Na figura 14, o espectro apresenta 3 picos distintos ocasionado
por diferentes problemas elétricos, onde a oscilação de 1X ocasionado pela excentricidade do estator, devido
ao amortecimento dos pés ou isolamento da base. Problemas no estator podem gerar uma alta vibração de 2X
(causado por curto circuito entre as lâminas ou desequilíbrio de impedância das bobinas) e também um
espaço desigual entre o rotor e o estator (chamado de Entreferro). Em motores de indução o Entreferro não
deve ultrapassar 5% e 10% em motores síncronos. A alta vibração no dobro da frequência da linha 2FL (120
Hz), geralmente é ocasionado por bobinas soltas.

Figura 14 – Representação de problemas elétricos ocasionado pela

excentricidade, entreferro e bobinas soltas

5. RESULTADOS E DISCUSSÃO
Com base na metodologia descrita nas seções anteriores, pode-se diagnosticar alguns princípios de falhas
utilizando uma análise baseada no espectro de frequência. A fim de avaliar o método, foram realizadas
simulações de situações de defeitos de máquinas rotativas. Para a realização da simulação, foram gerados
sinais artificiais equivalentes a alguns equipamentos com falhas incipientes. Primeiramente, foi gerado o
sinal da vibração de um rolamento da SKF 7321(ver Figura 15), com uma rotação de 600 RPM (10 Hz).
Aplicando a FFT neste sinal, obtém-se o espectro de frequência ilustrado na Figura 16.

Figura 15 – Onda no domínio do tempo

 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009

Figura 16 – Espectro do rolamento SKF 7321

Utilizando as equações de falhas em rolamentos apresentada na seção 4.1, foram encontradas algumas
frequências referenciais de falhas, apresentadas na Tabela 1.
Tabela 1 – Frequências correspondentes à falhas

Frequências Calculadas
Tipos de Falhas
(Hz)

BPFO 48,9353

BPFI 71,0647

BSF 20,9172

FTF 4,0779

Interpretando o gráfico da Figura 16, percebe-se que o pico que está próximo de 10 Hz, equivale à rotação do
sistema. O pico de amplitude de 21 Hz representa a falha no elemento rolante (BSF). A falha na pista externa
(BPFO) é evidenciada pelo pico de amplitude na frequência de 49 Hz. A frequência de 71 Hz indica falha na
pista interna (BPFI). O espectro da Figura 16 não apresenta amplitude na frequência relativa a defeito na
gaiola (FTF). A presença dessas amplitudes no espectro indica o surgimento de pequenas trincas nas pistas e
nos elementos rolantes do rolamento.
Também foi gerado o sinal de um motor elétrico de indução com rotação de 1250 RPM (20,83 Hz), como
mostra a Figura 17 e aplicando a FFT, obstemos o espectro da Figura 18.

Figura 17 – Onda no domínio do tempo

 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009

Figura 18 – Espectro motor elétrico de indução

Analisando o espectro, pode-se observar uma elevada amplitude na frequência 21 Hz, que equivale a rotação
do motor. Com base na seção 4.3, podemos dizer que se trata de um defeito de desbalanceamento. O
desbalanceamento pode ser corrigido com a compensação de cargas no plano do centro de gravidade, através
da retirada de material no ponto mais pesado ou da colocação no lado oposto.
Num outro experimento, foi gerado o sinal de um motor de indução que trabalha a 600 RPM (10 Hz), com
lubrificação inadequada e em elevadas temperaturas, como mostra a Figura 19. Aplicando a FFT neste sinal,
obtém-se o espectro de frequência ilustrado na Figura 20.

Figura 19 – Onda no domínio do tempo

Figura 20 – Espectro motor elétrico de indução

Analisando o espectro anterior observa-se uma série de frações harmônicas. De acordo com a seção 4.4, isto
caracteriza um defeito de roçamento, ocasionado pelas condições em que o motor se apresenta. Um
lubrificante adequado e o isolamento térmico atenuariam os níveis de vibração neste equipamento.

6. CONCLUSÃO
Neste trabalho, foram aplicadas técnicas de análise de vibração em sinais artificiais, a fim de caracterizar
diferentes tipos de falhas em máquinas rotativas. A pesquisa nos permite uma melhor compreensão de como
é feita esta análise e como identificar os diferentes tipos de defeito através de um espectro.
Através da análise do sinal de vibração de uma máquina, é possível subtrair informações importantes sobre o
estado de componentes, assim como os diferentes tipos de defeitos que ela pode apresentar. A utilização da
 IV Congresso de Pesquisa e Inovação da Rede Norte e Nordeste de Educação e Tecnologia
Belém – PA - 2009
FFT permite a análise do espectro de frequências dos sinais de vibração e a identificação de harmônicas
correspondentes a possíveis falhas mecânicas.
A partir dessas informações pode-se planejar a realização de uma reparação, prevenindo uma manutenção
corretiva, que ocasiona prejuízo inesperado a uma indústria. Os resultados obtidos neste trabalho mostram a
diferença de como cada falha afeta a frequência de um equipamento e o quão prejudicial pode-se apresentar.
A partir desse estudo, serão realizados ensaios em laboratório para confirmar o método e aprimorar os
algoritmos utilizados.

REFERÊNCIAS

ABREU, R. D. A. ; BRITO, J. N. ; LAMIM FILHO, P. . Diagnóstico de Falhas em Rolamentos Utilizando

as Técnicas de Decomposição em Wavelet e Detecção de Envelope. In: 8º Congresso Iberoamericano de
Engenharia Mecânica, 2007, Cusco. Anais do 8º Congresso Iberoamericano de Engenharia Mecânica, 2007.

FERNANDES, J. Segurança nas Vibrações sobre o Corpo Humano. [S.I.]: Unesp, 2000. Disponível em:
<http://wwwp.feb.unesp.br/jcandido/vib/index.htm>. Acesso em: 13 jul. 2009.

GONÇALVES, L. A. Um Estudo sobre Transformada Rápida de Fourier e seu uso em processamento

de imagens. 2004. 61 f. Dissertação (Mestrado) - Universidade Federal do Rio Grande do Sul, Porto Alegre,
2004.

JAMES, J. F. A Student’s Guide to Fourier Transform. Cambridge: Cambridge University Press, 2002.

KARDEC, A.; NASCIF, J.; BARONI, T. Gestão Estratégica e Técnicas Preditivas. Rio de
Janeiro: Qualitymark, 2002.

KHATER, E. Diagnóstico de Falhas em Máquinas Rotativas através da Análise da Vibração Torcional.

In: I EMAN/FUNREI (I Encontrol de Manutenção da Funrei), 1999, São João del Rei - MG. I
EMAN/FUNREI (ANAIS EM CD), 1999. v. I. p. 15-22.

MANUTENÇÃO. Como será a manutenção do futuro? Rio de Janeiro: Abraman, v. 124, nov./dez. 2008.

RAO, S. S. Vibrações Mecânicas. São Paulo: Pearson Prentice Hall, 2008. Tradução de: Arlete Simille.

SÁ, M. Curso de Vibrações. Macaé: Petrobras, 2000.

TAYLOR, J. I. The Vibration Analysis Handbook. Flórida: Vibration Consultants, 1994.

XENOS, H. G. Gerenciando a Manutenção Produtiva. Nova Lima: Indg Tecnologia e Serviço Ltda, 2004.

AGRADECIMENTO
Agradecemos ao programa PIBICT/FUNCAP pela bolsa de pesquisa e consequente oportunidade de realizar
este trabalho. Agradeço ao professor Fábio Timbó e a todo corpo docente do IFCE – Campus Maracanaú
pelas orientações na pesquisa e formatação do artigo.