REVISTA MULTIDISCIPLINAR DA UNIESP

15

UTILIZAÇÃO DA ANÁLISE DE COMPONENTES PRINCIPAIS EM

TERMOGRAFIA

SANTOS, Gilnete Leite1

PEREIRA, João Antônio2

Resumo: O aquecimento em máquinas, causado muitas vezes por falhas ou falta de

manutenção preventiva, pode ocasionar problemas como fadiga nos materiais e
conseqüentemente parada na produção, implicando alto custo. A Termografia é uma
técnica de manutenção preditiva bastante utilizada no monitoramento e detecção deste
tipo de falha e vem atualmente ganhando espaço como técnicas de manutenção preditiva
por ser uma ferramenta bastante adequada para monitoramento da assinatura térmica de
máquinas e sua utilização hoje é uma realidade em vários setores industriais. Este artigo
discute a utilização da Análise das Componentes Principais, para o processamento e
análise de um conjunto de imagens termográficas, visando a identificação de variações
térmicas das imagens, bem como, a interpretação dos dados em termos da sua
variabilidade espacial/temporal para aplicação na manutenção preditiva com base na
termografia.
Palavras-chave: Termografia - Análise de Componentes Principais - Manutenção
Preditiva.

Abstract: The heating in machine, often caused by the failure or lack of preventive
maintenance can cause problems such as fatigue in the materials and consequently
stopped production, involving high cost. Thermography is a technique widely used
predictive maintenance and monitoring and detection of such failure and is currently
gaining ground as predictive maintenance techniques, a tool well suited both to measure
temperature, and to monitor the thermal signature of machinery and its use today is a
reality in many industrial sectors. This paper discusses the propose of use of the
Principal Component Analysis for the processing and analysis of a series of
thermographic images in order to identify temperature variations of the images, as well
as, the interpretation of the data in terms of their spatial/temporal variability.
Keywords: Thermography - Principal Component Analysis - Predictive Maintenance.

INTRODUCTION

A avaliação das condições de funcionamento e desempenho de máquinas e

equipamento a partir do monitoramento do seu comportamento térmico vem se

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
16

consolidando em várias áreas da engenharia e, pode-se dizer que uma das variáveis mais
utilizadas nessa avaliação é a temperatura. A temperatura é um excelente indicador para
a avaliação das condições de operação e, portanto, pode ser utilizada na avaliação de
índices de confiabilidade de funcionamento de sistemas e equipamentos industriais.

CONCEITOS BÁSICOS

As técnicas de termografia vêm atualmente ganhando espaço para análise e

medidas de temperatura por ser uma ferramenta bastante adequada tanto, para medida
de temperatura, como para monitoramento da assinatura térmica de máquinas e
equipamentos. Uma das principais características são a sua praticidade de uso e o fato
da sua aplicação não exigir o desligamento dos equipamentos sob inspeção. Isso vem
consagrando sua utilização nas diversas áreas de manutenção, principalmente, como
ferramenta de avaliação não destrutiva.
O processamento de imagens termográficas a partir de técnica apropriada pode
mostrar eventuais mudanças (periódicas ou aperiódicas) do sistema. Neste caso, técnicas
de extração e análise de imagens podem representar ferramentas de grande alcance na
manutenção preditiva baseado na termografia, visto que elas permitem a extração de
outros parâmetros, além da temperatura do objeto monitorado (ensaiado). Uma dessas
técnicas é a Análise das Componentes Principais Térmicas (ACPT). A importância da
aplicação da ACPT em Ensaios Térmicos Não-Destrutivos está no fato de que as
imagens termográficas apresentam correlação espacial e temporal e, existe uma forte
relação entre as componentes principais e o perfil térmico do sistema, o que permite
uma real avaliação do estado do componente em questão. Outro aspecto importante
nesta técnica é que ela permite uma avaliação automática da seqüência de imagens
térmicas que é uma meta dos ensaios térmicos não destrutivos.

TERMOGRAFIA

A termografia é uma das técnicas de ensaios não-destrutivos que se baseia na

medição da radiação térmica que os corpos emitem de maneira natural. Ela permite
avaliar o estado de um equipamento sob inspeção de maneira rápida, precisa e sem o

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
17

desligamento do mesmo. Na termografia o perfil térmico do equipamento é mostrado

em um gráfico de cores, sendo que as mudanças térmicas são observadas no
termograma a partir das alterações na intensidade das cores. Essas alterações podem
apontar problemas como mau funcionamento ou mesmo sinais de redução da vida útil
do equipamento.

ANÁLISE DAS COMPONENTES PRINCIPAIS (ACP)

A Análise das Componentes Principais (ACP) é uma técnica de estatística

multivariada descrita inicialmente por Karl Pearson no início do século passado e
desenvolvida posteriormente por Harold Hotelling em 1933 conforme discutido em
Marinetti et al (2004) e Figueiredo (2006).
Em termos gerais, a ACP busca identificar, a estrutura de variância e covariância
de um vetor aleatório, composto de p variáveis aleatórias, através da construção de
combinações lineares das variáveis originais (componentes principais). Ou seja,
algebricamente, a ACP transforma um conjunto arbitrário de n vetores de p variáveis
aleatórias X 1 , X 2 , .... , X p em um conjunto de p variáveis Y1 , Y2 , ...., Yk não

correlacionadas e ortogonais entre si, denominadas, Componentes Principais (CP(s)). Os

n valores das componentes de cada variável X i (i = 1,2,..., p ) representam os n

indivíduos de uma da amostra. Em ACP é comum armazenar os n vetores de p

variáveis como linhas de uma matriz [ X ] de dados (MINGOTI, 2005) e então, o cálculo
das CP(s) é feito a partir do cálculo do vetor médio das p variáveis

m x = (m1 , m 2 ,..., m p ) e dos autovalores e autovetores da matriz de covariância [C x ] , Eq.

'

(1) e Eq. (2):

1 n 
mx =  ∑ X k  e (1)
 n k =1 

 1 n T
Cx =  ∑ X k X k − mx mx  .
T
(2)
 (n − 1) K =1 

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
18

Sejam Vi e λi (i = 1, 2, ..., p ) , os autovetores e os correspondentes autovalores

da matriz de covariância [C x ] , de dimensão p × p , real e simétrica (GONZALEZ;

WOODS, 2000), que satisfazem à relação:

[C x ]Vi = λi Vi , com i = 1, 2, ..., p . (3)

Os autovalores λi e os autovetores Vi da matriz [C x ] são calculados e

convenientemente arranjados de maneira decrescente, em que λ j ≥ λ j +1

( j = 1,2,..., p − 1) .
A transformação feita através da ACP é obtida a partir da combinação linear das
variáveis originais e da média das variáveis, equação (4):

Y = [ A]( [ X ] − m x ) .
T
(4)

A matriz [Y ] é uma matriz de ordem n × p , que contém o novo conjunto de

T

dado não-correlacionados (Componentes Principais). A matriz [ A] de ordem p × p é

montada com os autovetores de [C x ] , de tal modo que, as primeiras linhas de [ A] são os
autovetores correspondentes aos maiores autovalores. Vale lembrar que o número de
componentes principais é no máximo igual ao número de variáveis.

ANÁLISE DAS COMPONENTES PRINCIPAIS TERMOGRÁFICAS

Um programa de monitoramento das condições de operação de um componente

a partir de inspeções termográficas deve envolver, além da avaliação dos gradientes de
temperatura e pontos mais críticos do termograma, uma avaliação da evolução térmica
do componente ao longo do tempo. Neste caso, a seqüência de imagens termográficas
capturadas a cada inspeção pode ser considerada como uma série temporal a qual seria
composta pelo conjunto de observações feitas ao longo do tempo. Ao analisar esta série

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
19

temporal é possível detectar e entender eventuais variações ou tendências a respeito do

estado do componente. E então, observando a estrutura que gerou esse conjunto de
dados é possível criar um modelo matemático capaz de prever valores futuros da série.
Do ponto de vista algébrico, essa seqüência de imagens termográficas pode ser
vista como um conjunto de vetores, onde cada imagem é um vetor. Por exemplo,
considere um conjunto de N imagens termográficas de alta dimensionalidade tendo n x

pixel de largura e n y pixel de altura. O conjunto de dados montado a partir dessas

imagens forma uma matriz [X ] , chamada de espaço de imagens multidimensional, que

contém todas as imagens da série.
Então para uma série de N imagens termográficas discretas, assumindo que
cada imagem foi captada ao longo do período de inspeção, a matriz [X ] é o espaço
dessas imagens e cada linha representa uma particular imagem da série. Assim, a
dimensão de [X ] é de N linhas por n colunas, onde n = (n x .n y ) representa a

dimensionalidade desse espaço.

Uma vez definida a matriz [X ] que representa a série de imagens termográficas

( X 1 , X 2 ,..., X N ) T coletadas durante o período de monitoramento de um sistema, o

próximo passo é o cálculo das componentes principais térmicas a partir da equação (4).
A média m x das variáveis apresentada na equação (4) forma um vetor médio,
aqui chamado de imagem média e todas as imagens do conjunto devem variam em torno
dessa imagem média. No cálculo das CP(s) o vetor médio é subtraído de cada linha da
matriz que representa o conjunto de dados e então todas as imagens do conjunto devem
variar em torno dessa média. A próxima seção apresenta os resultados da Análise das
Componentes Termográficas (ACPT) no domínio espacial e temporal.

RESULTADOS

Todas as etapas envolvendo o cálculo das ACPT foram executadas usando

algoritmos implementados em Matlab® versão 6.5. O conjunto de dados utilizados na
análise desta aplicação foi obtido a partir de um componente elétrico sob inspeção
(chave elétrica) e que apresentava sobre aquecimento em uma dada região que poderia

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
20

comprometer o seu funcionamento. A Fig. (1a) mostra uma versão da imagem de

referência em cores, onde as variações de temperatura são apresentadas em tons que
variam do azul ao vermelho. A figura (1b) mostra a mesma imagem em tons de cinza.

(a) (b)
Figura 1: Imagens de um sistema elétrico sobre aquecido: (a) versão a cores, (b) versão em
tons de cinza.

A imagem de referencia (Fig.1(b)) foi tomada como base e foram simulados

aquecimentos (aumento de temperatura) na região em destaque, gerando um conjunto de
seis imagens. Cada imagem apresenta uma variação de temperatura em relação à
imagem original, e a seqüência de armazenamento (posicionamento) de cada imagem na
matriz [ X ] pode ser associada com o tempo, imagem 1 associada à inspeção no tempo
t1, imagem 2 associada ao tempo t2 e assim por diante. Desta forma, cada imagem seria
interpretada como sendo a condição do equipamento naquele dado instante (tempo) de
inspeção do sistema real. O objetivo principal desta análise (teste) é observar como a
ACPT capta o comportamento dessa variação de temperatura, tanto no domínio espacial
como no domínio temporal.
O procedimento para simulação do aumento de temperatura foi feito
aumentando o valor de brilho na região de interesse de modo que o valor de máxima
temperatura dessa região variou de um termograma para o outro, tendo o terceiro

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
21

termograma maior temperatura naquela região. Todos os termogramas apresentam o

mesmo valor de temperatura fora da região sobre aquecida.
A figura (2) mostra a média do conjunto de dados utilizada nesta aplicação
(imagem média). Essa imagem média foi calculada a partir da média aritmética de cada
coluna da matriz que contém os seis termogramas.

Figura 2: Imagem média utilizada na análise

A figura (3) ilustra o resultado da Análise das Componentes Principais num

domínio espacial (a) e temporal (b).
Na análise temporal, o gráfico mostrou a relação entre as componentes
principais e o tempo permitindo analisar e eventualmente estabelecer uma relação de
como o fenômeno físico (aquecimento) evolui ao longo do tempo. Na análise espacial,
as componentes detectaram somente as mudanças espaciais (variabilidade dos pixels),
ou seja, a região que apresentou maior variação no componente ensaiado.

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
22

4
x 10
2.5

Componentes Principais Temporais - u.a

2

1.5
CPT1
CPT2
1
CPT3
CPT4
0.5 CPT5
CPT6
0

-0.5
1 2 3 4 5 6
tempo - u.a
(a) (b)
Figura 3: (a) Primeira Componente Principal Espacial. (b) Seis Componentes Principais
Temporais.

A análise das componentes da figura (3) mostrou que no domínio espacial as

componentes detectaram somente a variabilidade dos dados espacialmente (região de
mudança), enquanto que no domínio temporal as CP(s) mostram a correlação com o
fenômeno físico.
Neste caso, a primeira CP espacial mostra claramente o local e a geometria da
área afetada. No domínio temporal (Fig. (3b)), a primeira componente principal mostra
a evolução da temperatura na região de interesse ao longo do tempo. O maior valor
observado, neste caso, ocorre exatamente no tempo em que ocorreu o maior
aquecimento (terceiro termograma).
No caso espacial, foi apresentada apenas a primeira CP por esta ser a mais
representativa que neste caso é responsável por 99.4 % da variância total. Assim a
primeira componente é a mais importante das seis para representar a variabilidade
espacial nos seis termogramas dado pelo maior contraste apresentado por essa
componente.
As demais CP(s) do caso temporal (Fig. 3 (b)) não apresenta nenhuma relação
com o fenômeno observado, ou seja, nenhuma mudança relativa ao período considerado
foi captada por estas CP(s), podendo ser desprezíveis.

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950

REVISTA MULTIDISCIPLINAR DA UNIESP
23

CONCLUSÃO

Os resultados mostram que ACPT pode ser uma ferramenta útil, não só para a
detecção, mas também para a localização de aquecimento em sistemas elétricos e
mecânicos.
Nesta análise, a primeira componente principal apresentou significado físico
evidenciando o fenômeno observado mostrado mudanças de temperatura no tempo
(inspeção), bem como o local e a geometria da área afetada, mostrando claramente a
região sobre aquecida, fato de fundamental importância em manutenção preditiva.

REFERÊNCIAS BIBLIOGRÁFICAS

GONZALEZ, R. C.; WOODS, R. E. Processamento de imagens digitais. São Paulo:

Edgard Blücher, 2000.

MARINETTI, S.; GRINZATO, E.; BISON, P. G.; BOZZI, E.; CHIMENTI, M.; PIERI,
G.; SALVETTI, O. Statistical analysis of IR thermographic sequences by PCA,
2004.

MIGOTI, S. A. Análise de dados através de Métodos de Estatística Multivariada:

Belo Horizonte, M.G. Editora UFMG, 2005.

DIREITOS AUTORAIS

Os autores são os únicos responsáveis pelo conteúdo do material

impressão incluído no seu trabalho.

____________________________________

1Mestre em Engenharia Mecânica pela Universidade Estadual Paulista de Ilha Solteira (FEIS-UNESP),
2Professora da Uniesp/Presidente Prudente / Livre Docente, Universidade Estadual Paulista de Ilha Solteira,
Professor Adjunto (FEIS-UNESP).

Texto Recebido em 16 de outubro de 2010.

Aprovado em 10 de dezembro de 2010.

SABER ACADÊMICO - n º 10 - Dez. 2010/ ISSN 1980-5950