MDM Completo

Técnicas de Monitoramento e Diagnose
Aplicadas na Manutenção
Monitoração e Diagnóstico de
Máquinas
Prof. Dr.-Ing. Fernando Castro Pinto
Laboratório de Acústica & Vibrações
1
UFRJ – Escola Politécnica
Manutenção
Bibliografia
Aquisiçao de dados
Sensores
Processamento de Sinais
Estatística
Reconhecimento de Padrões
2
UFRJ – Programa de Engenharia Mecânica
Wang, W.: Condition-based maintenance modelling, in Complex system maintenance

Manutenção handbook, Springer, 2009.
Mobley, R.K.: An introduction to Predictive Maintenance, Elsevier, Woburn, Massachusetts,

2002.
Reimche, W. et alli: Basics Of Vibration Monitoring for Fault Detection and Process Control,
Proc. Of III Pan American Conf. for Nondestructive Testing, Rio de Janeiro, 2003.
Carstens, L.: O Papel da Gestão da Manutenção na Estratégia de Operações, Diss.

Mestrado, Pontifícia Universidade Católica do Paraná, 2007.
: Preventive and Predictive Maintenance, Life Cycle Engineering,

available in: https://www.lce.com/pdfs/The-PMPdM-Program-124.pdf, 01/05/2018.
Spamer, F.R.: Técnicas Preditivas de Manutenção de Máquinas Rotativas, Proj. Final de

Grad., Eng. Elétrica Univ. Fed. Rio de Janeiro Rio de Janeiro, 2009.
Arato Jr., A.: Manutenção Preditiva Usando Análise de Vibrações, Ed. Manole, Rio de
Janeiro, 2004.
3
Sensores Fraden, J.: Handbook of modern sensors : physics, designs, and applications, 3rd ed.,
Springer-Verlag New York, Inc., 2004.
Webster, J.G. Ed.: Measurement, Instrumentation, and Sensors Handbook,Press LLC, Boca
Raton, 1999.
Doebelin, E.O.: Measurement Systems, Mc-Graw-Hill, New York, 1990.
Dally, J.W.; Rilley, W.F.; McConnell, K.G.: Instrumentation for Engineering Measurements,
John Willey & Sons, New York, 1993..
Hoffmann, K.: An Introduction to Measurement Using Strain Gages, Hottinger Baldwin

Messtechnik, Darmstadt, 1990.
Klingenberg, H.: Automobil Meßtechnik Band A, Springer-Verlag, Berlin, 1991.
:Quadro Geral de Unidades de Medida, INMETRO, 2a. ed.,Brasília, 2000.
:Vocabulário Internacional de Termos Fundamentais e Gerais de Metrologia, INMETRO, 2a.

ed.,Brasília, 2000.
4
Processamento Press, W.H.; Teukolsky, S.A.; Vetterling, W.T.; Flannery, B.P.: Numerical Recipes in C,
Cambridge University Press, 1992.
de Sinais
Brigham, E.O.: The Fast Fourier Transform and Its Applications, Prentice-Hall, New Jersey,
1988.
Ruído e Ripper Neto, A.P.: Vibrações Mecânicas, E-Papers, Rio de Janeiro, 2007.
Vibrações Rao, S.: Vibrações Mecânicas, Pearson, São Paulo, 2008.
Gerges, S.: Ruído Fundamentos e Controle, Ed Univ. Fed. Santa Catarina, Florianópolis,
1992.
Goodfellow, I.; Bengio, Y.; Courville, A.: Deep Learning, MIT Press, Cambridge,
Outros Massachusetts, 2016.
5
Ahmadi H., Mollazade K.: An Oil Condition Monitoring Technique to Determine the Optimal
Aplicações Oil Type and Maintenance Schedule, Structural Health Monitoring 8(4), 2009.
Caesarendra, W. et alli: Integrated Condition Monitoring and Prognosis Method for Incipient
Defect Detection and Remaining Life Prediction of Low Speed Slew Bearings, Machines,
2017.
Mallikarjun, K. et alli: Rotating Electrical Machine Condition Monitoring Automation — A

Review, Machines, 2017.
https://www.bksv.com/en/Search?q=application%20notes
(Application notes da empresa Brüel & Kjäer)
Lyon, R.: Machinery Noise and Diagnostics, Butterworths Publ., Stoneham, 1987.
:ISO 10816-1, Mechanical Vibration – Evaluation Of Machine Vibration By Measurements

On Non-Rotating Parts – Part 1: General Guidelines, ISO, Switzerland, 2009.
:ISO 10816-3, Mechanical Vibration – Evaluation Of Machine Vibration By Measurements

On Non-Rotating Parts – Part 3: Industrial machines with nominal power above 15 kW and
nominal speeds between 120 r/min and 15 000 r/min when measured in situ, ISO,
Switzerland, 2009.
6
Aumento da Vida útil do equipamento
Custo de intervenções
Custo operacional
Custo de parada de produção
Custo total
Sistemas de alto valor
Máquinas rotativas
7
Treinamento de pessoal Pessoal Técnico

Pessoal Administrativo
Sistema de manutenção Gerência
Tecnologia da Informação Procedimentos de avaliação

Procedimentos de documentação
Apoio gerencial Procedimentos técnicos
Tipos de manutenção
Armazenamento de dados
Algoritmos de procura Big Data?
Corretiva Reconhecimento de Padrões
Preventiva
Preditiva
8
Quebra
Falha? Corretiva
Não cumprimento de função
Preventiva
Função cumprida de forma inadequada Preditiva
Subjetividade?
Métricas objetivas
Existe manutenção que

não seja corretiva?
9
Manutenção Corretiva { Esperar quebrar
Quebra mesmo com manutenção em dia
Experiência com sistemas semelhantes

Manutenção Preventiva
Base instalada
Fabricante
Manutenção Preditiva Boas práticas

Modelo de falha
Normas
Modelo de evolução de falha
10
Preditiva
Preditiva
x
Preventiva Preventiva
Medições
Tempo médio entre falhas Critério de parada
Estatística Evolução temporal
(Des)Vantagens?
Fator de (In)Segurança Estatística
Fator de (In)Segurança
11
Como mensurar?
Medidas objetivas! Disponibilidade
Produtividade
Qualidade
Combinação INFORMAÇÃO
Custos
Cada caso é um caso...
12
Custos
13
Custos
Sensores
Cabeamento
Como quantificar?
Aq. de dados
Software
Treinamento
“...O ótimo é inimigo
do bom...” Armazenamento
Gerenciamento
14
Monitoração de processo
x
Monitoração de equipamentos
Meta...
15
Sensor
Condicionamento
do Sinal
Transformar grandeza física em elétrica
Sensibilidade
Transdutor?
Transformar o sinal elétrico melhorando-o
Eletrônica de Conversão A/D Transporte em maiores distâncias
Processamento Medição
Cálculos
Atuação
Conversão D/A
16
Adiciona energia ao sistema

Sensor Passivo x Ativo físico sendo medido
Retira energia do sistema físico Ex.: Radar / Sonar
Calibração sendo medido
Sinais “pequenos”
para não interferir
no sistema
Relação entre Medição e Sinal
Entrada física conhecida

Relação entre medição e sinal
Sinais de Entrada Determinação da Sensibilidade
Outras grandezas influem
Não confundir com a calibração metrológica
Calibração!
Verificação!
17
Sensibilidade Relação entre Sinal de Saída e

Grandeza Física
Off-Set
Princípio de Medição
Método de Medição Terminologia Linearidade!
dS
Procedimento de Medição S=
dX
Erro Sistemático (bias)
Erro Aleatório mesmo procedimento
Exatidão (Acurácia) mesmo observador
Precisão mesmo instrumento
Resolução mesmo local
Repetitividade mesmas condições
Reprodutibilidade período curto
Incerteza
Faixa Nominal (Amplitude)
Faixa de Trabalho Diferentes...
Deriva (drift)
18
Erro aleatório (Ruído)
Diferentes distribuições
estatísticas
Parâmetros estatísticos
para avaliação
Modelos matemáticos
Fusão de Sensores! Processadores!
19
Sinais Analógicos Sinais Digitais
Pode assumir valores contínuos Valores discretos

Mundo físico real é analógico Adequado para tratamento
por computadores
Conversão Binário x
Decimal
LSB
MSB
Resolução
20
Variação muito rápida dos sinais
Volume de dados muito grande j

1
Comportamento global x sj=
N
∑ si
i= j1−N
instantâneo
t
1 Média móvel
s t = ∫ s  d 
 t t − t
Valor RMS

t
(Root Mean Square)
1
s RMS t = ∫
 t t− t
s  2 d 
Nível
Detectores
21
( )
Referências não são
S rms universais
Nível =20 log
S ref
Indicação da referência
Escala logarítmica
( )
t L(η)
1
L m (t )=10×log
T
∫ 10 10
dη
Energia!
t −T
Média ponderada
Exponencial JANELA TEMPORAL! Valor máximo / mínimo
Valor de Pico

−t 
1  2 Valor Pico a Pico
P m t = ∫−∞ P e 
d

22
Assimetria
Ponderação do sinal
Curtose
Maior Contribuição dos níveis extremos Sk =
3
√ 1 T
∫
T o
(a (t )−a
̄ (t))
3
dt
Avalia a “Impulsividade” do sinal

1 T 4
k = 4 ∫o a (t ) dt
σ T
Veículo 1 cx. Normal
Veículo 1 cx. Hidr.
Veículo 2 cx. Normal
Curtose
0 1 2 3 4 5 6 7 8 9 10
Tempo [s]
23
Filtros analógicos para análise em freqüência
Transformada Rápida de Fourier (FFT)
Energia separada em Bandas de freqüências (bins)
Bandas de oitavas ou 1/3

Largura variável (logarítmica)
FFT Largura constante
24
Transformação de Fourier (integral) i  f 

H  f =ℜ H  f i ℑ H  f =∣H  f ∣e
∞
H  f =∫−∞ h t  e
−2  i f t
dt
H(f) e h(t) são quantidades

complexas
Transformada inversa
∞
h t=∫−∞ H  f  e
2i f t
df Amplitude
Fase
∣H  f ∣=  ℜ H  f 2i ℑ  H  f 2
Ambas as formas são equivalentes
h t⇐ ⇒ H  f 
ℑ H  f 
 f =arctan  
Não há perda de informação ℜ H  f 
25
2 T /2
a n = ∫−T /2 y t cos 2  n f 0 t dt ⇒ n=0,1 ,2 , ...
0
T0 0
Série de Fourier
2 T /2
∫ y t sin 2  n f 0 t dt ⇒n=1,2 ,3 , ...
0
b n=
T 0 −T / 20
Transformada inversa
a0 ∞
y t= ∑n=1 a n cos 2  n f 0 t bn sin 2  n f 0 t 
2
Forma discreta da intregral de fourier Função y(t) é periódica!

Não há perda de informação exceto pela discretização
26
Funções
não
periódicas
Funções periódicas
27
PARES DE TRANSFORMADAS
28
PROPRIEDADES
Convolução
−∞
y t =∫−∞ x  h t−  d  = x t ∗h t 
x t ∗h t = X  f ×H  f 
29
CONVOLUÇÃO
30
Séries de Fourier
31
FFT – Graficamente
32
Freqüência de Aquisição
insuficiente!
Aliasing
33
Leakage
Window
Hanning / Hamming / Blackman / Retangular
34
Transientes
35
36
1
Aproximação do sinal no tempo
FAST FOURIER f aq =
por uma Série de Fourier t
TRANSFORM
Freqüência de Aquisição
Combinação de senos e cossenos
Resolução em freqüência
f aq
Algoritmo para cálculo otimizado Periodização  f=
m
N
N =2
f aq
1024, 2048, 4096, .... Aliasing f máx 
2
Filtros analógicos
Transientes?
Leakage Janela (Windowing)
37
Máquinas
1
Acelerômetros
Captação do sinal
Amplificação
Análise
Instrumentação de acústica e vibrações com funções semelhantes
Em geral utilizando-se de elementos Frequência Natural alta

piezoelétricos
Transformação de carga em corrente e tensão

Amplificadores de carga e acelerômetros ICP
Diversas formas construtivas
2
Acelerômetros
Outros tipos de sensores:
Strain Gauges – colagem complexa

Sensores indutivos – medição sem contato físico
Sensores ópticos – muito utilizados para vibrações torsionais
Posição de acordo com

modos de vibração
3
Acelerômetros
4
Microfones
Forma construtiva determina precisão de medição
Sensores delicados
Polarização de elementos internos

com tensões elevadas
Tamanho influencia sensibilidade e resposta

em frequência
Calibradores
Frequência Natural alta
5
Microfones
6
Extensometria
Colagem
Posicionamento
Compensação
Condicionamento de sinal
necessário
Baixa potência
Ponte de Wheatstone
Aterramento
7
Extensometria
Diferentes tipos e tamanhos
8
Extensometria
= Deformação
G = Fator de Gage (ou Gauge)

= Resistividade
= Coef. Poisson
9
Extensometria
Se ,
10
Força / Torque
11
Força / Torque
Torque em eixo girante

Uso de strain gages para medição do torque, e posterior cálculo da potência
Retirada do sinal por telemetria γ π D3 G Pot=T ω
T=
Uso de “Slip-Rings” ou telemetria 16
12
Força / Torque
Tratamento
dos sinais
Problemas com
Amplificação
Pós Tratamento de
sinal com filtros
13
Posição / Deslocamento
✔ Fornecem sinal analógico
Posição linear ou angular para controle
Potenciômetros ✔ Fornecem uma
Resistência elétrica informação de posição
absoluta
Encoders ✔ Apresentam baixo custo
✔ Podem apresentar
LVDT / RVDT alterações de temperatura
e variação no uso
Medida absoluta x relativa ✔ Não podem ser utilizados
em ambientes com
Triangulação umidade ou poeira
✔ Podem ser lacrados para
evitar contaminação do
ambiente
14
Arranjo ótico com franjas gerando pulsos

Podem ser tanto de rotação quanto lineares
Sensores DIGITAIS
É possível medir 360o
Absolutos ou relativos (incrementais)
Pulsos quadrados defasados em 90º

Só um canal fornece apenas a posição
Dois canais fornecem o sentido do movimento
Terceiro canal indica posição "zero"
15
A posição absoluta determinada por um código

Encoders absolutos não perdem a real posição
Não necessitam de inicialização.
Codificação normal ou código GRAY
16
Encoder linear
Resolução
17
LVDT
Linear Variable Diferential Transformer
Saída elétrica proporcional ao

deslocamento de um núcleo móvel
Indução entre duas bobinas.
RVDT
VELOCIDADE?
18
Temperatura
Termômetros bi-metálicos Termistores
Feitos com duas lâminas metálicas de

diferentes coeficientes
de dilatação, unidas solidamente pelos
seus extremos.
Variação de resistência
Pouco precisos com a temperatura
Pode-se utilizar latón, monel o acero e Baratos
uma liga de ferro-níquel
Pequenos Linearizando:
ou Invar laminados conjuntamente.
“Rápidos”
– Intervalo: 0 até 500ºC

NTC x PTC
– Precisão: 1%
19
Temperatura
Termopar J: Fe e Constatan (Cu-Ni).

Afetado pela corrosão
Intervalo: 0ºC a +750ºC. Precisão: 0.5%
Termopar K: Cr e Alumel (Al-Ni).

Boa resistência à oxidação
Intervalo: 0ºC a +1.300ºC e 600ºC a 1.000ºC em
Termopares
atmosferas oxidantes. Precisão: 1%
Sinal de saída baixa
Termopar R: Pt e Pt-13% Rh (Rhodium). Sensibilidade baixa
Útil para altas temperaturas
Termopar S: Pt e Pt-10% Rh. Comportamento linear
Intervalo de medida maior (0ºC a +1.600ºC), porém mais
caros. Precisão: 0.5%
Termopar W: W(tungstênio)-5% Re e
W-26% Re (rhenium).
Intervalo: 0ºC a +2.800ºC em atmosfera inerte ou
vácuo. Precisão: 1%
20
Temperatura
Termopares
21
Temperatura
Pirômetro de Radiação
Possui detectores que captam simultaneamente toda a

radiação emitida na zona do espectro entre 0,3 e 20
µm (radiação térmica). Os detectores são do tipo
térmico: termopilhas (vários termopares Pt/Pt-Rd em CCD
série).
A energia radiante que recebem eleva a temperatura e

gera uma tensão.
As variações de temperatura na caixa do pirômetro têm

que ser compensadas.
Para eliminar radiações perturbadoras (energia radiada o

absorvida pelos outros elementos presentes) se usam
lentes e filtros que também reduzem a energia útil.
22
Temperatura
● Ondas Eletromagnéticas
● Espectro Eletromagnético
● Radiação Infravermelha
● Lei de Stefan-Boltzmann: P = ε • σ • A • T4
● Radiação Infravermelha → Calor
● Conversão Entrada Térmica em Sinal Elétrico
● Bolômetro
23
Temperatura
● Material absorvedor (placas de platina enegrecida)

● Capacidade Térmica Cth
● Absortância ótica η
● Condutância Térmica Gth
● Resistência R (em função da temperatura T+ΔT)
● Potência ηPin → Temperatura T
● Temperatura T → Resistência R
● Resistência R → Tensão V
● Calibradores de Bloco Negro

● Alvo com superfície de alta emissividade (entre 0,95 e 0,98)
● Precisão e estabilidade da temperatura
● Frequência de calibração
● Resposta estática e resposta dinâmica
24
Temperatura
● Sinal de entrada:
● Transferência de Calor:
● Módulo da Temperatura:
● Sinal de saída:
25
Temperatura
Termômetro Infravermelho
● Faixa de medição: -50 a 380°C
● Resolução: 0.1°C
● Incerteza: ±1.5°C (0 a 100°C)
±1.5ºC (100 A 380°C)
±3°C (-50 a 0°C)
● Emissividade: 0.80 ou 0.95
● Distância focal: D:S = 8:1
● Tempo de resposta: 0.5s
● Temperatura de operação: 0 a 40°C
26
Temperatura
● Inspeção não invasiva: a distância,
sem contato ou parada
● Monitoração das condições térmicas de

operação e da performance
● Detecção de excesso de atrito,

superaquecimento, desbalanceamento,
vazamento de fluidos, rolamentos etc
● Manutenção preditiva, correção antes da falha
27
Temperatura
28
Pressão
Pressão absoluta
Pressão gage
Pressão diferencial
Manômetros de Tubo
Pressão estática x dinâmica
Tubo de Pitot
29
Pressão
Pressão agindo sobre uma superfície
Deflexão de um elemento
Como medir a variação
Força?
30
Pressão
Diafragmas
Bourdon
Foles
31
Pressão
Extensometria
Piezoelétricos
Capacitivos
32
Pressão
Extensometria
Incluso no encapsulamento
33
Pressão
34
Pressão
Pressão se transmite em diferentes meios

Efeito útil para evitar altas temperaturas Unidade kPa psi in H2O cm in Hg mm Hg mbar
H2O
Transiente de pressão
kPa -x- 0,1450 4,015 10,20 0,2593 7,501 10
Faixa dinâmica depende também da tubulação
psi 6,895 -x- 27,68 70,31 2,036 51,72 68,95
in H2O 0,2491 3,613 x -x- 2,540 7,355 x 1,868 2,491
Sensibilidade a vibrações e choques 10^-2 10^-2
cm H2O 0,09806 1,422 x
10^-2
0,3937 -x- 2,896 x
10^-2
0,7355 0,9806
in Hg 3,386 0,4912 13,60 34,53 -x- 25,40 33,86
mm Hg 0,1333 1,934 x
10^-2
0,5353 1,360 3,937 x
10^-2
-x- 1,33
mbar 0,1000 0,01450 0,04015 1,020 0,02953 0,7501 -x-
35
Pressão
Proteção do sensor Pressão
Alta temperatura estática x dinâmica
Corrosão ?
Flutuação de pressão
36
Desbalanceamento
Desalinhamento
Falhas em pistas de rolamentos
Pulsação de pressão
Cavitação
37
Rolamento sem deslizamento

Defeito na pista interna
Defeito na pista externa
Defeito no elemento rolante
Efeito depende das dimensões
Possibilidade de identificação do
elemento defeituoso
38
Máquinas
1
Transformação Karhunen-Loève
O Método KL
A principal idéia do método é reduzir um grande número de
variáveis interdependentes em um número menor de variáveis
independentes, mantendo a maior quantidade possível de
informação do pacote de dados original
(Kerschen, 2004).
A
kPa mm/s KL
mm/s
mm/s m3/h
°C °C
2
●
Os dados se apresentam de forma discretizada, no tempo e no espaço.
– Consequentemente, o campo aleatório se apresenta na forma de um vetor X, composto
por uma matriz de n observações x m dimensões espaciais:
Sensores
 x11 ... x1m 

 
Medições dos
 ( x, t )  x1...xm 
 ... ... ... 

Sensores
Discretizados no

 xn1 ... xnm 
Tempo

 ( x, t )   ai (t ). i ( x )
i 0
3
●
O 1º passo do método consiste do cálculo da matriz de covariância entre os
vetores das flutuações dos dados em relação a sua média.
 
 n  1 n  
2
  n  1 n  1 n  
  1 j  x   x1k   ...   x1 j   x1k  xmj   xmk  
 
 j 1  n k 1  
  j 1  n k 1  n k 1  
1 
Cov  ... ... ...
n  n 

 
2
  1 n  1 n   n  1 n  
   xmj   xmk  x1 j   x1k  mj 
 ...  x  x  
j 1  n k 1  n k 1   j 1  n
mk
  

   k 1
 

- Esta matriz é uma medida de como as variáveis variam conjuntamente
4
●
O 2º passo é o cálculo dos autovalores e autovetores da matriz de
covariância:
•  é a matriz dos autovetores

C .   . • C é a matriz de covariância
• λ são os autovalores correspondentes
Os autovetores da matriz de covariância representam os modos independentes com que as flutuações no

entorno da média das medições
dos sensores se relacionam entre si
5
•  é a matriz dos autovetores

C .   . • C é a matriz de covariância
• λ são os autovalores correspondentes
Os autovetores da matriz de covariância representam os modos independentes com que as flutuações no

entorno da média das medições
dos sensores se relacionam entre si

 ( x, t )   ai (t ). i ( x )
i 0
6
Os autovalores indicam quanto de informação cada modo armazena

Isto nos permite escolher quais modos devem ser utilizados na análise,
simplificando a metodologia
Autovetor i
Autovetor k
7
●
O 3º passo é o cálculo dos coeficientes temporais, que completam os
produtos da decomposição K-L

 ( x, t )   ai (t ). i ( x)
i 0
O cálculo é feito projetando-se as flutuações originais na base formada pelos modos

de operação encontrados:
ai (t )  ( x i   i ). ( x )
Assim, temos 2 assinaturas:

– 1 Espacial independente do tempo  (x )
ai (t )
– 1 Temporal, independente do espaço
Autovetor Autovetor
Autovetor i i
Autovetor
i i t
8
A recomposição dos dados originais pode ser feita:


 ( x, t )   ai (t ). i ( x )
i 0
Sendo  0 o vetor formado pela média dos vetores x i , e a0=1.
9
●
O método KL apresenta correlações das flutuações das medições dos
sensores
●
Para diagnóstico, o objetivo é comparar estas correlações, que são
calculadas com base em amostras de intervalos distintos de tempo
●
As diferenças encontradas poderiam ser atribuídas a possíveis defeitos
Amostra 1 Amostra 2 Amostra j
Autovetor i Autovetor i Autovetor i
+ + +
Comportamento Comportamento Comportamento Defeito
Temporal Temporal Temporal
ai(t) ai(t) ai(t)
10
tempo
●
O método KL apresenta correlações das flutuações das medições dos
sensores em relação a média de cada amostra
●
Esta comparação não apresentou resultados adequados
Desta forma, a relação entre as
amostras não é computada!
X X
Amostra 1 Amostra 2 Amostra j
Resultados referentes a Resultados referentes a Resultados referentes a

flutuações em relação flutuações em relação flutuações em relação
a média da amostra 1 a média da amostra 2 a média da amostra j
11
UFRJ – Programa de Engenharia Mecânica tempo
●
Para não perder a informação entre as amostras, percebemos que seria
necessário comparar as flutuações em relação a uma média única.
●
Como o objetivo é realizar diagnóstico, entendemos que esta média deve
ser obtida de medições realizadas com a máquina “saudável”.
Flutuações em relação as “médias sadias”
 x11   * 1 ... x1m   * 

   
m
 ( x, t )  x1...xm  ... ... ... 

 x  * ... xnm  *m 
 n1 1

12
●
O método K-L pode ser realizado diretamente com os dados obtidos dos sensores
●
Entretanto, como as magnitudes dos dados são muito distintas, o resultado obtido será distorcido
pelas medições dos sensores cujos valores numéricos são mais elevados
●
Necessário um tratamento que nivele as informações que os dados carregam
Mancal 1o estágio Dados de Operação
oC oC mmx10-3 mmx10-3 oC
m3/h AoC mmx10-3
kPa
P43_TE-1251022 P43_TE-1251023 P43_VT-1251007 P43_VT-1251010 P43_FIT-1251027
P43_TE-1251018 P43_IT-5142018
P43_TE-1251017 Pressão diferencial P
P43_VT-1251001
01/04/2009 00:00:00 65 84 7.893855572 9.343546867 603.5
82 212 81 18425
15.37757301
31/03/2009 22:00:00 65 84 7.942302227 9.496653557 603.5
82 211 82 18497
15.26662636
606.2 211 18432
31/03/2009 20:00:00 65 84 7.855578899 9.399760246 82 82 15.22446632
604.2 211 18505
31/03/2009 18:00:00 66 84 7.896998882 9.538813591 80
604.4 210
81 15.16196632
18512
31/03/2009 16:00:00 66 84 7.79622221 9.593546867 81
606.7 211 81 15.60723305
18475
31/03/2009 14:00:00 65 84 8.009604454 9.482600212 82
605.8 211 81 15.31507301
18497
31/03/2009 12:00:00 65 84 7.713382244 9.260706902 82
606.2 210 82 15.26662636
18425
31/03/2009 10:00:00 65 84 7.890712261 9.184153557 82
606.9 211 82 15.26662636
18468
31/03/2009 08:00:00Variação esperada:
65 60 ~ 90 84
oC 7.779025555 Variação
9.496653557esperada: 200 82~ 700 m3/h210 82
605.6 13
18476
15.25257301
UFRJ – Programa de Engenharia Mecânica 604.2 212 18431
Sendo assim, optou-se por nivelar os dados originais via compressão

logarítmica, que é uma ferramenta classicamente utilizada pela ciência
(Escala Richter, Decibel), para apresentar dados que possuem uma
grande gama de valores.
  x11   x1m 
 log
 
* 
... log
 
* 
   1   m 
 

 ' ( x, t )  x1...xm   ... ... ... 
 
  xn1   xnm 
 log
 
* 
... log
 
* 

   1   m  14
Bomba de Grande Porte
Potencia Nominal
3,9 MW
Vazão Nominal
498 m3/h
Pressão de Descarga
20.000 kPa
Rotação do Motor
3.590 rpm
Rotação da Bomba
3.590 rpm
Idade da máquina
Fonte: Manual do fabricante, modificado. (aproximada) 16.000 h
Número de Estágios
8
15
16
• Defeito: Quebra generalizada dos difusores
17
Matriz de
Dados
39.948 dados temporais de cada

um dos nove sensores, espaçados
de 5 minutos
35.937 dados antes da falha 4.011 dados após conserto
100 pacotes de cerca de 10 pacotes de cerca de 360

360 dados dados
18
Aplicação
Aplicadas do Método
na Manutenção
Antes da Falha
% informação 1º Modo % informação 2º Modo % informação 3º Modo
• 1º Modo é o mais relevante

• Mudança de comportamento após 20 pacote
19
• O Autovetor se modificou ao longo do

tempo
• Até cerca do pacote 20, não havia um

padrão bem definido
• Após o pacote 20, forte correlação

entre as coordenadas correspondentes
aos deslocamentos nos mancais
20
Antes da Falha
Função Temporal
• Tendência de elevação, reforçando a
importância das fortes correlações
apresentadas pelos deslocamentos nos
mancais
• Picos sugerindo ocorrências pontuais,

possivelmente ligadas as quebras dos
difusores
21
Antes da Falha
• Os picos estão ligados a modos muito

diferentes da tendência
• É provável que estes eventos estejam

ligados as falhas dos difusores
• Para a análise, as duas informações

são importantes, tanto a ocorrência de
picos quanto a tendência da curva.
22
Após a Falha
• A quantidade de informações
do 1º modo voltou aos
patamares iniciais após o retorno
de manutenção da bomba.
23
Após a Falha
• O comportamento não
repetitivo do autovetor também
voltou a aparecer.
24
Após a Falha
• A tendência também não

apareceu.
• Mas há um pequeno pico,

mostrando alguma anomalia da
máquina, provavelmente ligada
ao deslocamento radial LA.
25
Máquinas
1
2
3
Monitoração das Condições de Operação de
Máquinas:
4
O arranjo de microfones recebe as ondas sonoras com diferentes amplitudes e fase
(tempo de chegada).
A diferença de fase é usada para localizar e quantificar
a contribuição relativa das fontes
p1 (t )
Pressão no tempo
Fonte Sonora
pi (t ) Malha definida pelas

coordenadas das possíveis
posições das fontes.
Atraso do tempo
Depende da velocidade
do som e distância
Entre a fonte e o microfone.
5
Atraso-e-soma:
Aplicação dos atrasos

Soma em Fase
Normalização (N° de mic.)
Sensibilidade direcional desejada
6
Domínio do Tempo
Domínio da frequência
wi é um coeficiente de ponderação aplicado a cada mic
pi pressão sonora medida em cada mic
Análise em bandas 1/3 de oitavas 7

No laboratório
Na Termoelétrica
Arranjo de microfones Aquisição de

dados e Software
Pré-ampli-
ficadores
8
Linguagem LabVIEW
Software para monitoramento
Salva os dados e fotos no HD Externo
Arquivo ASCII - Amplitude [dB]
Arquivo ASCII - Fase [°]
Envia por e-mail (arquivos Zip)
Permite acesso por servidor Ftp
Conformação de feixes
• Domínio da frequência
• Bandas de frequências em oitavas
• Pós-processamento ou Tempo Real
9
• No Laboratório
• 1 Plataforma PXI- NI
• 24 canais ICP
• 24 Canais Analógicos
• Na Termoelétrica
• 1 Plataforma PXI-NI
• 24 Canais Analógicos
• Portátil
• NetdB – 01dB
• 12 canais
10
24 Microfones de eletreto -ICP (BSWA)
•60 Microfones de Fabricação Própria
• Cápsula Panasonic WM-61A
•Baixo custo (U$2,50 cada cápsula)
•Modificação no FET da cápsula
•Melhora na resposta em frequência
5 Pré-amplificadores
• 12 canais (para os 60 mic)
• Projeto próprio - OPA2134
• Evitar perda de sinal entre os mic e o sistema de aquisição
• Ambiente Industrial
Cabos e Conectores Especiais

11
 Calibrador Acústico 114 dB @1kHz
 Por comparação - Tubo de Impedância

ISO 10534-2 Fc= 5,2kHz
• Mosher et al (1999)
Limites Aceitáveis:
Amp ± 4 dB; 12
Fase: ± 25°
. UFRJ – Programa de Engenharia Mecânica

12
Arranjo circular com
24 microfones
Ø1=240 mm
Ø2=48 mm
Arranjo linear com 20 mic e um mic de ref Ø3=72 mm
fixo para escaneamento
2 Arranjos Circulares
12 microfones
Ø=260 mm
Câmera
Arranjo para até 36 mic

( 50x 50 cm) 13
• Nível do Lóbulo Principal (LP)
•Define a Largura de Feixe a 3dB
• Nível médio dos lóbulos laterais (LL)
• Relação Sinal Ruído (SNR)

•Diferença entre LP e LL
• Dobramento espacial (“aliasing”)
• Resolução do arranjo
14 14
Resposta simulada θ0=25° e Ø0=25°;
2,6kHz 5,2 kHz
12 mic Ø=260 mm
Largura de feixe 2,3λ (z= 500 mm).
Faixa de frequência ideal: 1 kHz até 5,2 kHz.
SRN @ 5,2 kHz = 5dB
Restrição do ângulo de varredura Aumenta a faixa de frequência
Diminuição da Faixa dinâmica 15
Ambiente - Cabine Banda de frequências em 1/3 de oitava
• Distância Fonte-Arranjo = 500 mm centralizada em
• Ruído de banda larga •5000 Hz
16 16
1600 Hz 2000 Hz
• Diferentes Bandas de frequências em 1/3

de oitava
• Faixa dinâmica = 3 dB
• 2500 Hz 3150 Hz
• 4000 Hz 5000 Hz 6300 Hz
17 17
•Motor elétrico de ¼ Hp
•Inversora -controle de rotação
•Tacômetro óptico
•Conjunto de engrenagens
(aço, alumínio , modulo 2 e 4)
•Portátil e leve
•Dois eixos
•Disco para desbalanceamento
•Mancais com facilidade de
troca dos rolamentos
18
•Z= 500 mm
•Rotação 32 Hz
•Direção x
•(sem carga)
19 19
Rolamento Com Defeito
Rotação=32 Hz
Análise em bandas de frequências em 1/3 de oitava
20
20
MONITORAMENTO Rotação=32 Hz
Análise em bandas de frequências
6300 Hz 8000 Hz
em 1/3 de oitava
Sem Defeito
Com Defeito
21
» Usina Termoelétrica UTE-NF em Macaé
» Tempo de reverberação
Média de 7 pontos
» Dimensoes da sala:
10,7m x 10,7m x 6,2m (700 m3)
110
105
100
S P L [d B (L )]
95
90
85
80
75
70
65
60
10 100 1000 10000 22
Frequency [Hz]
Rotação de 3600 RPM.
Posição 1 Posição 5 23
24
24
Freq Amp [dB]
[Hz] Fileira/Pás
1200 91,2 -
1320 96,9 1ª 22
1680 92,9 2ª 28
1800 89,7 3ª 30
2340 84,2 5ª 39
2460 82,9 4ª 41
2580 92,0 6ª 43
3420 93,0 7ª 57
4680 75,3 5ª 39
4860 82,6 8ª 81
25 25
1250 Hz Grupos (% de carga):
0 a 60% 60% a 70% 70% a 80% 80% a 90%; 90% a 100%
1600 Hz
2000 Hz
2500 Hz
26
3150 Hz Grupos (% de carga):
0 a 60% 60% a 70% 70% a 80% 80% a 90%; 90% a 100%
4000 Hz
5000 Hz
27
Arranjo Próximo ao Compressor
MONITORAMENTO
1250 Hz
Carga 80% a 90%
28
Arranjo Próximo ao Compressor
MONITORAMENTO
1250 Hz
Carga 80% a 90%
29
30
Função de ativação típica – função sigmóide
31
Amostras Amostras
Sem Defeito Com Defeito
Arquitetura do tipo 4x4x4x3
. .
. .
. .
32
O erro global é calculado através do erro
quadrático médio
33
34
Os dados de pressão sonora, de cada mapa sonoro, são armazenados em uma matriz Q
Cada linha corresponde a uma amostra do monitoramento relativa a um determinado par de ângulos
(elev, Azim).
•
TKL estabelece uma aproximação através de um conjunto de:
Funções base Ck(i) e
Funções espaciais Dk(j)
Dependentes do Dependentes da
tempo orientação
A ordem n de funções controla a qualidade da aproximação 35

Define quantos autovetores são necessários na redução dos dados.
Se a variância total de um conjunto de dados é dividida aleatoriamente

entre as várias componentes, a distribuição esperada dos autovalores
seguirá a regra “broken stick”.
onde: p é o número de variáveis.
Se o autovetor de ordem k possui um autovalor maior que bk, então, deve ser
mantido e os demais eliminados.
36
Aprendizado
Parada antecipada do treino
Avalia o desempenho
TKL como TKL como

Pré-Processamento Pós-Processamento
37
Estrutura da metodologia
38
140 Medições 140 Medições
Rolamento Rolamento
Sem Defeito 1/3 de Com Defeito Classificador Sem TKL Fa=20 kHz
N° de am.= 2500
oitava 1080 Neurônios na Camada de Overlaping 50%
1250 Hz Entrada
1600 Hz
[1080x140x2]
2000 Hz
2500 Hz
Classificador Com TKL
49 Neurônios na Camada de
3150 Hz Entrada
Teste Broken Stick
4000 Hz Os 49 primeiros autovetores
representam 99,6% da
5000 Hz
variância total
6300 Hz
120 (10x12) Pontos
8000 Hz Cada Mapa 39
» Resultados do desempenho de diferentes arquiteturas para o classificador Treinamento:
baseado nos mapas brutos Método de otimização Retro-
propagação de erro:
Levenberg-Marquardt.
Condição de parada:
100 épocas ou 0,001 % de erro
Divisão dos dados:

60% -Treinamento
20% - Validação
20% - Teste.
» Resultados do desempenho de diferentes arquiteturas para o classificador

baseado na metodologia TKL
40
1° Autovetor (82% da variabilidade)
1° Automapa na 1/3 de 1250 Hz: 120 primeiros Termos do 1° Autovetor
1° Automapa na 1/3 de 1600 Hz: Próximos 120 Termos ...
O autovetor de maior autovalor
corresponde aos pontos que
apresentam maior variância.
Faixa Dinâmica do Automapa
Diferença entre ponto máximo e

mínimo de cada automapa
41
Grupo 5
Grupo 4
100 Medições 100 Medições Fa=20 kHz

de cada grupo de cada grupo N° de am.= 4096
Sem Falha Com Falha Média= 10
Simulada Simulada Cada 10 s
1/3 de
oitava
1250 Hz
1600 Hz
2000 Hz
[1008x500x2]
2500 Hz
Classificador Com TKL
3150 Hz 26 Neurônios na Camada de Entrada (para as
duas Falhas Simuladas)
4000 Hz
Teste Broken Stick
5000 Hz Os 26 primeiros autovetores
144 (12x12) Pontos representam cerca de 95% da variância
Cada Mapa total
42
.
1250 Hz
Grupos: 0 a 60%; 60 a 70%; 70% a 80%; 80% a 90%; 90% a 100%
1250 Hz Com a 1ª Falha Simulada (1ª Fileira do Compressor : 22 pás)
1600 Hz
1600 Hz Com a 2ª Falha Simulada (2ª Fileira do Compressor: 28 pás)
43
Treinamento:
» Resultados do desempenho de diferentes arquiteturas para o caso da 1ª Método de otimização Retro-
Falha (1250 Hz) propagação de erro:
Levenberg-Marquardt.
Condição de parada:
100 épocas ou 0,001 % de erro
Divisão dos dados:

70% -Treinamento
15% - Validação
15% - Teste.
» Resultados do desempenho de diferentes arquiteturas para o caso da 2ª

Falha (1600 Hz)
44
Falha Simulada 1250 Hz Falha Simulada 1600 Hz
45
46
47
48

MDM Completo

Enviado por

Dados do documento

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

MDM Completo

Enviado por

Direitos autorais:

Formatos disponíveis

Técnicas de Monitoramento e Diagnose

Prof. Dr.-Ing. Fernando Castro Pinto

Laboratório de Acústica & Vibrações

Wang, W.: Condition-based maintenance modelling, in Complex system maintenance

Mobley, R.K.: An introduction to Predictive Maintenance, Elsevier, Woburn, Massachusetts,

Carstens, L.: O Papel da Gestão da Manutenção na Estratégia de Operações, Diss.

: Preventive and Predictive Maintenance, Life Cycle Engineering,

Spamer, F.R.: Técnicas Preditivas de Manutenção de Máquinas Rotativas, Proj. Final de

Doebelin, E.O.: Measurement Systems, Mc-Graw-Hill, New York, 1990.

Hoffmann, K.: An Introduction to Measurement Using Strain Gages, Hottinger Baldwin

Klingenberg, H.: Automobil Meßtechnik Band A, Springer-Verlag, Berlin, 1991.

:Quadro Geral de Unidades de Medida, INMETRO, 2a. ed.,Brasília, 2000.

:Vocabulário Internacional de Termos Fundamentais e Gerais de Metrologia, INMETRO, 2a.

Mallikarjun, K. et alli: Rotating Electrical Machine Condition Monitoring Automation — A

:ISO 10816-1, Mechanical Vibration – Evaluation Of Machine Vibration By Measurements

:ISO 10816-3, Mechanical Vibration – Evaluation Of Machine Vibration By Measurements

Aumento da Vida útil do equipamento

Custo de parada de produção

Sistemas de alto valor

Treinamento de pessoal Pessoal Técnico

Tecnologia da Informação Procedimentos de avaliação

Existe manutenção que

Manutenção Corretiva { Esperar quebrar

Quebra mesmo com manutenção em dia

Experiência com sistemas semelhantes

Manutenção Preditiva Boas práticas

Cada caso é um caso...

Adiciona energia ao sistema

Relação entre Medição e Sinal

Entrada física conhecida

Sensibilidade Relação entre Sinal de Saída e

Erro aleatório (Ruído)

Fusão de Sensores! Processadores!

Sinais Analógicos Sinais Digitais

Pode assumir valores contínuos Valores discretos

Variação muito rápida dos sinais

Volume de dados muito grande j

Avalia a “Impulsividade” do sinal

Filtros analógicos para análise em freqüência

Transformada Rápida de Fourier (FFT)

Energia separada em Bandas de freqüências (bins)

Bandas de oitavas ou 1/3

FFT Largura constante

Transformação de Fourier (integral) i  f 

H(f) e h(t) são quantidades

Forma discreta da intregral de fourier Função y(t) é periódica!

Prof. Dr.-Ing. Fernando Castro Pinto

Laboratório de Acústica & Vibrações

Em geral utilizando-se de elementos Frequência Natural alta

Transformação de carga em corrente e tensão

Outros tipos de sensores:

Strain Gauges – colagem complexa

Posição de acordo com

Forma construtiva determina precisão de medição

Polarização de elementos internos

Tamanho influencia sensibilidade e resposta

Diferentes tipos e tamanhos

G = Fator de Gage (ou Gauge)

Torque em eixo girante

Arranjo ótico com franjas gerando pulsos

Pulsos quadrados defasados em 90º

A posição absoluta determinada por um código

Codificação normal ou código GRAY

Saída elétrica proporcional ao