Banner Engineering

Analítica de Vibração e Temperatura de Motores

A manutenção preditiva de motores está a tornar-se essencial para a fábrica inteligente.

Analítica de Vibração e Temperatura de Motores

Assim, permite aos utilizadores antecipar com maior precisão o momento em que uma máquina necessitará de manutenção, com base em dados obtidos em tempo real e provenientes da própria máquina.

A medição e análise de vibrações fornecem avisos antecipados para a deteção precoce de falhas e avarias no sistema.

 

Um algoritmo de análise é responsável por gerir de forma eficiente os alarmes que permitem realizar uma manutenção eficaz e reduzir as paragens não planeadas e as consequentes perdas na produção.

Antes da análise, é crucial realizar uma correta aquisição de dados e é aqui que entram em jogo os sensores, responsáveis por monitorizar diferentes variáveis do motor. Os sensores mais utilizados nesta área são os sensores de vibração e temperatura, bem como os sensores de monitorização de corrente.

Tradicionalmente, a captação de dados dos sensores de vibração e temperatura fazia-se mediante cablagem padrão. Inicialmente com sensores analógicos e, recentemente, cada vez mais com sensores inteligentes Edge computing. Estes extraem a informação e digitalizam-na ao nível do sensor para a transmitirem já digitalmente, evitando interferências eletromagnéticas.

Também otimizam a qualidade e quantidade de dados transmitidos. Além disso, nos sistemas de monitorização mais avançados, a opção de transmitir dados de forma sem fio até um processador central localizado a centenas de metros permite reduzir custos e facilitar a instalação em maquinaria existente. Adicionalmente, também permite monitorizar elementos móveis que de outra forma não poderiam ser diagnosticados.

Na monitorização da vibração do motor, detetam-se erros tais como desequilíbrio, desalinhamento ou má fixação.

Graças à monitorização da vibração do motor, são detetados erros tais como desequilíbrio, desalinhamento ou má fixação.

Com a monitorização de temperatura, podem-se observar sobreaquecimentos, problemas no sistema de refrigeração ou até frequências de operação incorretas.

Finalmente, com a monitorização de corrente, poderemos observar erros no enrolamento, falhas do estator e até algumas interferências eletromagnéticas.

A deteção precoce de anomalias permite reduzir danos e evitar paragens não desejadas. Analítica de Vibração e Temperatura de Motores

 

Quando nos focamos em vibrações, existem normativas que definem limites por tipo e potência do motor.

Analitica de vibração e temepratura de motores - tabela normativa por tipo de motor
ISO 10816-3

Estas tabelas definem intervalos de vibração, graças aos quais podemos intuir possíveis falhas nos motores. No entanto, devido à existência de diversos tipos de motores a operar em diferentes circunstâncias, é muito importante analisar cada motor de uma forma personalizada. E isto só se consegue aprendendo diretamente dele. É aqui que os algoritmos de machine learning ganham relevância.

Analítica de Vibração e Temperatura de Motores

Análise de motores através de machine learning

Os algoritmos de machine learning são aqueles projetados para aprender e adaptar-se automaticamente a cada caso. Permitem o desenvolvimento de um sistema que possa prever e diagnosticar erros com base em históricos, assim como a monitorização de variáveis em tempo real.

Uma vez que o algoritmo esteja bem alimentado, inicia-se o processo de aprendizagem. Recolhe-se então dados que ajudarão a estabelecer o padrão de trabalho e os diferentes limiares de aviso e alarme.

Analitica de vibração e temperatura de motores - gráfico

É neste ponto que o algoritmo se torna significativo. Um algoritmo bem definido é aquele que estabelece corretamente limiares de erro com base nos dados recebidos, permitindo que cada aplicação seja única em função do motor instalado. Quando estes limiares são ultrapassados pela medida, convertem-se em alarmes que avisam os operadores para realizar a manutenção.

Primeiramente, obtemos um sinal de aviso que indica um funcionamento anormal do motor, o qual deverá ser inspecionado. Se o motor não for verificado, o próximo nível será o de Alarme, indicando que o funcionamento anormal está muito próximo de se transformar num problema ou avaria.

É importante salientar que estes algoritmos são “avisadores” de anomalias, e que quanto mais variáveis sejam supervisionadas, mais perto se estará de detetar a anomalia de forma automática.

 

Vantagens de uma monitorização contínua e um algoritmo de supervisão

A principal vantagem de uma monitorização contínua é evidente: permite ao operador dispor de um sensor que monitoriza as variáveis do motor em tempo real. Simultaneamente, permite definir com que frequência deseja que os valores sejam guardados.

Isto poupa ao operador a realização de tarefas de inspeção periódicas ou mesmo a contratação de serviços externos para a inspeção dos seus motores.

Uma vez que o algoritmo esteja a funcionar, será capaz de prever uma falha no motor com suficiente antecedência para permitir o seu ajuste antes que a falha ocorra e cause uma paragem total.

Atualmente, os sistemas que contêm estes algoritmos de machine learning estão equipados com ferramentas para o envio de dados “a montante”, sejam sistemas na cloud, MES, etc.

Plant overview

Estes sistemas inovadores permitem-nos ter um maior controlo e armazenamento das variáveis, ao mesmo tempo que providenciam alarmes em tempo real em qualquer dispositivo. Por exemplo, um smartphone.

No passado, as aplicações industriais baseavam-se em software ou hardware. Daí que a grande evolução da indústria 4.0 seja a perfeita sinergia entre hardware e software, conseguindo dar solução a aplicações que nunca teríamos imaginado antes.

 

Artigo desenvolvido por:

Daniel Poves_Banner

Daniel Poves
Business Development Manager Iberia – Banner Engineering

 

Referência
POVES, Daniel. Analítica de vibración y temperatura de motores. Revista infoPLC++, n.º 31 dezembro 2023, pág. 54-56.

 

shape
shape
shape

Gostaria de aprofundar este tema? Contacte-nos.