Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: Brandão Júnior, Paulo Sérgio
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Engenharia Mecânica
Brasil
CEFET-MG
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Aprendizado do computador
Redes neurais (Computação)
Algoritmos de computador
Simulação (Computadores)
Eficiência industrial
Link de acesso: https://repositorio.cefetmg.br//handle/123456789/790
Resumo: Este trabalho teve como objetivo solucionar o problema da falha prematura dos mancais de rolamento em um redutor de laminador de barras na siderúrgica Gerdau – Usina Barão de Cocais, utilizando técnicas de aprendizado de máquina. O foco foi a construção de um modelo de classificação utilizando redes neurais artificiais (RNA) para predizer falhas no sistema de rolamento, baseado na análise da corrente do motor. O modelo construído apresentou acurácia de 99%, além de níveis de sensibilidade de 0,9871 e especificidade de 0,9942, o que demonstra sua eficácia em identificar anormalidades nas informações. Além disso, o estudo introduziu o conceito de gêmeo digital, propondo sua aplicação futura como ferramenta de monitoramento proativo, permitindo simulação e análise em tempo real. A segunda etapa do estudo utilizou uma nova base de dados que reforçou a hipótese de que falhas nos rolamentos aumentam o torque e, consequentemente, a corrente do motor. O modelo se mostrou eficaz em identificar esse padrão, sendo uma ferramenta eficaz para a manutenção preditiva e a programação de paradas preventivas.
id CEFETMG_9ab77fac4aaad532a61d4069c50cbfe7
oai_identifier_str oai:repositorio.cefetmg.br:123456789/790
network_acronym_str CEFETMG
network_name_str Repositório Institucional do CEFET-MG
repository_id_str
spelling Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digitalAprendizado do computadorRedes neurais (Computação)Algoritmos de computadorSimulação (Computadores)Eficiência industrialEste trabalho teve como objetivo solucionar o problema da falha prematura dos mancais de rolamento em um redutor de laminador de barras na siderúrgica Gerdau – Usina Barão de Cocais, utilizando técnicas de aprendizado de máquina. O foco foi a construção de um modelo de classificação utilizando redes neurais artificiais (RNA) para predizer falhas no sistema de rolamento, baseado na análise da corrente do motor. O modelo construído apresentou acurácia de 99%, além de níveis de sensibilidade de 0,9871 e especificidade de 0,9942, o que demonstra sua eficácia em identificar anormalidades nas informações. Além disso, o estudo introduziu o conceito de gêmeo digital, propondo sua aplicação futura como ferramenta de monitoramento proativo, permitindo simulação e análise em tempo real. A segunda etapa do estudo utilizou uma nova base de dados que reforçou a hipótese de que falhas nos rolamentos aumentam o torque e, consequentemente, a corrente do motor. O modelo se mostrou eficaz em identificar esse padrão, sendo uma ferramenta eficaz para a manutenção preditiva e a programação de paradas preventivas.This work aimed to address the issue of premature bearing failures in a gearbox of a bar mill at Gerdau – Usina Barão de Cocais using machine learning techniques. The focus was on building a classification model with artificial neural networks (ANN) to predict failures in the bearing system, based on motor current analysis. The developed model achieved an accuracy of 99%, with sensitivity levels of 0.9871 and specificity of 0.9942, demonstrating its effectiveness in identifying anomalies. Additionally, the study introduced the concept of a digital twin, proposing its future application as a proactive monitoring tool, enabling real-time simulation and analysis. In the second phase, a new dataset was analyzed, reinforcing the hypothesis that bearing failures increase torque and, consequently, motor current. The model proved effective in identifying this pattern, making it a effective tool for predictive maintenance and scheduled preventive stops.Centro Federal de Educação Tecnológica de Minas GeraisPrograma de Pós-Graduação em Engenharia MecânicaBrasilCEFET-MGShigaki, Yukiohttp://lattes.cnpq.br/5952970584364630http://lattes.cnpq.br/5945329708725886Shigaki, YukioMagalhães, Frederico de CastroSilva, Alisson Marques daBrandão Júnior, Paulo Sérgio2025-03-17T11:31:14Z2024-11-282025-03-17T11:31:14Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://repositorio.cefetmg.br//handle/123456789/790porreponame:Repositório Institucional do CEFET-MGinstname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)instacron:CEFETinfo:eu-repo/semantics/openAccess2026-03-31T14:31:32Zoai:repositorio.cefetmg.br:123456789/790Repositório InstitucionalPUBhttps://repositorio.cefetmg.br/server/oai/requestrepositorio@cefetmg.bropendoar:2026-03-31T14:31:32Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)false
dc.title.none.fl_str_mv Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
title Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
spellingShingle Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
Brandão Júnior, Paulo Sérgio
Aprendizado do computador
Redes neurais (Computação)
Algoritmos de computador
Simulação (Computadores)
Eficiência industrial
title_short Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
title_full Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
title_fullStr Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
title_full_unstemmed Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
title_sort Previsão de falhas em mancais de rolamento utilizando aprendizado de máquina por meio de redes neurais artificiais: módulo de um gêmeo digital
author Brandão Júnior, Paulo Sérgio
author_facet Brandão Júnior, Paulo Sérgio
author_role author
dc.contributor.none.fl_str_mv Shigaki, Yukio
http://lattes.cnpq.br/5952970584364630
http://lattes.cnpq.br/5945329708725886
Shigaki, Yukio
Magalhães, Frederico de Castro
Silva, Alisson Marques da
dc.contributor.author.fl_str_mv Brandão Júnior, Paulo Sérgio
dc.subject.por.fl_str_mv Aprendizado do computador
Redes neurais (Computação)
Algoritmos de computador
Simulação (Computadores)
Eficiência industrial
topic Aprendizado do computador
Redes neurais (Computação)
Algoritmos de computador
Simulação (Computadores)
Eficiência industrial
description Este trabalho teve como objetivo solucionar o problema da falha prematura dos mancais de rolamento em um redutor de laminador de barras na siderúrgica Gerdau – Usina Barão de Cocais, utilizando técnicas de aprendizado de máquina. O foco foi a construção de um modelo de classificação utilizando redes neurais artificiais (RNA) para predizer falhas no sistema de rolamento, baseado na análise da corrente do motor. O modelo construído apresentou acurácia de 99%, além de níveis de sensibilidade de 0,9871 e especificidade de 0,9942, o que demonstra sua eficácia em identificar anormalidades nas informações. Além disso, o estudo introduziu o conceito de gêmeo digital, propondo sua aplicação futura como ferramenta de monitoramento proativo, permitindo simulação e análise em tempo real. A segunda etapa do estudo utilizou uma nova base de dados que reforçou a hipótese de que falhas nos rolamentos aumentam o torque e, consequentemente, a corrente do motor. O modelo se mostrou eficaz em identificar esse padrão, sendo uma ferramenta eficaz para a manutenção preditiva e a programação de paradas preventivas.
publishDate 2024
dc.date.none.fl_str_mv 2024-11-28
2025-03-17T11:31:14Z
2025-03-17T11:31:14Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.cefetmg.br//handle/123456789/790
url https://repositorio.cefetmg.br//handle/123456789/790
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Engenharia Mecânica
Brasil
CEFET-MG
publisher.none.fl_str_mv Centro Federal de Educação Tecnológica de Minas Gerais
Programa de Pós-Graduação em Engenharia Mecânica
Brasil
CEFET-MG
dc.source.none.fl_str_mv reponame:Repositório Institucional do CEFET-MG
instname:Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron:CEFET
instname_str Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
instacron_str CEFET
institution CEFET
reponame_str Repositório Institucional do CEFET-MG
collection Repositório Institucional do CEFET-MG
repository.name.fl_str_mv Repositório Institucional do CEFET-MG - Centro Federal de Educação Tecnológica de Minas Gerais (CEFET-MG)
repository.mail.fl_str_mv repositorio@cefetmg.br
_version_ 1863183898332102656

Registros relacionados