Development of an IoT sensor node with edge computing for vibration monitoring of industrial motors

• Ano de defesa: 2025
• Autor(a) principal: Romanssini, Marcelo
• Orientador(a): Girardi, Alessandro G.
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal do Pampa
• Programa de Pós-Graduação: Mestrado Acadêmico em Engenharia Elétrica
• Departamento: Campus Alegrete
• País: Brasil
• Palavras-chave em Português: Fault location (Engineering); Electric motors, Induction; Predictive maintenance; Edge Computing; Cloud computing; IoT; Accelerometer; Vibration; Vibration monitoring; Localização de falhas (Engenharia); Motores elétricos de indução; Vibração
• Área do conhecimento CNPq: ENGENHARIAS
• Link de acesso: https://repositorio.unipampa.edu.br/handle/123456789/10379

Máquinas rotativas como motores, bombas, geradores e compressores, desempenham um papel fundamental em muitas indústrias, garantindo produtividade, eficiência e segurança operacional. No entanto, essas máquinas são propensas a desgaste devido à operação contínua e cargas cíclicas, levando a paradas inesperadas e aumento dos custos de manutenção. A manutenção preditiva (PdM), especialmente quando baseada em análise de vibração, provou ser uma das estratégias mais eficazes para detectar sinais precoces de falhas mecânicas. Avanços recentes em sensores do tipo Micro-Electro Mechanical Systems (MEMS) e tecnologias de Internet das Coisas (IoT) permitir Micro-Electro Mechanical Systemsam o desenvolvimento de dispositivos compactos e de baixo consumo de energia, capazes de aquisição e transmissão de dados em tempo real. Este trabalho apresenta uma revisão detalhada de falhas em máquinas elétricas rotativas, os principais métodos para identificação de falhas, como monitoramento de vibração, bem como métodos para coleta e processamento de dados de vibração. Este trabalho também descreve a implementação de um sensor IoT, baseado em acelerômetros MEMS. O sensor é basicamente composto por um microcontrolador, um sensor de temperatura e um acelerômetro triaxial capaz de medir a aceleração nos eixos X, Y e Z. O sensor de IoT implementado é alimentado por bateria, coleta dados acelerados a cada cinco minutos e os transmite para a nuvem via Wi-Fi usando o protocolo MQTT. Após a implementação do sensor, duas estratégias de processamento de dados foram avaliadas: computação de borda (processamento de dados e extração de recursos no sensor) e computação em nuvem (dados brutos enviados diretamente para a nuvem para processamento). Por meio de uma série de testes de desempenho e consumo de energia, foi demonstrado que a abordagem de processamento de borda reduziu o tempo total de processamento em até 4,5 vezes e diminuiu o volume de transmissão de dados em um fator de 100 em comparação com o processamento em nuvem. Essa redução resultou em um consumo de energia 34,2 % menor, tornando-o altamente adequado para dispositivos alimentados por bateria. Além disso, as estimativas de consumo de energia mostraram que o sensor operando com processamento de borda pode atingir uma vida útil de bateria de aproximadamente 686 dias, em comparação com apenas 198 dias com o processamento baseado em nuvem, uma melhoria superior a 70 %. O processamento de borda também proporcionou maior estabilidade e previsibilidade em tempo de execução, o que é essencial para aplicações de monitoramento industrial em tempo real. Os parâmetros extraídos apresentaram alta precisão local, com desvios abaixo de 0,03 % para aceleração RMS e valores de pico. Para os parâmetros de vibrações os erros foram menores de 2 % quando comparados aos dados processados em nuvem. Isso confirma a viabilidade do processamento de sinais embarcado para análises de vibração confiáveis, reduzindo a necessidade de transmissão de grandes volumes de dados brutos. Além disso, quando comparado a sistemas comerciais como o medidor de vibração Minipa MVA-400 e o sensor WEG Motor Scan, o sensor desenvolvido demonstrou boa concordância nas medições de vibração, particularmente no eixo axial, com pequenos desvios atribuídos a diferentes algoritmos internos e orientações do sensor. No geral, o sistema proposto demonstra ser uma solução eficiente, escalável e sustentável para manutenção preditiva, permitindo o monitoramento contínuo das condições de máquinas rotativas industriais, reduzindo os custos de manutenção e minimizando o tempo de inatividade não planejado. Palavras-chave: Falhas, motor de indução, manutenção preditiva, Processamento na borda, Processamento na nuvem, Vibração, Monitoramento de vibração.