Sistema de Manutenção Preditiva Utilizando Redes BLE e Wi-Fi com Aprendizado de Máquina

De MediaWiki do Campus São José
Revisão de 17h56min de 9 de setembro de 2019 por 127.0.0.1 (discussão) (Criou página com ';Autor: Vitor Manoel da Silveira ;Orientador: Prof. Mario de Noronha Neto ;Curso: Engenharia de Telecomunicações ;Resumo: Um dos principais problemas encontrados nas gr...')
(dif) ← Edição anterior | Revisão atual (dif) | Versão posterior → (dif)
Ir para: navegação, pesquisa
Autor

Vitor Manoel da Silveira

Orientador

Prof. Mario de Noronha Neto

Curso

Engenharia de Telecomunicações

Resumo

Um dos principais problemas encontrados nas grandes indústrias são os defeitos apresentados em equipamentos cujo valor monetário é significativamente alto, resultando em grandes custos por interrupção na produção e reposição de peças. Para evitar tal situação e ter certa previsibilidade de quando os problemas ocorrerão, cada vez mais empresas estão procurando integrar seus equipamentos às redes Internet of things (IoT) devido aos diversos benefícios que esta traz quando aliada à técnicas de aprendizado de máquina e Condition-based maintenance (CBM). Neste documento consta uma introdução sobre o tema e a fundamentação teórica para sustentar a proposta de implementar um sistema que colete informações do motor elétrico de equipamentos industriais e, com base nisto, gere um alerta para que a manutenção seja efetuada previamente, evitando danos aos equipamentos, paradas desnecessárias na produção e aumentando a vida útil das máquinas. No desenvolvimento do endpoint foram utilizados a plataforma Arduino Nano e os módulos Bluetooth low energy (BLE) AT-09 e MPU-6050, que conta com um acelerômetro e um sensor de temperatura, enquanto o papel do gateway foi desempenhado pela plataforma ESP-32. Utilizou-se o algoritmo K-means para a predição de falhas no motor e obteve-se um resultado satisfatório com relação a precisão da classificação das amostras coletadas.

Palavras chave

Condition-based maintenance. Aprendizado de máquina. Predição de falhas. Bluetooth low energy.

Abstract

One of the main problems encountered in large industries is the defects presented in equipment whose monetary value is significantly high, resulting in large costs due to the interruption in the production and replacement of parts. To avoid this and to be predictable when problems occur, more and more companies are looking to integrate their equipment into IoT networks because of the many benefits that brings when combined with machine learning and CBM techniques. This document presents an introduction on the subject and the theoretical basis to support the proposal to implement a system that collects information from the electric motor of industrial equipment and, based on this, generates an alert so that the maintenance is carried out previously, avoiding damages to the equipment, unnecessary downtime in production and increased machine life. In the development of the endpoint we used the Arduino Nano platform and the modules BLE AT-09 and MPU-6050, which has an accelerometer and a temperature sensor, while the role of gateway was played by the platform ESP-32. The K-means algorithm was used to predict motor failures and a satisfactory result was obtained in relation to the classification accuracy of the collected samples.

Keywords

Condition-based maintenance. Machine learning. Fault predictiont. Bluetooth low energy.

Arquivos

Arquivos relacionados a trabalho, a monografia em pdf e também arquivos fontes e executáveis estão disponibilizados nos links abaixo: