Use este identificador para citar ou linkar para este item: http://www.repositorio.ufop.br/jspui/handle/123456789/13038
Título: Detector de falhas de rolos de transportadores de correia baseado em aprendizado de máquina.
Título(s) alternativo(s): Belt conveyor roller failure detection system based on machine learning.
Autor(es): Cruz, Emanuel Balduino da
Orientador(es): Reis, Agnaldo José da Rocha
Guimarães, Frederico Gadelha
Almeida, Silvia Grasiella Moreira
Palavras-chave: Transportador de correia
Rolo
Aprendizado de maquina
Data do documento: 2020
Membros da banca: Reis, Agnaldo José da Rocha
Guimarães, Frederico Gadelha
Almeida, Silvia Grasiella Moreira
Silva, Rodrigo César Pedrosa
Pessin, Gustavo
Pinto, Paulo Raimundo
Referência: CRUZ, Emanuel Balduino da. Detector de falhas de rolos de transportadores de correia baseado em aprendizado de máquina. 2020. 53 f. Dissertação (Mestrado Profissional em Instrumentação, Controle e Automação de Processos de Mineração) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2020.
Resumo: O Transportador de Correia (TC) e o meio mais versátil e difundido para movimentação de cargas em instalação industrial. Os roletes são equipamentos que dão suporte e guiam as correias. Como o rolo fica no apoio da correia, quando ele apresenta falha, o funcionamento do transportador e prejudicado. A detecção de falhas nesses equipamentos e feita por funcionários dá manutenção que se baseiam, dentre outros fatores, nos ruídos produzidos por rolos defeituosos. Como uma correia pode ter centenas de metros e estar em locais de difícil acesso, determinar qual rolo está defeituoso se torna uma tarefa bastante difícil e custosa. Apresenta-se neste trabalho uma proposta para detecção de rolos defeituosos através de som por ele produzido, por meio de aprendizado de maquina. Para tanto, dados reais de rolos bons e defeituosos foram coletados em campo e utilizados no desenvolvimento do sistema supracitado. Os resultados obtidos são discutidos em detalhes e as principais conclusões são apresentadas.
Resumo em outra língua: The Conveyor Belt (CB) is the most versatile and widespread means of transporting loads in industrial installations. In this apparatus, the rollers are equipment which provide support and guide the belt. As the roller sits on the belt support, when it fails, the operation of the conveyor belt is impaired. Failure detection on these equipment is done by maintenance personnel who rely on the noise produced by defective rollers, amongst other factors, to make a diagnosis. Moreover, given that a belt can be hundreds of meters long and stretching across places of difficult access, determining which roll is defective becomes a rather difficult and costly task. In this paper, a proposal for detection of defective rolls through sounds by means of machine learning is presented. For this purpose, real data of good and defective rolls were collected in the field and used in the development of the above-mentioned system. The obtained results are fully discussed and the main conclusions are presented.
Descrição: Programa de Pós-Graduação em Instrumentação, Controle e Automação de Processos de Mineração. Departamento de Engenharia de Controle e Automação, Escola de Minas, Universidade Federal de Ouro Preto.
URI: http://www.repositorio.ufop.br/handle/123456789/13038
Licença: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 10/12/2020 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite o uso para fins comerciais nem a adaptação.
Aparece nas coleções:PROFICAM - Mestrado (Dissertações)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO_DetectorFalhasRolos.pdf16,96 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons