Navegando por Assunto "Oil analysis"
Agora exibindo 1 - 2 de 2
Resultados por página
Opções de Ordenação
Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Análise de manutenção industrial em transformadores de potência e seus custos com ênfase na coleta de óleo isolante(2024-10-31) COELHO, Brenda Carolina Ponte; COUTO, Thalita Lourrany Santos; BAYMA, Rafael Suzuki; http://lattes.cnpq.br/6240525080111166O objetivo deste trabalho demonstrar os benefícios da manutenção preditiva, em especial a analise de óleo isolante de transformadores de potencia, para a prevenção de perdas e danos materiais de uma indústria siderúrgica. Para seu desenvolvimento, inicialmente, foi realizada revisão bibliográfica dos tipos de transformadores, manutenção e, mais especificamente, os métodos para interpretação de analise de óleo isolante. Com base nisso, foram apresentados dois estudos de caso. Foram abordados casos reais de falha em transformadores, em que utilizaram a analise de óleo, mais precisamente, a concentração de gases dissolvidos, para determinar o diagnostico, bem como uma analise de custos e perdas de produção relacionadas a cada caso. O primeiro caso se trata de um transformador de 6MVA que foi substituído devido a deterioração interna causada pelo acumulo de gases, que gerou um superaquecimento da parte ativa do transformador e a danificou, deixando o equipamento inoperante. No segundo caso, o estudo apresenta um transformador de 75MVA que falhou inesperada- mente com nível de acetileno elevado. Nesse cenário, ele não foi religado antes da realização de diagnósticos para identificar o possível defeito, que revelou a perda do equipamento. Para cada um dos casos, utilizou-se os resultados de analises de óleo, ou seja, a concentração de gases combustíveis, para determinar a causa da avaria, com auxílio dos métodos mais utilizados na indústria. Além disso, para cada situação, foi estimado o custo envolvido, considerando danos materiais e perda de produção, evidenciando o beneficio de um bom planejamento e execução de manutenções em transformadores.Trabalho de Curso - Graduação - Monografia Acesso aberto (Open Access) Aprendizado de máquina para análise de óleo na manutenção preditiva de equipamentos móveis na indústria de mineração(2026-07-14) CONCEIÇÃO, Jade Melo da; TEIXEIRA , Raphael Barros; http://lattes.cnpq.br/4902824086591521; https://orcid.org/0000-0003-2993-802XA análise de óleo lubrificante é uma ferramenta importante para identificar falhas prematuras em equipamentos, prolongar a vida útil dos componentes e reduzir custos de manutenção. Nesse contexto, torna-se necessário desenvolver métodos que contribuam para a melhoria da qualidade dos diagnósticos e para a antecipação de possíveis falhas. Dessa forma, este trabalho propõe a aplicação de técnicas de aprendizagem de máquina para classificar os resultados de análises de óleo em equipamentos móveis da indústria de mineração, identificando a condição do óleo com base em parâmetros estabelecidos pela gestão de ativos. Para a realização do estudo, foram utilizados dados de diagnósticos coletados com amostragem diária ao longo de dois anos. O conjunto de dados foi submetido a etapas de pré-processamento e dividido em subconjuntos de treino (80%) e validação (20%), permitindo treinamento e avaliação de diferentes algoritmos de classificação, incluindo Random Forest, K-Nearest Neighbors (KNN), Support Vector Machine (SVM), Árvore de Decisão e Multilayer Perceptron (MLP). Os modelos foram aplicados com o objetivo de identificar padrões nos dados e classificar o estado do óleo de acordo com os parâmetros definidos nas classes normal, monitorar e crítico. Os algoritmos avaliados apresentaram índices competitivos de assertividade, com destaque para o Random Forest, que obteve o melhor desempenho global ao atingir 83,25% de acurácia e 82,02% de F1 score Macro e elevada estabilidade na curva Precision-Recall (Average Precision de 0,84 para a classe crítico). Desse modo, o estudo valida a eficácia do aprendizado de máquina como uma ferramenta robusta de apoio à tomada de decisão em estratégias de manutenção preditiva.