Desenvolvimento de módulo de predição de comportamento para manutenção inteligente de atuador elétrico

Abstract

Manutenção inteligente tem se mostrado crucial nos atuais sistemas de produção. Graças a recentes avanços na área de manutenção inteligente, é possível diagnosticar o estado de peças que compõem um sistema baseando-se na coleta de informações de sensores. O Watchdog Agent™ é uma ferramenta para análise de degradação e predição de falhas, desenvolvida pelo IMS Center. O objetivo deste trabalho é fazer uso dessa ferramenta de diagnóstico para prever possíveis falhas e até a data de quebra de peças de um equipamento, utilizando como estudo de caso a bancada montada na UFRGS a partir da válvula elétrica CSR06, produzido pela empresa Coester. Para isso, foi desenvolvido um programa com a ferramenta Matlab™ que é capaz de diagnosticar a atual saúde do equipamento e, a partir do treinamento de um algoritmo de predição, apresentar o comportamento futuro deste. O que se espera deste trabalho é ter um algoritmo capaz de determinar uma provável data de quebra de uma peça ou equipamento baseando-se no seu comportamento prévio ou em alguma simulação deste comportamento, informação esta que é entregue para sistemas de otimização de cadeias de suprimento (peças de reposição), buscando permitir uma redução de custos do processo de manutenção.

Intelligent maintenance has shown itself as being crucial on today’s production systems. Thanks to recent development in the intelligent maintenance field, it is possible to diagnose the health of a machine’s part of a system based on the sensor’s response. The Watchdog Agent™ is a toolbox approach for degradation assessment and failure prediction, developed by IMS Center. The aim of this work is to use this diagnose tool to forecast possible failures and even the breakdown of the parts, using as study case the test bench mounted at UFRGS from the electric valve CSR06, produced by Coester. For that, it was developed in Matlab™ a script that is capable of diagnose the actual health of the equipment and, from the training of a prediction algorithm, present the future behavior of the equipment. What it is expected from this project is having an algorithm capable of present a probable breakdown date of a determined equipment based on its past behavior or on some simulation of this behavior, this information can be delivered to supply chain optimization systems, aiming reduce costs in the maintenance process.