Rede neural inovadora prevê o fim da vida útil de um rolamento
Por Gustavo Minari • Editado por Douglas Ciriaco |

Pesquisadores da Universidade de Osaka, no Japão, criaram um método de aprendizagem de máquina para prever a vida útil restante de rolamentos. Essas peças são fundamentais e estão presentes na maioria dos equipamentos automatizados que utilizam elementos rotativos para funcionar.
- Inseto-robô pode ser a solução para manutenção de máquinas em ambientes hostis
- Tecnologias de ponta como motor para o futuro das indústrias
A nova técnica combina redes neurais convolucionais, capazes de processar e analisar imagens digitais, com um sistema de modelagem hierárquica bayesiana, usado na avaliação de hipóteses por meio da probabilidade estatística.
"Predizer a curva de vida útil restante dos rolamentos sob a progressão do defeito é geralmente difícil devido à flutuação irregular das características de vibração. Por isso, a modelagem hierárquica bayesiana foi usada para inferir os parâmetros, incluindo o tempo de vida restante”, explica o autor do estudo, professor Masashi Kitai.
Como funciona
Os rolamentos geralmente são formados por dois anéis separados entre si por esferas ou rolos metálicos. Essa característica, permite que os anéis girem com quase nenhum atrito, garantindo movimentos sincronizados e precisos em máquinas de pequeno, médio e grande porte.
Devido às condições de uso contínuo ou situações extremas de calor e pressão, os rolamentos podem sofrer desgastes e falhar com o passar do tempo. Como os anéis ficam localizados em partes de difícil acesso, o reparo se torna muito complicado e exige um tempo maior para ser concluído.
Com a nova tecnologia, os pesquisadores conseguem prever a vida útil restante dos rolamentos com base no espectro de vibração das peças. Quanto mais os defeitos pioram dentro de um rolamento, maior é a oscilação da amplitude de vibração.
Um espectrograma mostra a intensidade das diferentes frequências de vibração ao longo do tempo de utilização do rolamento. Os gráficos bidimensionais gerados durante esse processo são usados para treinar a rede neural convolucional com diversos parâmetros de comparação.
Mais eficiente
Segundo os pesquisadores, o uso das redes neurais pode ajudar na criação de programas de manutenção mais eficientes e seguros. Nos testes feitos pela equipe da Universidade de Osaka, o novo método conseguiu reduzir os erros de previsão sobre a vida útil restante dos rolamentos em 32%.
A capacidade de prever quando e como uma peça vai falhar também pode reduzir os gastos com manutenções desnecessárias e substituições prematuras de partes do maquinário que ainda não apresentam sinais de fadiga.
"Uma manutenção mais eficiente de maquinário industrial, com base nessa nova tecnologia, pode levar a uma redução considerável do impacto ambiental e também diminuir as perdas econômicas a longo prazo", completa o coautor do estudo, professor Ken-ichi Fukui.
Fonte: Ieeexplore