0030557

Universidade Federal de !
tajuba
Programa de Ps-graduao em Engenharia Eltrica

Diagnstico Preditivo de Avarias em Motores
de Induo Trifsicos com MCSA e Teoria de
Conjuntos Aproximados

Erik Leandro Bonaldi

Itajub, Maro de 2005

Erik Leandro Bonaldi

Diagnstico Preditivo de Avarias em Motores
de Induo Trifsicos com MCSA e Teoria de
Conjuntos Aproximados

Itajub, Maro de 2005
Tese apresentada Universidade Federal
de Itajub para obteno do grau de
Doutor em Cincias em Engenharia
Eltrica.
rea de Concentrao:
Sistemas de Potncia

Orientador:
Luiz Eduardo Borges da Silva

Co-orientador:
Luiz Francisco Pontin

Ao meu filho Paulo Augusto Bonaldi Neto

i

Agradecimentos

Aos professores Luiz Eduardo, Germano e Pontim pela orientao, incentivo e
amizade que resultaram neste trabalho.

Aos meus pais que sempre me incentivaram e apoiaram minhas decises,
torcendo pelo meu sucesso.

Aos amigos da PS Solues por transformar em realidade um sonho.

A CAPES pelo apoio financeiro.

As empresas SIEMENS, ALCAN, NOVELIS, CST, MAHLE e CSN por
permitirem a utilizao dos casos reais na tese.

E finalmente, a Deus que sempre me ilumina no momento certo.

ii
Sumrio

Agradecimentos...................................................................................................................... i
Sumrio .......................................................................................................................... ii
Resumo .......................................................................................................................... v
Abstract ..........................................................................................................................vi
Lista de Figuras ....................................................................................................................vii
Lista de Tabelas ...................................................................................................................xii
Lista de Nomenclatura e Smbolos ...................................................................................... xiii
CAPTULO 1.......................................................................................................................... 1
INTRODUO................................................................................................................... 1
1.1 _ Consideraes Iniciais .......................................................................................... 1
1.2 _ Estabelecimento dos Problemas ........................................................................... 2
1.3 _ Contribuies ........................................................................................................ 5
1.4 _ Organizao da Tese............................................................................................ 5
CAPTULO 2.......................................................................................................................... 6
A Tcnica de Anlise da Assinatura da Corrente do Motor ................................................ 6
2.1 _ Introduo............................................................................................................. 6
2.1.1 _ Classificao das Atividades de Manuteno................................................. 7
2.1.2 _ Tcnicas de Anlise Preditiva......................................................................... 8
2.1.2.1 A Monitorao da Vibrao...................................................................... 8
2.1.2.2 MCSA Versus Vibrao ......................................................................... 12
2.2 _ O Histrico da Tcnica de MCSA........................................................................ 13
2.3 _ A Tcnica de MCSA............................................................................................ 16
2.4 Padres de Falha................................................................................................ 21
2.5 Consideraes Finais.......................................................................................... 47
CAPTULO 3........................................................................................................................ 48
A Teoria de Conjuntos Aproximados................................................................................ 48
3.1 _ Introduo........................................................................................................... 48
3.2 _ O Conhecimento ................................................................................................. 48
3.2.1 _ Base de Conhecimento ................................................................................ 48
3.2.2 _ Definio de Equivalncias, Generalizao e Especializao de
Conhecimento.......................................................................................................... 49
3.3 _ Categorias Imprecisas, Aproximaes e Conjuntos Aproximados....................... 50
3.3.1 _ Rough Sets................................................................................................... 50
3.3.2 _ Aproximaes de Conjunto........................................................................... 50

iii
3.3.3 _ Propriedades da Aproximao...................................................................... 52
3.3.4 _ Aproximaes e Relaes de Pertinncia .................................................... 53
3.3.5 _ Caracterizao Numrica da Impreciso...................................................... 53
3.3.6 _ Caracterizao Topolgica de Impreciso.................................................... 54
3.3.7 _ Aproximao de classificaes..................................................................... 55
3.3.8 _ Igualdade Aproximada de Conjuntos............................................................ 56
3.3.9 _ Incluso Aproximada de Conjuntos .............................................................. 56
3.4 _ Reduo de Conhecimento................................................................................. 57
3.4.1 _ Reduct e Core do Conhecimento.................................................................. 57
3.4.2 _ Reduct Relativo e Core Relativo do Conhecimento ...................................... 58
3.4.3 _ Reduo de Categorias................................................................................ 59
3.4.4 _ Reduto Relativo e CORE Relativo de Categorias ......................................... 59
3.5 _ Dependncias na Base de Conhecimento........................................................... 59
3.5.1 _ Dependncia de Conhecimento.................................................................... 60
3.5.2 _ Dependncia Parcial de Conhecimento........................................................ 60
3.6 _ Representao do Conhecimento ....................................................................... 60
3.6.1 _ Definio Formal de SRC............................................................................. 61
3.6.2 _ Significncia dos Atributos............................................................................ 63
3.7 _ Tabelas de Deciso............................................................................................. 64
3.7.1 _ Definio formal ........................................................................................... 64
3.7.2 _ Simplificao da Tabela de Deciso............................................................. 64
3.8 _ Raciocnio sobre o Conhecimento....................................................................... 65
3.8.1 _ A Linguagem da Lgica de Deciso ............................................................. 65
3.8.2 _ Semntica da Linguagem da Lgica de Deciso.......................................... 66
3.8.3 _ Deduo em Lgica de Deciso................................................................... 68
3.8.4 _ Forma Normal .............................................................................................. 69
3.8.5 _ Regras e Algoritmos de Deciso .................................................................. 70
3.8.6 _ Verdade e Indiscernibilidade ........................................................................ 71
3.8.7 _ Dependncia de Atributos ............................................................................ 71
3.8.8 _ Reduo de Algoritmos Consistentes........................................................... 72
3.8.9 _ Reduo de Algoritmos Inconsistentes......................................................... 73
3.8.10 _ Reduo de Regras de Deciso................................................................. 74
3.8.11 _ Minimizao de Algoritmos de Deciso ...................................................... 76
3.9 _ Aplicaes........................................................................................................... 82
3.9.1 _ Tomada de deciso...................................................................................... 82
3.9.2 _ Anlise de dados.......................................................................................... 83

iv
3.9.3 _ Outras Aplicaes ........................................................................................ 90
3.9.4 _ Concluses Preliminares.............................................................................. 91
3.10 _ Desenvolvimentos Recentes de Aplicao de Tcnicas de Inteligncia Artificial
ao Diagnstico de Falhas em MIT............................................................................ 91
CAPTULO 4........................................................................................................................ 95
Resultados....................................................................................................................... 95
4.1 _ Introduo........................................................................................................... 95
4.2 _ Casos Reais da Aplicao dos Padres de Falhas ............................................. 95
A) Falhas no prprio motor....................................................................................... 95
1) Desalinhamento Rotrico ................................................................................. 96
2) Desequilbrio Mecnico.................................................................................... 99
3) Barras Quebradas.......................................................................................... 103
4) Falhas eltricas.............................................................................................. 105
B) Falhas no sistema de transmisso..................................................................... 110
1) Polias ............................................................................................................. 110
2) Correias ......................................................................................................... 111
C) Falhas na carga acoplada ................................................................................. 114
1) Bombas.......................................................................................................... 114
2) Compressores................................................................................................ 123
3) Ventiladores ................................................................................................... 132
4.3 _ Resultados da Aplicao de TCA Manunteo preditiva de MITs.................. 136
Problema 1:............................................................................................................ 137
Problema 2:............................................................................................................ 148
CAPTULO 5...................................................................................................................... 161
Concluses.................................................................................................................... 161
5.1 _ Trabalhos Futuros ............................................................................................. 162
Referncias Bibliogrficas ................................................................................................. 163

v
Resumo

Atualmente, as necessidades de reduo dos custos de produo e aumento da
produtividade fazem com que a confiabilidade do processo produtivo se torne cada vez mais
importante. Desta forma, a importncia do setor de manuteno cada vez maior,
favorecendo o aparecimento de novas tcnicas de manuteno, principalmente tcnicas
preditivas que se utilizam de sistemas de monitorao contnua do equipamento.
As indstrias continuam a procura de mtodos de identificao e predio de falhas
em equipamentos. Uma prova disso que os fabricantes de equipamentos buscam a cada
dia colocar novas tecnologias no mercado. Um dos novos mtodos que vem ganhando
espao na indstria a anlise do sinal de corrente de uma das fases do motor, conhecida
como Motor Current Signature Analysis (MCSA).
Um dos problemas dessa tcnica era que, at o presente momento, quando se
falava em MCSA logo se associava ao diagnstico de barras quebradas e excentricidade do
air gap. A localizao de problemas puramente mecnicos atravs do espectro de corrente
ficava sempre em segundo plano, principalmente o diagnstico de problemas na carga
acoplada. Tal fato limitava a aplicao de MCSA no meio industrial. Por esta razo, este
trabalho prope, como uma de suas contribuies, o estabelecimento de padres inditos
de falhas na carga acoplada.
Outro avano que vem sendo perseguido o diagnstico automtico de falhas.
Neste caso, este trabalho prope a aplicao indita da Teoria de Conjunto Aproximados ao
diagnstico de avarias em motores de induo trifsicos (MIT). No decorrer desta tese o
leitor poder identificar as razes que justificam essa aplicao e os ganhos que podem ser
obtidos com a aplicao de TCA manuteno preditiva.
Com as duas contribuies apresentadas neste trabalho, espera-se que a
monitorao de motores de induo via sinais eltricos passe a ser cada vez mais utilizada
na indstria, complementando o trabalho executado por outras tcnicas de predio e
aumentando a confiabilidade do processo produtivo.
Alm do aumento da confiabilidade do processo, outros impactos so esperados
como a reduo do custo com homem-hora na coleta de dados, aumento da segurana dos
funcionrios coletores, suporte ao diagnstico de falhas e aumento da disponibilidade de
mquina e o conseqente aumento da produtividade.
Desta forma, se estes impactos forem sentidos na indstria este trabalho ter
atingido seu objetivo.

vi
Abstract

Nowadays, the reliability of the productive process is more and more important since
it is necessary to reduce production costs and increase the productivity. Thus, the
maintenance department becomes gradually important, favoring the development of new
maintenance techniques, especially the predictive ones that are based on machine
continuous monitoring.
The industries continue looking for methods for identifying and predicting equipment
failure, which is supported by the fact that the manufacturers of predictive maintenance
equipment are developing new technologies for this specific market. One of these new
methods is the Motor Current Signature Analysis (MCSA) which is conquering space and
respect in the industrial environment.
However there has been a drawback to this technique until the present moment.
When most people in industry heard the term MCSA, they associated it with broken bars and
air gap eccentricity. The detection of mechanical problems through the current spectrum has
remained an afterthought, as well as the diagnosis of problems in the attached load, which
has limited the application of MCSA to the industrial environment. Considering this fact, this
thesis proposes, as a contribution, the establishment of new failure patterns in the attached
load.
Another target is the automatic diagnosis of problems. In this case, this work
proposes applying Rough Sets Theory to the failure diagnosis in three-phase induction
motors. In this thesis, the reader will be able to identify the reasons that justify the use o
Rough Sets, as well as the benefits one can obtain when applying this theory to predictive
maintenance.
With the two contributions presented in this work, it is expected that the condition
monitoring of induction machines through electrical signals be more and more used in
industries, thus complementing the job accomplished by other predictive techniques and
increasing the reliability of the productivity process.
Other impacts are expected, such as a significant saving in cost by reducing the man-
hour spent on collecting data, an improvement in the safety of employees who run the
collections, a support to the analysts diagnosis and an increase in the machine availability
and, consequently, an increase in productivity.

vii
Lista de Figuras

Figura 1.1: Configurao proposta para o diagnstico automtico de falhas ......................... 4
Figura 2.1: MCSA x Anlise de Vibrao [2.3] ..................................................................... 13
Figura 2.2: Sistema bsico para anlise espectral da corrente ............................................ 17
Figura 2.3: Integrao de um sistema de diagnstico automtico........................................ 18
Figura 2.4: a) Espectro na escala linear b)Espectro na escala logartmica....................... 19
Figura 2.5: Falhas Monitoradas ........................................................................................... 22
Figura 2.6: Padro de falha para Barras Quebradas............................................................ 26
Figura 2.7: Resultado da Variao de Carga ....................................................................... 26
Figura 2.8: Excentricidade do air gap................................................................................... 26
Figura 2.9: Classificao dos tipos de excentricidade do air gap ......................................... 27
Figura 2.10: Padro de excentricidade esttica ................................................................... 28
Figura 2.11: Padro de excentricidade dinmica ................................................................. 29
Figura 2.12: Carta de severidade para excentricidade dinmica.......................................... 29
Figura 2.13: Padro de excentricidade em baixa freqncia................................................ 30
Figura 2.14: Estator ligado em estrela destacando os possveis modos de ocorrncias de
avaria nos enrolamentos [2.4].......................................................................... 31
Figura 2.15: Padro de curto-circuito entre espiras.............................................................. 32
Figura 2.16: Padro de falhas no estator ............................................................................. 32
Figura 2.17: Sinais no tempo e crculo de Park.................................................................... 34
Figura 2.18: Desequilbrio entre as fase............................................................................... 35
Figura 2.19: Crculo de Park distorcido e presena da componente em duas vezes a
freqncia de alimentao............................................................................... 36
Figura 2.20: Diagrama em blocos da tcnica de EPVA........................................................ 36
Figura 2.21: Desalinhamento do rolamento ......................................................................... 37
Figura 2.22: Dimenses envolvidas no clculo das freqncias de falha............................. 38
Figura 2.23: Partes componentes de um rolamento............................................................. 38
Figura 2.24: Falhas nas pistas externa e interna.................................................................. 39
Figura 2.25: Padro de falha em rolamentos ....................................................................... 39
Figura 2.26: Padro de falha da polia movida...................................................................... 40
Figura 2.27: Padro de falha em correias ............................................................................ 41
Figura 2.28: Padro de falhas em engrenagens .................................................................. 42
Figura 2.29: Seo por um plano normal ao eixo de uma bomba centrfuga........................ 43
Figura 2.30: Esquemtico da bomba de engrenagens......................................................... 43
Figura 2.31: Padro de falhas em bombas de palhetas ....................................................... 44

viii
Figura 2.32: Assinatura caracterstica de cavitao em bombas.......................................... 45
Figura 2.33: Partes internas do compressor ........................................................................ 45
Figura 2.34: Padro de falha de Compressores a Parafuso................................................. 46
Figura 2.35: Ventilador centrfugo e de fluxo axial [2.36]...................................................... 46
Figura 2.36: Padro de falha em ventiladores...................................................................... 47
Figura 3.1: a) Aproximao Inferior de X b) Aproximao Superior de X ......................... 51
Figura 3.2: a) Regio Positiva de X b) Regio Negativa de X c) Regio de Fronteira ...... 52
Figura 3.3: Conjuntos Aproximados..................................................................................... 52
Figura 3.4: As trs regies de X........................................................................................... 54
Figura 4.1: Caractersticas do Motor e da Carga acoplada .................................................. 96
Figura 4.2: Sobreposio de espectros destacando-se a freqncia de rotao.................. 96
Figura 4.3: Tendncia da freqncia de Rotao................................................................. 97
Figura 4.4: Aparecimento de componentes em torno da fundamental ................................. 97
Figura 4.5: Tendncia aps reparo ...................................................................................... 98
Figura 4.6: Sobreposio dos espectros.............................................................................. 98
Figura 4.7: Componetes relativas quebra de barras........................................................ 100
Figura 4.8: Componetes relativas frequncia de rotao ................................................ 100
Figura 4.9: Componetes relativas excentricidade esttica............................................... 101
Figura 4.10: Modulao das componentes de excentricidade esttica pela frequncia da
correia ........................................................................................................... 101
Figura 4.11: Componentes da correia modulando a fundamental ...................................... 102
Figura 4.12: a) Simulador de Falhas em MIT b) Motor com 2 barras quebradas............. 103
Figura 4.13: Componentes relativas barra quebrada ...................................................... 104
Figura 4.14: Componentes relativas : a) frequncia de rotao e b) excentricidade esttica
...................................................................................................................... 104
Figura 4.16: Dados do motor ensaiado e destaque para o curto-circuito inserido .............. 106
Figura 4.17: Espectro do mdulo do vetor Park com zoom nas componentes de desequlibrio
eltrico........................................................................................................... 106
Figura 4.18: Curva de tendncia da corrente para a componente de desequilbrio............ 107
Figura 4.19: Curva de tendncia da tenso para a componente de desequilbrio .............. 107
Figura 4.20: Isolamento em megohms-1............................................................................ 108
Figura 4.21: Porcentagem de desequilbrio fornecida pelo EPVA...................................... 108
Figura 4.22: Porcentagem de desequilbrio eltrico do motor 12.5MA16 em nov/05 (verde) e
fev/06 (vermelho)........................................................................................... 109
Figura 4.23: Curva de tendncia do desequilbrio de corrente do motor 12.5MA55-16 ...... 109

ix
Figura 4.24: Componentes relativas frequncia de rotao ............................................ 110
Figura 4.25: Componentes relativas frequncia da correia ............................................. 111
Figura 4.26: Caractersticas construtivas do motor e da carga........................................... 112
Figura 4.28: Componentes relativas frequncia da correia ............................................. 113
Figura 4.29: Sobreposio do espectros com destaque para as frequncias da correia.... 113
Figura 4.30: Componentes relativas frequncia da polia movida .................................... 114
Figura 4.33: Componentes relativas frequncia de excentricidade esttica .................... 116
Figura 4.34: Componentes relativas frequncia de excentricidade dinmica .................. 116
Figura 4.36: Componentes relativas frequncia de passagem de ps ............................ 117
Figura 4.39: Componentes relativas excentricidade dinmica......................................... 119
Figura 4.42: Componentes relativas excentricidade esttica........................................... 120
Figura 4.45: Fotos da montagem do ensaio....................................................................... 122
Figura 4.46: Sobreposio dos espectros com destaque para as componentes da correia122
Figura 4.47: Sobreposio dos espectros com destaque para as componentes de passagem
de ps ........................................................................................................... 123
Figura 4.48:Esquemtico motor e unidade compressora ................................................... 124
Figura 4.49: Componentes relativas frequncia de rotao do motor ............................. 124
Figura 4.50: Componentes relativas frequncia de rotao do parafuso macho ............. 124
Figura 4.51: Componentes relativas frequncia de rotao do parafuso fema.............. 125
Figura 4.52: Componentes relativas frequncia de pulsao de ar ................................. 125
Figura 4.55: Componentes relativas frequncia de rotao do parafuso fema.............. 126
Figura 4.56: Componentes relativas frequncia de pulsao de ar ................................. 126

x
Figura 4.65: Comparao entre as Componentes relativas frequncia de rotao
compressores................................................................................................ 129
Figura 4.66: Comparao entre as componentes relativas rotao do parafuso macho . 130
Figura 4.67: Comparao entre as Componentes relativas rotao do parafuso fmea . 130
Figura 4.68: Comparao entre as componentes relativas frequncia de pulsao........ 130
Figura 4.69: Caractersticas do motor e da carga acoplada ............................................... 132
Figura 4.70: Comparao entre as componentes de rotao do parafuso fmea .............. 132
Figura 4.71: Tendncia da rotao do ventilador ............................................................... 133
Figura 4.72: Modulao do sinal no tempo ........................................................................ 133
Figura 4.73: Tendncia da frequncia de rotao do motor ............................................... 133
Figura 4.74: Sobreposio de espectros com destaque para as componentes da rotao do
ventilador....................................................................................................... 134
Figura 4.75: Tendncia da frequncia de rotao do ventilador......................................... 135
Figura 4.76: Sobreposio de espectros com destaque para as componentes da rotao do
ventilador aps reparo................................................................................... 135
Figura 4.77: Tendncia da frequncia de rotao do motor ............................................... 136
Figura 4.78: Esquemtico da Montagem Utilizada............................................................. 138
Figura 4.79: Espectro de vibrao, acstica e corrente na presena de desequilibrio de
tenso ........................................................................................................... 140
Figura 4.80: Espectro de vibrao, acstica e corrente na presena de barras quebradas 141
Figura 4.81: Princpio de funcionamento do classificador com os conjuntos reduzidos
ponderados ................................................................................................... 142
Figura 4.82: Estado operacional de um motor de induo e a mudana de seu estado
operacional .................................................................................................... 148
Figura 4.83: Princpio do interrelacionamento entre o software de aquisio e
processamento e o classficador .................................................................... 149
Figura 4.84: Clusterizao na curva de tendncia para estabelecimento dos nveis de alarme
para a freqncia de rotao do motor do ventilador1 DC_C ........................ 152
Figura 4.85: Clusterizao na curva de tendncia para estabelecimento dos nveis de alarme
para a freqncia de rotao do ventilador.................................................... 153

xi
Figura 4.86: Curva de tendncia com os nveis de alarme estabelecidos .......................... 153
Figura 4.87: Componente observada pelo analista para o diagnstico de desalinhamento157
Figura 4.88: Curva de tendncia da componente da correia.............................................. 158
Figura 4.89: Curva de tendncia do segundo par de bandas da freqncia de rotao..... 158
Figura 4.90: Espectro de freqncia com destaque para a segunda banda lateral direita da
rotao .......................................................................................................... 158
Figura 4.91: Curva de carga (I
rms
) ...................................................................................... 158
Figura 4.92: Curvas de tendncia de barra quebrada e segundo par de bandas da rotao
...................................................................................................................... 159
Figura 4.93: Assinatura da corrente com destaque para a segunda banda lateral da
esquerda ....................................................................................................... 159

xii
Lista de Tabelas

Tabela 2.6: Carta de severidade para barras quebradas [2.33] ........................................... 24
Tabela 3.1 ........................................................................................................................ 61
Tabela 3.2 ........................................................................................................................ 68
Tabela 3.3 ........................................................................................................................ 70
Tabela 3.4 ........................................................................................................................ 73
Tabela 3.5 ........................................................................................................................ 73
Tabela 3.6 ........................................................................................................................ 74
Tabela 3.7 ........................................................................................................................ 75
Tabela 3.8 ........................................................................................................................ 75
Tabela 3.9 ........................................................................................................................ 75
Tabela 3.10 ........................................................................................................................ 77
Tabela 3.11 ........................................................................................................................ 77
Tabela 3.12 ........................................................................................................................ 80
Tabela 3.13 ........................................................................................................................ 81
Tabela 3.14 ........................................................................................................................ 83
Tabela 3.15 ........................................................................................................................ 85
Tabela 3.16 ........................................................................................................................ 86
Tabela 3.17 ........................................................................................................................ 86
Tabela 3.18 ........................................................................................................................ 89
Tabela 3.19 ........................................................................................................................ 89
Tabela 4.1: Conjunto de Exemplos .................................................................................... 143
Tabela 4.2: Conjunto Reduzido.......................................................................................... 144
Tabela 4.3: Conjunto Reduzido Ponderado ....................................................................... 147
Tabela 4.4: Estrutura do SRC............................................................................................ 149
Tabela 4.5: Atributos definidos para o SRC....................................................................... 150
Tabela 4.5: Nveis de alarme para o classificador.............................................................. 154
Tabela 4.6: Nveis de alarme para o classificador (potncia, I
rms
e NG) ............................. 154
Tabela 4.7: Valores absolutos do motor do ventilador1 DC_C........................................... 154
Tabela 4.8: Valores classificados em faixa do ventilador1 DC_C....................................... 154
Tabela 4.9: Tabela de deciso........................................................................................... 154
Tabela 4.10: Reduto .......................................................................................................... 155

xiii
Lista de Nomenclatura e Smbolos

X R
............................... Aproximao superior de X
X R
............................... Aproximao inferior de X
) ( X POS
R

............................... Regio positiva de X
) ( X NEG
R

............................... Regio negativa de X
) (x BN
R

............................... Regio de fronteira de X
R

............................... Denota que x certamente pertence a X com relao a R
R
............................... Denota que x possivelmente pertence a X com relao a
R
( ) F
R

............................... representa a acuidade da aproximao de F por R
( ) F
R

............................... representa a qualidade da aproximao de F por R
R ~
............................... R-iguais inferiormente
R
~
............................... R-iguais superiormente
R

............................... R-iguais
R ~

............................... R-incluso inferiormente
R
~

............................... R-incluso superiormente
R
~
~

............................... R-incluso
............................... Freqncia angular em rad/s
............................... ngulo de fase inicial em rad
............................... ngulo de contato do rolamento;

............................... Disjuno (OU)

............................... Conjuno (E)

............................... Implicao (SE ... ENTO)

............................... Equivalncia (SE E SOMENTE SE)
f ............................... Resoluo espectral
[x]
R
............................... Denota a categoria de R contendo o elemento x de U
~ ............................... Negao (NO)
AG ............................... Algoritmo Gentico
BD ............................... Dimetro do elemento girante;
BQ (ou BB) Barra Quebrada

xiv
card X R
...............................
a cardinalidade de X R
CF ............................... Center Frequency
CRP ............................... Conjuntos Reduzidos Ponderados
dB ............................... Decibis
D
motora
............................... Diamtro da polia motora
D
movida
............................... Diamtro da polia movida
e
d
............................... Excentricidade dinmica
EPVA ............................... Extended Parks Vector Approach
e
s
............................... Excentricidade esttica
f
1
............................... Freqncia de alimentao
f
bp
............................... Freqncia de passagem de ps do ventilador
f
bpfi
............................... Freqncia da pista interna
f
bpfo
............................... Freqncia da pista externa
f
bq
............................... Freqncia de barra quebrada
f
bsf
............................... Freqncia do elemento girante
f
c
............................... Freqncia da correia
f
din
............................... Freqncia de excentricidade dinmica
f
eng
ou f
g
............................... Freqncia do engrenamento
f
est
............................... Freqncia de excentricidade esttica
f
exc
............................... Componente de excentricidade em baixa freqncia
FFT ............................... Fast Fourier Transform
f
ftp
............................... Freqncia da gaiola
f
p
............................... Freqncia de pulsao do compressor
f
polia
............................... Freqncia da polia movida
f
r
............................... Freqncia de rotao
f
r_bomba
............................... Freqncia de rotao da bomba
f
r_fan
( ou f
rv
) ............................... Freqncia de rotao do ventilador
f
r1
............................... Freqncia de rotao no primeiro estgio da carga
f
r2
............................... Freqncia de rotao no segundo estgio da carga
f
rol
............................... Representa uma das freqncias tpicas do rolamento
f
s
............................... Freqncia de amostragem utilizada
f
slot/exc
............................... Freqncia de slot/excentricidade esttica
f
st
............................... Freqncias de curto-circuito entre espiras no padro
MCSA para motores de baixa tenso
f
vpf
............................... Freqncia de passagem de ps da bomba
I
a
............................... Corrente na fase A
I
b
............................... Corrente na fase B
I
bq
...............................
Amplitude da componente em ( ) fs f 2
I
c
............................... Corrente na fase C

xv
i
d
............................... Corrente direta
I
f
............................... Amplitude da componente fundamental
i
M
............................... Valor de pico da corrente de alimentao;
IND(P) ............................... Relao de indiscernibilidade sobre P
i
q
............................... Corrente de quadratura
I
rms
............................... Corrente RMS
L
c
............................... Comprimento da correia
L
F
............................... Nmero de lbulos do parafuso fmea
LF ............................... Lgica Fuzzy
L
M
............................... Nmero de lbulos do parafuso macho
MCSA ............................... Motor Current Signature Analysis
MIT ............................... Motor de Induo Trifsico
NG ............................... Nvel Global
Nr ............................... Velocidade rotrica
N
s
............................... Velocidade do campo girante
N
slip
............................... Velocidade de escorregamento
p ............................... Nmero de pares de plos
PQ
............................... Denota que o conhecimento Q depende do
conhecimento P
PD ............................... Dimetro primitivo do rolamento;
R ............................... Nmero de barras do rotor
R ............................... Relao de Equivalncia
R
b
............................... Nmero de barras quebradas
RN ............................... Redes Neurais
RS ............................... Rough Sets
s ............................... Escorregamento do motor
SE ............................... Sistemas Especialistas
SRC ............................... Sistema de Representao do conhecimento
S
slot
............................... Nmero de ranhuras do estator
t ............................... Varivel tempo
TCA ............................... Teoria de Conjuntos Aproximados
U ............................... Conjunto universo
U/R ............................... Representa todas as classes de equivalncia de R
X ............................... Conceito ou categoria em U

1
CAPTULO 1

INTRODUO

1.1 _ Consideraes Iniciais

Todas as empresas se preocupam com a excelncia de seus produtos e de seu
processo produtivo, visando reduzir custos e aumentar sua produtividade. Em
conseqncia, a rea de manuteno dessas empresas procura tambm a excelncia. No
h empresa excelente sem que seus diversos segmentos tambm no o sejam [1.1]. Essa
conscincia vem se disseminando e se tornando realidade na maioria dos pases
industrializados do mundo.
Essa cultura da excelncia na rea de manuteno aliada s necessidades de
reduo dos custos de produo e aumento da produtividade fazem com que a
confiabilidade do processo produtivo se torne cada vez mais importante, abrindo espao
para o aparecimento de novas tcnicas de manuteno [1.2], principalmente tcnicas
preditivas que se utilizam de sistemas de monitorao contnua do equipamento.
A manuteno preditiva se baseia na anlise dos dados fornecidos pelo sistema de
monitorao contnua do estado do equipamento para se definir se uma interveno
necessria ou no [1.3]. Dentro desse contexto, a tcnica mais antiga e difundida a tcnica
de anlise de vibraes. Contudo, uma tcnica relativamente nova e at ento pouco
utilizada, vem conquistando grande aceitao no setor industrial. Trata-se da tcnica de
anlise da assinatura da corrente do motor (MCSA Motor Current Signature Analysis).
De maneira geral, MCSA simplesmente o processo pelo qual a corrente de uma
fase do motor amostrada e analisada no domnio da frequncia [1.4]. Ou seja, o sinal de
corrente do motor analisado para produzir o espectro de corrente (normalmente
referenciado como Assinatura da Corrente). O objetivo obter a assinatura da corrente
para identificar a magnitude e freqncia de cada componente individual que constitui o
sinal de corrente do motor. Isso permite que padres na assinatura da corrente sejam
identificados para diferenciar motores saudveis de motores em falta e ainda detectar em
que parte da mquina a falha deve ocorrer
Muitas so as vantagens de um sistema de manuteno preditiva. Dentre elas se
destacam:
Anlise de falhas atravs de tcnicas no invasivas;
Aumento da vida til da mquina;
Captulo 1 Introduo

2
Reduo de manuteno corretiva;
Reduo de paradas no-programadas de produo;
Aumento de disponibilidade de mquina e o conseqente aumento da
produtividade;
Reduo do consumo de energia

Contudo, algumas questes importantes ainda se encontravam pendentes. So elas:

Como se realizar a monitorao de mquinas de difcil acesso;
Segurana do tcnico coletor;
Diagnstico automtico de falhas.

A tcnica de MCSA e a Teoria de Conjuntos Aproximados (TCA) so as ferramentas
propostas por este trabalho para se solucionar os problemas apresentados. A tcnica de
MCSA, por permitir que se faa a monitorao de motores a partir do painel eltrico resolve
os dois primeiros problemas. J a TCA se apresenta como uma tcnica bastante apropriada
para o diagnstico automtico de falhas como ser comprovado no decorrer deste trabalho.
Por fim, almeja-se no final deste trabalho apresentar um sistema de manuteno
preditiva para MIT que seja capaz de:

1. Detectar a maior gama de falhas possveis se utilizando apenas de sinais
eltricos;
2. Ser flexvel para que novas entradas de dados sejam incorporadas ao
sistema, permitindo que novas anomalias no funcionamento sejam
detectadas.

1.2 _ Estabelecimento dos Problemas

O objetivo dessa tese propor solues para dois problemas de suma importncia
na manuteno preditiva de motores. Seja cada um deles:

i) O crescente interesse na utilizao da tcnica de MCSA na manuteno preditiva
de motores de induo trifsicos imputa a essa tcnica uma responsabilidade
enorme pois, esta sempre ser comparada anlise de vibraes. As vantagens
de MCSA so bem claras e contundentes como a monitorao de mquinas de
difcil acesso e segurana do funcionrio coletor que no precisa mais ficar
prximo de partes rotativas. Contudo para que um sistema baseado em MCSA se
Captulo 1 Introduo

3
torne vivel, ele deve diagnosticar o maior nmero possvel de falhas,
englobando problema na carga acoplada e no sistema de transmisso.
At o presente momento, quando se falava em MCSA logo se associava
ao diagnstico de barras quebradas e excentricidade do air gap. A localizao de
problemas puramente mecnicos atravs do espectro de corrente ficava sempre
em segundo plano. Principalmente o diagnstico de problemas na carga
acoplada. Considerando-se o princpio de funcionamento de MCSA, os padres
de falhas existentes para barras quebradas, excentricidade do air gap e
rolamento, foram propostos os padres de falha para as partes constituintes do
sistema de transmisso e carga acoplada, ampliando enormemente a
aplicabilidade da tcnica na indstria.

ii) O segundo problema reside na robustez do diagnstico automtico de falhas.
O objetivo da aplicao da TCA manuteno preditiva de MITs se resume ao
problema da reduo de tabelas de deciso obtidas a partir de medies e
observaes de diversos atributos como: assinatura da corrente, vibrao
mecnica, tenso, estudos estatsticos do sinal, tempo de utilizao da mquina,
manutenes sofridas, tipo de carga, condio de operao, etc. Ou seja, deseja-
se chegar a um algoritmo de controle dos dados observacionais obtidos.
No caso do analista de preditiva, a funo de impedir paradas no-
programadas de produo atravs da monitorao da condio do conjunto
motor/carga. O estado de operao do motor basicamente determinado pelo
histrico de aquisies passadas e pela experincia do analista.
O analista monitora diversos parmetros atravs de seus valores. Cada
combinao dos valores dos parmetros, que sero chamados atributos, leva a
um estado especfico da condio do motor e uma ao apropriada deve ser
tomada com o propsito de se manter o sistema em funcionamento.
Mais precisamente, esse trabalho se prope a discutir a consistncia do
conhecimento do analista, sintetizar seu conhecimento e gerar o algoritmo de
controle.
Pela consistncia do conhecimento entende-se a dependncia entre
condies e decises, ou seja, se aes so unicamente determinadas pelas
condies. A sintetizao do conhecimento consiste na eliminao de todos os
atributos de condio dispensveis da tabela e a gerao da tabela de deciso
mnima que , de fato, o algoritmo de controle desejado.
Neste trabalho, a TCA pode ser empregada com os seguintes objetivos:
Captulo 1 Introduo

4
1) Decidir dentre vrias tcnicas qual a melhor ou mais vivel economicamente
na deteco de um determinado tipo de falha. Isso muito importante na
manuteno preditiva uma vez que implica na reduo de custos e no
aumento da confiabilidade do sistema.
2) Reproduzir o conhecimento de especialistas em preditiva, tornando
automtico o processo de diagnstico de falhas em MITs. Assim, o emprego
de sistemas on-line torna-se extremamente atraente, pois ter-se-
diagnsticos confiveis oriundo do conjunto de regras gerado pela TCA.
3) Dentro de uma nica tcnica, definir os parmetros que so realmente
importantes na classificao da falha. Neste caso,a aplicao se dar em
MCSA com a seguinte configurao:

Software de
Aquisio e
Processamento
Classificador
Regras de
Controle
Histrico
do Motor

Figura 1.1: Configurao proposta para o diagnstico automtico de falhas

Ou seja, o software de aquisio e processamento fica responsvel pela
formao e atualizao do histrico do motor. Em perodos pr-estabelecidos,
estes dados so enviados ao algoritmo de classificao fundamentado na TCA e
deve haver a interveno do especialista classificando as novas sadas. Ou seja,
o sistema no detecta a primeira vez que surge uma nova falha, ele aprende com
a mesma no permitindo que essa mesma falha ocorra novamente. A sada do
algoritmo de classificao um conjunto de regras de controle que retornam ao
software de processamento que tambm passa a diagnosticar a condio do
motor. Como ser visto no captulo 3, a atualizao do histrico necessria,
pois novos casos podem surgir e gerar novas regras de controle.
importante ressaltar que no raro o fato de motores similares
apresentarem assinaturas diferentes e necessitarem de regras especficas para o
diagnstico de sua condio. Assim, o algoritmo de classificao pode ser
Captulo 1 Introduo

5
aplicado ao histrico do motor, refletindo um conhecimento mais preciso acerca
daquela mquina.

1.3 _ Contribuies

i) Proposio de padres inditos de falhas na carga acoplada. Alm da adequao
e verificao na indstria dos padres j existentes, gerando um guia de anlise
com todos os padres de falhas cobrindo o motor, o sistema de transmisso e a
carga acoplada.

ii) Aplicao de TCA ao diagnstico automtico de falhas para a manuteno
preditiva de motores de induo trifsicos. Os ganhos desta aplicao sero
explanados com mais detalhes nos captulos seguintes, contudo pode-se citar de
imediato a reduo de custos atravs da escolha dos parmetros a serem
medidos e/ou considerados (sensores, transdutores, escolha da tcnica, etc);
reproduo do conhecimento do especialista e deteco de inconsistncias
geradas pelo analista.

1.4 _ Organizao da Tese

Esta tese est organizada em cinco captulos. O capitulo II aborda a Tcnica de
MCSA, apresentando a reviso bibliogrfica do tema, uma descrio detalhada da tcnica e
os padres de falha estudados, incluindo os padres propostos para deteco de falhas na
carga acoplada.
No captulo III, apresentado o estudo da Teoria de Conjuntos Aproximados e suas
aplicaes. So abordados os critrios para eliminao de atributos dispensveis, o clculo
do conjunto reduzido e a gerao de algoritmos de deciso.
O captulo IV descreve os resultados obtidos divididos em duas partes: a primeira
apresenta a comprovao dos padres apresentados atravs de ensaios de laboratrio e
casos reais em indstrias para cada uma das falhas discutidas no captulo 2. J a segunda
parte trata dos resultados da aplicao da TCA, apresentada no captulo 3, no problema
estabelecido no captulo I.
O captulo V apresenta as concluses e a discusso de trabalhos futuros que
podero orientar novas pesquisas e dar continuidade aos resultados obtidos nessa tese.

6
CAPTULO 2

A Tcnica de Anlise da Assinatura da Corrente do Motor

Conhecida como Motor Current Signature Analysis (MCSA), esta tcnica possibilita a
deteco de falhas de origem mecnica e eltrica em motores de induo trifsicos.
Trata-se de uma tcnica eficiente de anlise que traz uma srie de benefcios ao
departamento de manuteno preditiva das plantas industriais. Neste captulo, apresenta-
se a reviso bibliogrfica do tema, uma descrio detalhada da tcnica e os padres de
falha estudados.

2.1 _ Introduo

Os motores so o centro da maioria dos processos de produo. Por isso essas
mquinas merecem preocupaes adicionais para se aumentar a confiabilidade do processo
produtivo. Assim, muitas tcnicas tm sido desenvolvidas com o propsito de se monitorar o
comportamento e o desempenho do motor.
Entende-se por monitorao da condio de mquinas eltricas o processo contnuo
de avaliao da sade do equipamento durante toda sua vida til. A principal funo de um
sistema de monitorao preditivo reconhecer o desenvolvimento de falhas ainda em um
estado inicial. Quanto mais prematura a deteco da falha, mais fcil para o departamento
de manuteno agendar uma parada programada para a correo do problema.
O processo de monitorao contnua da condio de mquinas eltricas vitais para o
processo de produo traz benefcios significantes para a empresa. Os principais benefcios
so: maior eficincia do processo produtivo, reduo das perdas por paradas no-
programadas, aumento da vida til do equipamento, e criao de um histrico de falhas.
Neste captulo faz-se primeiramente uma classificao das atividades de
manuteno com o intuito de se situar a tcnica dentro do contexto da manuteno
preditiva. Num segundo momento so apresentadas as tcnicas de predio de falhas com
um detalhamento maior da tcnica de anlise de vibraes. A razo bvia: permitir a
comparao entre esta tcnica e a anlise espectral de corrente. Finalmente, apresenta-se
um histrico da evoluo da tcnica de MCSA, uma descrio formal do funcionamento da
tcnica e dos conceitos relacionados e os padres de falhas estudados no trabalho em
questo.

Captulo 2 A Tcnica de Assinatura da Corrente do Motor

7
2.1.1 _ Classificao das Atividades de Manuteno

O termo manuteno entendido como a ao de reparar ou executar servios em
equipamentos e sistemas, pode ter suas atividades classificadas em quatro grupos
principais:

a) Manuteno corretiva: a forma mais primria de manuteno, pois s
realizada aps a ocorrncia do defeito, que de uma forma geral, torna o
equipamento indisponvel para uso. As desvantagens oriundas deste tipo de
manuteno so evidentes. Como exemplos, pode-se citar a ocorrncia
sistemtica de paradas no-programadas; reduo de vida til da mquina e
maior consumo de energia, j que com a presena da falha o motor necessita de
mais corrente para desenvolver o mesmo torque; etc.

b) Manuteno preventiva: o nome que se d ao conjunto de aes
desenvolvidas com o intuito de se evitar a ocorrncia de condies insatisfatrias,
e conseqentemente, se reduzir o nmero de aes corretivas. Ao se elaborar
um plano de manuteno preventiva deve-se criar um conjunto de medies
tecnicamente adequadas e selecionadas visando a confiabilidade e o custo do
programa. O programa de manuteno preventiva pode ainda optar por trs tipos
de atividades:

Monitoramento contnuo;
Medies peridicas;
Tcnicas preditivas.

c) Manuteno preditiva: como deve ter sido observado, a manuteno preditiva
pode ser vista como uma sub-rea da manuteno preventiva. Contudo, a
manuteno preditiva apresenta caractersticas prprias como:

Apoio em tcnicas no-invasivas, ou seja, no necessrio parar a
operao da mquina para sua aplicao;
Eliminao de manuteno corretiva;
No considerao de informaes como a durabilidade de componentes;
Pode ser efetuada atravs de tcnicas on-line ou off-line.

d) Manuteno sistemtica: caracterizada pela substituio de componentes dos
equipamentos ou pela substituio do equipamento como um todo [2.1].

8
2.1.2 _ Tcnicas de Anlise Preditiva

A monitorao da condio de funcionamento de uma mquina eltrica pode se
basear em mtodos qumicos, vibracionais, trmicos e/ou eltricos. De todas as tcnicas de
anlise preditiva a que mais se assemelha anlise da assinatura da corrente eltrica a
anlise de vibrao. Por esta razo, apresenta-se uma pequena descrio da tcnica com o
propsito de se propiciar a comparao entre as anlises de vibrao e corrente.

2.1.2.1 A Monitorao da Vibrao

Vibrao pode ser definida como a oscilao de um corpo em torno de uma posio
de referncia. Trata-se freqentemente de um processo destrutivo, ocasionando falhas nos
elementos das mquinas por fadiga. Alm disso, a vibrao a resposta s foras
dinmicas que atuam na mquina, que por sua vez, vibra em vrias freqncias que se
propagam por toda a mquina. Estas freqncias podem ser identificadas e, na maioria das
vezes, relacionadas a um tipo de falha.
A anlise de sinais de vibrao pode acusar eventuais problemas em uma mquina e
orientar sobre a execuo ou no de manuteno na mesma. Toda mquina apresenta
rudo e vibrao devido prpria operao e excitaes externas. Contudo, uma parcela
das vibraes se deve a pequenos defeitos que comprometem a performance do
equipamento. O aumento do nvel de vibrao reflexo do agravamento do defeito.
O que faz da anlise de vibraes um processo eficiente que cada elemento da
mquina induz uma excitao prpria, gerando formas especficas de vibrao.
justamente por essa razo que os defeitos nesses elementos podem ser detectados.
Efetuar a medio de vibrao uma tarefa que requer uma srie de cuidados, pois
engloba um grande conjunto de conceitos e regras prticas, exigindo certa experincia do
tcnico encarregado pela medio. Sejam alguns desses conceitos:

i) Escolha do ponto de medida: primeiramente necessrio saber o que se
deseja medir, ou seja, quais so os componentes internos mais problemticos.
Solucionado este problema, deve-se agora buscar um ponto externo acessvel
durante o funcionamento da mquina que seja portador das informaes
desejadas. Isto porque a trajetria de vibrao da fonte ao ponto de medio
deve ser a mais slida e curta possvel, garantindo a fidelidade da transmisso.
Normalmente, pontos de medio so marcados nas mquinas para permitir

9
comparao entre as sucessivas medies, pois pontos diferentes de medio
podem ter vibraes com caractersticas diferentes.

ii) Escolha dos parmetros a medir: o movimento vibratrio pode ser expresso na
forma de deslocamento, velocidade ou acelerao. Evidentemente, cada um
desses parmetros tem sua utilidade dentro da anlise vibracional. Por
exemplo, na anlise do espectro de vibrao se utiliza o espectro de
deslocamento quando o interesse por falhas de componentes de freqncia
mais baixas. Quando se deseja observar um espectro mais equilibrado,
procurando medir eventuais problemas em qualquer freqncia, se utiliza o
espectro de velocidade. Por fim, quando se deseja que as componentes de
freqncias mais altas tenham um maior destaque ou maior influncia na
anlise global, utiliza-se o espectro de acelerao.

iii) Instrumentao: so encontrados no mercado diversos tipos de instrumentos
para a aquisio e anlise do sinal de vibrao. As opes vo de aparelhos
extremamente simples a sistemas computadorizados com vrias ferramentas
de anlise. A escolha da instrumentao a ser utilizada deve levar em
considerao o ambiente (temperatura, contaminao, umidade, campo
magntico, etc.), o nvel tcnico da equipe que executa o trabalho, e a
importncia da medida.

Vrias so as formas de monitorao da condio de mquinas rotativas utilizando
anlise de vibrao. Neste texto destacam-se: monitorao do nvel global e monitorao do
espectro de freqncia.

A) Monitorao do nvel global:

Esta a forma mais simples de monitorao da condio de mquinas eltricas. A
nica medida a ser efetuada o valor RMS do nvel de vibrao sobre uma faixa de
freqncia pr-selecionada. Normalmente, o parmetro escolhido a velocidade de
vibrao e as faixas de freqncia mais comuns so de 10 Hz a 1 kHz ou de 10 Hz a 10
kHz.
Com o passar dos anos, uma base estatstica respeitvel foi desenvolvida,
propiciando o aparecimento das cartas de severidade, ou seja, tabelas que estabelecem os
nveis de alarme ou as condies da mquina em funo do nvel de vibrao medido.

10
importante ressaltar que esta tcnica no d um diagnstico detalhado, informando
em que elemento da mquina ocorreu a falha, mas sim uma indicao geral da condio da
mquina. Outro ponto importante a utilizao da monitorao do nvel global como um
primeiro diagnstico e depois fazer a anlise espectral para se saber onde provavelmente a
falha est se desenvolvendo.
A fora desta tcnica est na sua simplicidade. Ela requer uma instrumentao
simples, contudo uma alta demanda de pessoal tcnico. A principal desvantagem que a
sensibilidade baixa, comprometendo a deteco de falhas ainda no estgio inicial.

B) Monitorao do espectro de freqncia:

Esta a principal tcnica de deteco de falhas usando anlise de vibrao,
principalmente aps a sofisticao das tcnicas e da instrumentao para anlise espectral.
A anlise espectral no identifica apenas a condio geral da mquina. Ela tem como
objetivo apontar problemas especficos, sendo necessrio investigar certas componentes de
freqncia, ou at mesmo, certos grupos de freqncia.
O processo da anlise espectral se inicia com a aquisio do sinal de vibrao por
intermdio de um acelermetro. Este sinal, no domnio do tempo, ser transformado para o
domnio da freqncia realizando-se uma FFT (Fast Fourier Transform). J no domnio da
freqncia, analisa-se o sinal procurando pelos picos mais protuberantes que podem
constituir um indicativo de falha de um elemento da mquina em particular. A tabela
seguinte apresenta as freqncias vibracionais relacionadas s falhas especficas da
mquina [2.2].


11

Tabela 2.1: Freqncias vibracionais relacionadas s falhas especficas da mquina [2.2]
Natureza da Falha Freqncia de vibrao
Desbalanceamento do rotor 1xfr
Desalinhamento do eixo 1xfr 2xfr 3xfr 4xfr

Elementos de mancais de rolamentos com defeitos ou
desgastados
Pista externa:
|
.
|
\
|
= cos 1
2 D
d
f
N
f
r E

Pista interna:
|
.
|
\
|
+ = cos 1
2 D
d
f
N
f
r i

Elemento rolante
(
(
|
.
|
\
|
=
2
cos 1
D
d
D
d
FR
f
eg

Onde:
= ngulo de contacto
d= dimetro do elemento rolante
D= dimetro primitivo
N= nmero de elementos rolantes
FR = freqncia relativa entre as pistas em Hz.
Roamento em mancais de deslizamento. Folgas em
carcaas.
Sub-harmnicas da rotao do eixo, exatamente: 1/2 e 1/3 de
fr
Rodopio ou chicoteamento do filme de leo em mancais de
deslizamento
Pouco menor que a rotao do eixo
42% a 48%

Danos ou desgaste em engrenagens
i Z f f
r eng
=
Onde:
Z = nmero de dentes da engrenagem
i = 1,2,3,4...

Folgas mecnicas
r fm
f i f = 2
1.2x, 2.5x, 3.5x
Onde: i = 1, 2,3...

Falhas em correias de acionamento
L
N D
i f
correia

=
60

Onde:
D = dimetro da polia
N =RPM da polia
L = permetro da correia
i = 1, 2 , 3 ...

Vibraes induzidas por problemas eltricos
1xfr
ix60 Hz; i = 2,3, ...
No caso de motores de induo:
s j RPM i f =
Onde:
s = escorregamento da mquina
j = 2, 4, 6, ...

12
2.1.2.2 MCSA Versus Vibrao

A anlise de vibraes uma tcnica de manuteno preditiva consolidada no meio
industrial e que apresenta bons resultados. Contudo, algumas caractersticas inerentes a
prpria tcnica clamaram pelo aparecimento de tcnicas preditivas que pudessem
complementar o potencial de deteco de falhas da anlise de vibrao. justamente nesse
contexto que surge a tcnica de MCSA que, como poder ser visto no tpico seguinte, trata-
se de uma tcnica relativamente nova, mas que contribui de forma bastante positiva no
trabalho de equipes de manuteno preditiva no tocante a deteco de falhas em seus
processos produtivos.
Os pontos mais crticos da anlise de vibrao so:

1. Necessidade de acesso ao motor: algumas vezes o motor est inacessvel, por
exemplo, em profundidade ou dentro de tubulaes. Outras vezes os motores se
encontram em locais de pouca segurana para o funcionrio coletor de sinais, etc. A
tcnica de MCSA no precisa de acesso ao motor, coletando o sinal de corrente
diretamente do painel de alimentao.

2. Deteco de falhas eltricas: como j era de se esperar, o diagnstico de
problemas de origem eltrica mais difcil de ser realizado pela anlise de vibraes.
A figura 2.1 apresenta as partes da mquina e qual tcnica, MCSA ou vibrao,
detecta com maior facilidade.

3. Diagnstico na presena de inversores: a anlise espectral do sinal de vibrao
fica bastante prejudicada quando da presena de inversores de freqncia. Na
corrente tambm h o prejuzo natural da qualidade espectral, porm com as
ferramentas de estimao da velocidade e suporte ao diagnstico propostos neste
trabalho, essas dificuldades so minimizadas.

4. Necessidade de anlise de vrios sinais: na maioria das vezes o analista de
vibrao trabalha com sinais de vrios acelermetros instalados na mquina para se
chegar ao diagnstico do problema. Estes acelermetros podem chegar ao total de
nove ou mais nas posies horizontal, vertical e axial em dois ou trs pontos do drive
train. J MCSA trabalha com apenas um sinal de uma das fases de corrente.


13
EPVA
EPVA
MCSA
Carga
MIT
Descargas
Parciais
Degradao
do
Isolamento
MCSA
Problemas no
Enrolamento
do Estator
MCSA
Barras
Quebradas
Excentricidade
do air gap
Vibrao
Problemas
mecnicos:
rolamento
desbalanceamento
dinmica do rotor
Problemas
mecnicos:
desalinhaemnto
problemas na
carga
EPVA

Figura 2.1: MCSA x Anlise de Vibrao [2.3]

A figura 2.1 apresenta qual a tcnica mais indicada na deteco de problemas em
uma determinada parte do conjunto motor/carga. V-se da figura que problemas
relacionados deteco de barras rotricas quebradas ou trincadas, presena de pontos
quentes de alta resistncia a passagem da corrente no rotor, excentricidade do air gap
(dinmica ou esttica) e problema relacionados ao enrolamento do estator so identificados
pela anlise da assinatura da corrente. J problemas mecnicos no mancal e na carga so
mais facilmente detectados pela vibrao, mas tambm detectados pela MCSA. Por fim, a
degradao do isolamento diagnosticada pela tcnica de descargas parciais.

2.2 _ O Histrico da Tcnica de MCSA

A existncia de assimetrias relativas ao rotor de motores de induo implicam na
flutuao dos valores da corrente absorvida. O mesmo comportamento ocorre quando da
flutuao de carga e, por esta razo, a discriminao de tais situaes implica numa anlise
mais detalhada do comportamento da corrente estatrica.
A anlise espectral da corrente, apesar de sensvel oscilao de carga, tem se
demonstrado bastante eficiente na deteco de falhas em MITs. Diversos trabalhos

14
baseados na anlise espectral da corrente estatrica vm sendo publicados desde a dcada
de 80 com o propsito de diagnstico de falhas em motores de induo trifsicos [2.4].
H. Okitsu et al. (1980) [2.5], alm de haverem demonstrado a aplicabilidade da
tcnica no diagnstico de falhas em motores de rotor bobinado, tais como existncia de
problemas de contato entre escovas e os anis coletores, comprovaram, igualmente, a sua
adequao no diagnstico de avarias em motores de induo de rotor gaiola de esquilo, tais
como barras quebradas ou trincadas.
C Hargis (1982) [2.6], utilizando um procedimento de anlise do contedo harmnico
da corrente estatrica baseado na aplicao de um equipamento de elevada resoluo
espectral, demonstrou que a obsevao de janelas espectrais em torno da fundamental
possibilita a identificao clara das bandas laterais relacionadas a barras quebradas.
Encontra-se tambm neste trabalho uma expresso capaz de permitir a avaliao do
nmero de barras quebradas no rotor de motores de induo.
M. E. Steele et al. (1982) [2.7], sugeriram a aplicao da anlise cepstral para casos
em que o espectro da corrente adquira um carter extremamente complexo, ou seja, trata-
se de um procedimento alternativo capaz de garantir a credibilidade do diagnstico.
Atravs dos trabalhos desenvolvidos por W. T. Thomson et (1983) [2.8] [2.9] [2.10],
O. Gol (1984) [2.11] e G. B. Kliman et al. (1986/88) [2.12] [2.13], pode-se observar que a
presena de bandas laterais, no apenas em torno da fundamental, mas tambm em torno
de harmnicos de ordem superior, constituam em um indicador adicional de ocorrncia de
avarias no circuito rotrico de motores de induo trifsicos.
W. T. Thomson et al. (1987) [2.14] [2.15], recorrendo a uma verso adaptada da
expresso proposta por C Hargis [2.6], demonstraram atravs de experimentos laboratoriais
e casos reais que apesar da substimao da gravidade das avarias, a considerao
adicional de diversos fatores de natureza emprica, confere ao diagnstico baseado em tal
estratgia maior confiabilidade. Desenvolveram ento um sistema automatizado de
diagnstico baseado em dados determinsticos e informaes de natureza emprica.
Seguindo na linha do desenvolvimento de sistemas perciais vm as publicaes dos
trabalhos de D. Leith et al (1987/88) [2.16] [2.17] [2.18] e de Fillippetti et all. (1988) [2.19].
P. J. Tavner et al. (1987) [2.20] apresentam em detalhes a descrio de um
equipamento porttil e microprocessado capaz de fornecer uma estimativa do nmero de
barras rotricas quebradas em MITs mesmo com valor de escorregamento reduzido.
Com o uso cada vez maior de inversores de freqncia e o conseqente
aparecimento de aspectos peculiares na deteco das falhas, W. T. Thomson e I. D. Stewart
(1988) [2.21] demonstraram ainda ser possvel a deteco de barras fraturadas pela anlise
espectral da corrente estatrica.

15
Alm da deteco de barras quebradas ou trincadas abordada at o momento, a
questo da excentricidade rotrica constituiu outra das situaes diagnosticveis pela
tcnica em seus primrdios. F. Notelet e G. Ravalitera (1984) [2.22] demonstraram que em
funo das variaes de indutncia mtua nos enrolamentos estatricos, decorrentes de
excentricidade rotrica, se produzem flutuaes na corrente estatrica.
J. R. Cameron et al. (1985/86) [2.23] [2.24] demonstraram atravs de um detalhado
estudo analtico que a presena de excentricidade rotrica em MITs se caracteriza pela
presena de componentes espectrais especficas que podem ser obtidas a partir da
expresso apresentada no trabalho.
No diagnstico de avarias no estator, W. T. Thomson et al. (1983) [2.8] [2.10]
sugerem a aplicao da anlise espectral da corrente de alimentao do motor. As
alteraes so significativas no espectro, particularmente com relao ao terceiro harmnico
quando da presena de desequilbrios acentuados na alimentao (single-phasing) ou curto-
circuito de uma bobina, caso em que tambm se registram alteraes na amplitude dos
harmnicos correspondentes ao efeito das ranhuras.
Ainda existem alguns trabalhos que sugerem sucesso na aplicao da anlise
espectral da corrente para deteco de descargas parciais durante o funcionamento das
mquinas eltricas. D. G. Edwards (1987) [2.25] demonstra em seu trabalho a aplicabilidade
da tcnica em MITs atravs de uma bobina de efeito Rogowski.
Na dcada de 90, diversos trabalhos foram publicados e apresentaram o padro no
espectro de corrente de avarias nos rolamento; revises da tcnica e sua aplicao na
monitorao on-line da condio de operao do motor; aplicaes especficas em plantas
nucleares, petroqumicas, etc; comparaes com as demais tcnicas de deteco de avarias
em MITs e aplicao de inteligncia artificial no diagnstico automtico.
Randy R. Schoen et al. (1995) [2.26] apresentaram os resultados da monitorao de
avarias nos rolamentos do motor usando MCSA. Apresentaram as principais causas de
problemas em rolamentos, as expresses para clculo das freqncias caractersticas e os
resultados dos testes experimentais realizados. Concluram que com uma resoluo
espectral suficiente, a anlise dessas componentes caractersticas um bom indicador para
deteco de avariais nas pistas interna e externa, na gaiola e elementos girantes dos
rolamentos do motor.
Randy R. Schoen et al. [2.27] propuseram no mesmo ano um sistema on-line de
deteco de falhas em motores de induo atravs da anlise espectral da corrente do
estator. O sistema utiliza redes neurais para aprendizagem das caractersticas espectrais de
um motor em boas condies de funcionamento. Um sistema especialista fornece um
mtodo baseado em regras para determinar as componentes importantes para a

16
monitorao da condio do motor. A rede neural detecta as mudanas em relao a
condio normal da aprendizagem pelo reconhecimento dos padres de mudanas nas
componentes de freqncia apontadas pelo sistema especialista.
Outros trabalhos seguiram a mesma linha e apresentam proposta de diagnstico
automtico utilizando redes neurais, sistema especialista e/ou fuzzy systems.
Alguns trabalhos continuaram discutindo as situaes de quebra de barras e
excentricidade do air gap sob o contexto da anlise on-line. A. Bellini et al. (2000) [2.28]
apresentaram suas experincias na monitorao de grandes motores de induo e em
particular na anlise de barras quebradas. Ramzy R. Obaid et al. (2000) [2.29]
demonstraram que falhas mecnicas em MITs poderiam ser detectadas com um
sensibilidade adequada atravs da monitorao do valor RMS da corrente do estator em
uma determinada faixa de freqncia.
M. H. Benbouzid (2000) [2.30] propiciou uma reviso da tcnica MCSA com a
inteno de servir como um tutorial de anlise da corrente. Alm disso, comparou a tcnica
de MCSA com outras tcnicas de deteco de falhas em MIT.
Outros trabalhos seguiram a mesma linha at que empresas fabricantes de
equipamentos baseados na tcnica de anlise da corrente estatrica ou consultores
oriundos da academia comearam a publicar seus casos reais, padres de falha e
expandiram a aplicabilidade da tcnica para a deteco de falhas em partes at ento no
considerada pelos trabalhos anteriores. Aparecem a publicaes com relao ao sistema
de transmisso (polia, correia e engrenagens) e carga (ventiladores). O melhor exemplo de
publicao deste tipo o artigo intitulado Practical Motor Current Signature Analysis
Taking the Mystery out of MCSA do Dr. Howard W. Penrose disponvel no site da BJM Corp
[2.31].

2.3 _ A Tcnica de MCSA

MCSA a tcnica usada para analisar e acompanhar a tendncia de sistemas
energizados dinmicos. A anlise apropriada dos resultados da aplicao da tcnica
auxiliar a preditiva da planta na identificao de:

Problemas no enrolamento do estator;
Problemas rotricos;
Problemas no acoplamento e na carga acoplada;
Eficincia e carregamento do sistema;
Problemas no Rolamento;
Etc.

17
Esta tcnica usa o motor de induo como um transdutor, permitindo que o usurio
avalie a condio eltrica e mecnica a partir do painel de alimentao e consiste
basicamente na monitorao de uma das trs fases da corrente de alimentao do motor.
Um sistema simples e suficiente para a implementao da tcnica apresentado na
figura 2.2:

Figura 2.2: Sistema bsico para anlise espectral da corrente

Assim, o sinal de corrente de uma das fases do motor analisado para produzir o
espectro de corrente, normalmente referenciado como Assinatura da Corrente do Motor.
O objetivo obter tal assinatura para se identificar a magnitude e freqncia de cada
componente individual que constitui o sinal de corrente do motor. Isso permite que padres
na assinatura da corrente sejam identificados para diferenciar motores saudveis de
motores em falta e ainda detectar em que parte da mquina a falha deve ocorrer.
Entretanto, importante ressaltar que o diagnstico algo extremamente
complicado, ou seja, a definio de parar ou no o processo produtivo em virtude das
indicaes do espectro de corrente sempre difcil e exige experincia e conhecimento do
processo. Nessa hora, torna-se importante o conhecimento do especialista e de um histrico
do comportamento do conjunto (motor, sistema de transmisso e carga). Por esta razo, um
sistema de diagnstico automtico que alie o histrico do motor ao conhecimento do
especialista encontra um nicho de mercado bastante promissor. Desta forma, o sistema de
anlise e diagnstico automtico j no to simples como o modelo apresentado na figura
2.2 e pode ser representado da seguinte forma:

18

i(t)
MIT Analisador de Espectro
Especialista Expert Knowledge Base

Figura 2.3: Integrao de um sistema de diagnstico automtico

A transformada rpida de Fourier a principal ferramenta empregada, contudo
alguns sistemas empregam em conjunto outras tcnicas para aumentar a capacidade de
deteco de falhas desde a aquisio do sinal, passando pelo processamento, at a etapa
de diagnstico.
Dentre as questes mais importantes relacionadas a aquisio dos sinais e a FFT
destacam-se:

A) Faixa de Frequncia: a resposta em freqncia normalmente necessria em
MCSA de 5kHz. Desta forma, a faixa de passagem dos transdutores utilizados
deve ser de no mnimo 10 kHz para satisfazer o teorema de Nyquist.

B) Teorema de Nyquist: esse teorema afirma que para representarmos um sinal
qualquer para ser reconstrudo sem perdas significativas devem ser retiradas
amostras com o dobro da freqncia mxima deste sinal. Na prtica usa-se 10
vezes a freqncia mxima e garante-se excelente preciso.

C) Resoluo: a resoluo espectral, ou seja, a distncia entre duas raias
espectrais dada por:
N
f
f
s
=
Onde:
f a resoluo espectral
f
s
a freqncia de amostragem utilizada
N o nmero de amostras

A resoluo empregada em MCSA deve ser bastante alta para viabilizar a
separao das componentes de interesse, principalmente na ocorrncia de um
escorregamento muito baixo.
(2.1)

19
D) O uso da escala em dB: ao contrrio da anlise de vibrao, MCSA utiliza a
escala em dB para a anlise da severidade da falha. A razo muito clara, uma
vez que a amplitude da componente fundamental da rede muito maior que as
amplitudes das componentes de falha, fica invivel a comparao entre essas
frequncias numa escala linear. Ilustrativamente sabido por todos que:

Uma diferena de 6 dB implica que uma componente o dobro da outra
Uma diferena de 20 dB implica que uma componente 10 vezes maior que a outra
Uma diferena de 40 dB implica que uma componente 100 vezes maior que a outra
Uma diferena de 60 dB implica que uma componente 1.000 vezes maior que a outra
Uma diferena de 80 dB implica que uma componente 10.000 vezes maior que a outra

Que deriva da equao de converso:

|
|
.
|
\
|
=
0
log 20 ) (
P
P
dB Valor

Onde:
_ P ser a amplitude da fundamental
_ P
0
a amplitude da componente caracterstica de falha.

Por outro lado, a visualizao geral do espectro s vivel atravs da
utilizao da escala logartmica em detrimento da escalar linear. Na figura 2.4.a
apresentado o espectro em escala linear. J na 2.4.b tem-se o espectro em escala
logartmica. ntido que se tem uma viso muito mais abrangente do espectro no
segundo caso. O que se justifica o emprego de escalas logartmicas.

Figura 2.4: a) Espectro na escala linear b)Espectro na escala logartmica

(2.2)

20
Outras questes importantes advm da prpria operao dos motores de induo. A
primeira questo importante entre MCSA e a operao de motores de induo est
relacionada velocidade sncrona da mquina que dada por:
p
f
N
S
1
60
=
Onde:
f
1
= freqncia de alimentao
N
s
= velocidade do campo girante
p = nmero de pares de plos

A partir da velocidade sncrona pode-se definir dois conceitos importantes para a
anlise da assinatura da corrente: a velocidade de escorregamento e o escorregamento. A
freqncia das correntes induzidas no rotor funo do escorregamento e da freqncia de
alimentao. Quando operando sem carga, o rotor gira numa velocidade bem prxima da
velocidade sncrona. Na condio de operao a vazio, o torque deve ser apenas suficiente
para vencer atrito e ventilao. A diferena entre a velocidade rotrica (Nr) e a velocidade
sncrona (Ns) chamada de velocidade de escorregamento (N
slip
):

r s Slip
N N N =

Quando qualquer carga mecnica acoplada ao rotor demandando torque, a
velocidade rotrica diminui. Por sua vez, a velocidade do escorregamento aumenta e a
corrente no rotor tambm para propiciar mais torque. medida que a carga aumenta, o rotor
continua tendo sua velocidade reduzida com relao velocidade sncrona. Este fenmeno
conhecido como ESCORREGAMENTO DO MOTOR. Assim:

( )
s
r s
N
N N
s

=

Outra definio importante refere-se a freqncia de escorregamento. A freqncia
induzida no rotor corretamente definida como freqncia do escorregamento e dada por:

( ) p N N f
r s
=
2

Como se observa, a freqncia rotrica diretamente proporcional velocidade de
escorregamento e ao nmero de par de plos. Como:

(2.3)
(2.4)
(2.5)
(2.6)

21
r S S
N N N s =
e
1
f N s
S
=
Tem-se:
1 2
f s f =

Esse um resultado extremamente importante para MCSA uma vez que a
freqncia da corrente rotrica funo do escorregamento.
Com todos os conceitos importantes j relacionados, possvel definir a tcnica de
MCSA de maneira formal:

MCSA uma tcnica no-invasiva de diagnstico de problemas em motores
de induo trifsicos. Ela consiste da utilizao da anlise espectral do sinal de
corrente de uma das fases do estator. Quando uma falha est em desenvolvimento, o
espectro de freqncia da corrente se torna diferente do espectro do motor quando
em boas condies de operao. Tais falhas modulam o air gap e produzem
freqncias harmnicas na auto-indutncia e indutncias mtuas da mquina. Uma
vez que o fluxo oscila somente na freqncia de alimentao, estas indutncias
harmnicas resultam em bandas laterais da freqncia de linha. [2.29].

As freqncias caractersticas so bem conhecidas. Muitas delas tm sido
apresentadas por diversos autores em suas publicaes. Outras so contribuies deste
trabalho. Os padres destas falhas so apresentados no item seguinte.

2.4 Padres de Falha

A imensa maioria dos trabalhos publicados acerca da monitorao de falhas via
anlise espectral da corrente traz os padres de falhas referentes s barras quebradas e
excentricidade do air-gap. Com relao a essa ltima falha, os artigos trazem,
freqentemente, a anlise da freqncia de rotao e apenas poucas vezes mencionam a
possibilidade de separao dos efeitos entre excentricidade dinmica e esttica.
O item 2.4 desse trabalho, considerado pelo autor como o mais importante do
captulo, apresenta uma contribuio significativa aos trabalhos anteriores uma vez que
adiciona padres inditos de falhas relacionadas carga acoplada, alm de reunir e
organizar todos os outros padres j existentes. Os padres de falha foram verificados,
(2.7)
(2.8)
(2.9)

22
primeiramente em ensaios controlados de laboratrio e, posteriormente, na prtica, dentro
de plantas industriais com processos crticos a serem monitorados.
Com o intuito de se organizar a apresentao dos padres de falha, dividiu-se os
mesmos em trs grupos: falhas no motor, falhas no sistema de transmisso e falhas na
carga acoplada.
Dessa forma, utilizando-se o motor como transdutor, pode-se monitorar o conjunto
completo (motor mais carga acoplada), objetivando a maior confiabilidade do processo
produtivo. A figura seguinte apresenta as partes que podem ser monitoradas pela anlise da
corrente e que j possuem os padres de falha estudados e validados.

Motor Sistema de Transmisso Carga Acoplada
Barras Quebradas

Excentricidade do air-gap
Normal Excentricidade
esttica
Excentricidade
dinmica

Polia

Bomba

Curto-Circuito entre Espiras
Curto entre
espiras
Circuito
aberto
Curto para
terra
Curto entre
fases
Curto entre
bobinas

Correia

Compressor parafuso

Rolamento

Engrenagem

Ventiladores

Figura 2.5: Falhas Monitoradas

A) Falhas no Motor

So consideradas falhas do motor as avarias ocorridas no estator, rotor ou no
mancal. Na seqncia so apresentadas as assinaturas de corrente associadas a essas

23
falhas e as informaes mais relevantes acerca do processo de surgimento, agravamento e
caractersticas peculiares das mesmas.

1. Barras Quebradas

A deteco de barras quebradas ou trincadas atravs do espectro da corrente do
estator feita observando-se duas componentes do espectro que se localizam prximas
e em torno da componente fundamental.
Este tipo de falha ocorre normalmente na presena de esforos trmicos e
mecnicos, cargas pulsantes, e imperfeies no processo de manufatura da gaiola. A
quebra de barras no leva o motor imediatamente falha, ou seja, a mquina pode
continuar funcionando mesmo com a existncia de barras quebradas ou trincadas.
Contudo, efeitos secundrios considerveis podem ocorrer como, por exemplo, as
barras quebradas atingirem o estator.
A quebra de barras faz com que apaream no espectro de corrente dois picos
igualmente afastados de s f 2 da componente fundamental, onde f a freqncia de
alimentao e s o escorregamento da mquina em pu. A componente da esquerda
( ) fs f 2 resultado direto da falha, enquanto que a componente da direita ( ) fs f 2 +
resultado do ripple de velocidade. Assim:
Desta forma, pode-se afirmar que a quebra de barras resulta no aparecimento de
componentes no espectro da corrente do estator nas freqncias dadas por [2.32]:

( ) s k f f
bq
= 2 1
Onde:
- k = 1,2,3...

Considerando as duas componentes em questo, tem-se que a soma de suas
amplitudes um bom indicador da severidade da falha. Evidentemente, as concluses
tiradas, considerando-se a soma em questo, so empricas. Outra forma de se
monitorar a severidade da falha em questo considerar a mdia das amplitudes do
primeiro conjunto de bandas laterais (1 banda lateral esquerda e 1 banda lateral
direita). A terceira maneira, que adotada neste trabalho, se considerar a pior
condio, ou seja, toma-se a maior das amplitudes entre as duas componentes do
primeiro conjunto de bandas laterais. Seja a carta de severidade para barras quebradas:

(2.10)

24
Tabela 2.6: Carta de severidade para barras quebradas [2.33]

Pode-se ainda calcular o nmero de barras quebradas atravs da amplitude da
banda lateral esquerda ( ) fs f 2 que proporcional ao nmero de barras quebradas.
Essa frmula emprica e reflete o nmero de barras quebradas de forma aproximada.
Seja a relao abaixo:
) 2 ( 2
sen

p I
I
f
bq

Onde:
I
bq
a amplitude da componente em ( ) fs f 2
I
f
a amplitude da componente fundamental
p o nmero de par de plos

E dado por:
R
p R
b
2
=
Onde:
R
b
o nmero de barras quebradas
R o nmero de barras do rotor

Deve-se ressaltar que se existem barras quebradas em vrias partes do rotor, a
anlise em corrente muitas vezes no ser capaz de propiciar o diagnstico do
problema. Ou seja, barras quebradas em regies diametralmente opostas compensam o
desequilbrio eltrico e mecnico. Resulta da que as observaes feitas at agora so
vlidas para quebra de barras subseqentes.
(2.11)
(2.12)

25
Outra grande dificuldade do mtodo a possvel confuso entre a real ocorrncia de
quebra de barra e a modulao da corrente produzida por outros eventos e que geram
as mesmas componentes de interesse ou componentes muitos prximas a fs f 2 .
Como exemplo pode-se citar oscilaes de carga e processos que usam caixas de
engrenagens para alta reduo de velocidade.
Quando se almeja o diagnstico da falha, o sistema de monitorao e diagnstico
deve considerar vrios fatores como:

Diferentes projetos do rotor
Diferentes condies de carga
Caractersticas mecnicas da carga
Componentes mecnicos do drive train

Estas condies so importantes para garantir a confiabilidade do diagnstico, cuja
estratgia deve se iniciar com a aplicao de uma FFT de alta resoluo para garantir o
reconhecimento das componentes de interesse. Alm disso, deve observar-se que o
sistema de monitorao deve ser bastante dinmico, se adaptando as variaes da
freqncia de alimentao e do escorregamento, j que a variao no valor dessas duas
variveis altera a posio das bandas laterais no espectro.
Outro ponto de fundamental importncia a tomada de deciso aps o diagnstico
de falha. Vrios fatores devem ser levados em considerao, dentre eles:

Severidade da falha;
Importncia estratgica do conjunto;
Projeto do rotor;
Potencial da falha secundria, ou seja, a falha que ocorrer em funo da
quebra de barras;
Segurana.

A seguir apresentado o padro espectral da falha referente barras quebradas,
trincadas ou pontos de alta resistncia a passagem da corrente no rotor.


26

Figura 2.6: Padro de falha para Barras Quebradas

importante ressaltar que na presena de carga varivel ocorre um deslocamento
das componentes em torno da fundamental. A figura seguinte apresenta o resultado
desta variao:

Figura 2.7: Resultado da Variao de Carga

2. Excentricidade do air gap

Define-se como excentricidade do air gap a condio na qual o air gap no apresenta
uma distncia uniforme entre o rotor e a superfcie interna do estator resultando em uma
regio de air gap mnimo e outra de air gap mximo.

Airgap
mnimo
Airgap
mximo
Rotor
Estator
Air gap: g(, (, (, (,t)

Figura 2.8: Excentricidade do air gap
Freqncia Varia
Amplitude
Varia
dB
100
Hz
(f)

27
A equao que descreve a variao do tamanho do air gap no tempo funo das
excentricidades esttica e dinmica (conceitos a serem definidos no decorrer deste
tpico) e dada por:
)) cos( cos 1 ( ) , ( = t e e g t g
r d s

Onde:
e
s
a excentricidade esttica
e
d
a excentricidade dinmica

As causas mais comuns de excentricidade do air gap so:

Imperfeio do processo de manufatura
Rotor e eixo no concntricos
Ncleo do estator oval
Empeno trmico do rotor

Antes de se evoluir para as formas de deteco da falha e seus padres, torna-se
necessrio a caracterizao dos dois tipos de excentricidade: a esttica e a dinmica.
Na excentricidade esttica a posio do tamanho do air gap radial mnimo fixa no
espao, o ncleo do estator oval ou h um posicionamento incorreto do rotor ou estator
gerado por um desalinhamento. Alm dessas possibilidades ainda existem os aspectos
construtivos que permitem um nvel intrnseco devido s tolerncias do processo de
produo.
Na excentricidade dinmica o air gap mnimo gira com o rotor. As principais causas
so: dimetro externo do rotor no-concntrico, empeno trmico do rotor, defeito no
rolamento, desbalanceamento do rotor ou da carga.
A figura seguinte apresenta as condies de operao do rotor com o foco na
excentricidade do air gap:

Normal
Excentricidade
esttica
Excentricidade
dinmica

Figura 2.9: Classificao dos tipos de excentricidade do air gap

(2.13)

28
Existem duas formas de se detectar a excentricidade do air gap utilizando-se o
espectro da corrente do estator [2.27]. A primeira forma monitora as bandas laterais
presentes no espectro de corrente em torno da freqncia do slot. As freqncias
associadas excentricidade do air gap so determinadas por:

( )
(
|
|
.
|
\
|
=
s ecc exc slot
n
p
s
n kR f f
2 /
1
1 /

Onde:
f
1
= freqncia eltrica de alimentao;
k=1, 2, 3,
R = nmero de barras do rotor;
s = escorregamento da mquina em pu;
n
ecc
(nmero da ordem da excentricidade) = 1, 2, 3, 4, 5, ...
p = nmero de plos;
n
s
(ordem da harmnica da freqncia de alimentao) = 1, 3, 5, 7, 9, ...

A grande desvantagem deste mtodo a necessidade de se conhecer aspectos
construtivos da mquina como o nmero de barras do rotor. Em contrapartida, utilizando-
se esta regio do espectro para a monitorao tem-se a separao dos efeitos das
falhas relacionadas excentricidade esttica e a dinmica.
Assim, sejam respectivamente os padres de falha para as excentricidades esttica
e dinmica:

Figura 2.10: Padro de excentricidade esttica

(2.14)

29

Figura 2.11: Padro de excentricidade dinmica

Pode-se observar que o padro de excentricidade dinmica se d pela modulao
das componentes de excentricidade esttica por f
r
. Por esta razo a anlise da
severidade desta falha feita calculando-se a diferena em dB da amplitude da
componente de excentricidade dinmica com relao amplitude da componente de
excentricidade esttica e no com relao a fundamental como acontece com as demais
falhas. Assim:

N dB
dB
Hz
f
est
+fr

-fr

f
din
f
din

Alarme
(MCSA)
<20 3
Verificar tendncia 40-20 2
Nenhuma >40 1
Ao recomendada Diferena
em dB
Nvel de
Severidade
Alarme
(MCSA)
<20 3
Verificar tendncia 40-20 2
Nenhuma >40 1
Ao recomendada Diferena
em dB
Nvel de
Severidade

Figura 2.12: Carta de severidade para excentricidade dinmica

A outra forma de monitorao consiste em acompanhar o comportamento das
bandas laterais em torno da componente fundamental. Estas freqncias so dadas por:

(
|
|
.
|
\
|
=
2 /
1
1
p
s
m f f
exc

Sendo m = 1, 2, 3, ...

(2.15)

30
A vantagem do mtodo est justamente no fato de no se precisar conhecer os
aspectos construtivos da mquina para se fazer uma avaliao da sade do motor com
relao a este tipo de falha. O padro dado por:

Figura 2.13: Padro de excentricidade em baixa freqncia

Com relao severidade da falha tem-se que os fabricantes se esforam para
manter a excentricidade dentro de uma faixa mnima. Alguns estabelecem um nvel
mximo permitido de 5% de excentricidade enquanto que em outros casos permite-se
at 10%. Em grandes motores de induo trifsicos, um nvel de excentricidade de 25 a
30% pode ser considerado severo vlido ressaltar que a excentricidade do air gap
especificada pelo fabricante a excentricidade do air gap radial, ou seja, esttica mais
dinmica.

3. Falhas no Enrolamento do Estator

A maior parte das avarias relativas ao estator de motores de induo encontra-se
associada aos enrolamentos, representando a ocorrncia de avarias localizadas no
ncleo ferromagntico estatrico um acontecimento bastante menos freqente. Contudo,
apesar de pouco freqentes, essas ltimas podem causar danos considerveis nas
mquinas por elas afetadas [2.4].
As avarias associadas aos enrolamentos do estator apresentam um conjunto
diversificado de manisfestaes possveis, conforme ilustra a figura 2.15, podendo ainda
verificar-se a ocorrncia simultnea de diversas combinaes.


31

Curto entre
espiras
Circuito
aberto
Curto para
terra
Curto entre
fases
Curto entre
bobinas

Figura 2.14: Estator ligado em estrela destacando os possveis modos de ocorrncias de avaria nos
enrolamentos [2.4]

Sejam os padres de queima nos enrolamentos e suas possveis causas e efeitos
associados:

1. Padro de queima simtrico e sobreaquecimento de todas as fases

Possveis Causas:

Tenso baixa ou alta;
Carga excessiva;
Nmero excessivo de partidas;
Falta de ventilao apropriada;
Falha em rolamento causando travamento do eixo.

2. Padro de queima no-simtrico onde o enrolamento aterrado

Possveis Causas:

O rotor raspa o estator;
Deteriorao do isolamento no slot, cabea de bobina ou no prprio
condutor;
Tenses transientes (surtos de chaveamento, inversores);
Contaminao qumica, corpos estranhos, etc.;
Sobreaquecimento no slot do estator devido corrente excessiva ou
dissipao insuficiente de calor;
Movimento de espira (no slot ou cabea de bobina).

32
3. Single-Phasing: Padro de queima simtrica

Possveis Causas:

Controles monofsicos ou fonte de alimentao;
Enrolamento quebrado;
Conexo imprpria;
Fonte de tenso desbalanceada.

importante ressaltar que o padro apresentado a seguir de curto-circuito entre
espiras vale somente para MIT de baixa tenso e no se aplica para motores de mdia e
alta tenso. Mesmo assim, no se constitui em um bom meio para o diagnstico dessa
avaria em motores de baixa tenso.

Figura 2.15: Padro de curto-circuito entre espiras

Outra forma de se monitorar problemas no estator atravs do padro apresentado
na figura 2.17 que leva em considerao no nmero de ranhuras do estator e a
velocidade de rotao do motor.

Figura 2.16: Padro de falhas no estator

33
Contudo a forma eficaz de monitoramento de assimetrias eltricas estatricas se d
atravs da tcnica de Extended Parks Vector Approach (EPVA). As primeiras
pesquisas envolvendo o uso do mtodo do vetor de Park para o diagnstico de avarias
em motores tais como curto-circuito entre espiras, excentricidade do airgap, barras
quebradas, etc. datam de 1997 e foram desenvolvidas pelo Professor Cardoso da
Universidade de Coimbra, demonstrando-se eficientes.
No primeiro momento, a proposta de deteco de avarias se baseava apenas nas
distores sofridas pelo crculo de Park em funo do surgimento e do agravamento das
avarias. Mais recentemente, a tcnica foi aprimorada pelo prprio professor Cardoso e
denominada EPVA, podendo ser descrita da seguinte forma [2.34]:

As correntes das trs fases de alimentao de um motor podem ser descritas por:

( ) = t i i
M A
cos
|
.
|
\
|
=
3
2
cos

t i i
M B

|
.
|
\
|
+ =
3
2
cos

t i i
M C

Onde:
i
M
a o valor de pico da corrente de alimentao;
a freqncia angular em rad/s;
o angulo de fase inicial em rad;
t a varivel tempo;
i
A
, i
B
, i
C
so respectivamente as correntes nas fases A, B e C.

J as componentes de corrente do vetor de Park so dadas por:

C B A D
i i i i |
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
=
6
1
6
1
3
2

C B Q
i i i |
.
|
\
|
|
.
|
\
|
=
2
1
2
1

Em condies ideais tem-se:

(2.16)
(2.17)
(2.18)
(2.19)
(2.20)

34
) cos(
2
6

|
|
.
|
\
|
= t i i
M D

) (
2
6

|
|
.
|
\
|
= t sen i i
M Q

Graficamente tem-se que as condies ideais geram um crculo de Park perfeito
centrado na origem das coordenadas:

Figura 2.17: Sinais no tempo e crculo de Park

Sob condies anormais de operao, ou seja, quando do surgimento de avarias de
origens mecnicas ou eltricas, as equaes 2.21 e 2.22 no so mais vlidas e o
crculo de Park passa a sofrer distores.
Como essas alteraes no crculo de Park so difceis de serem mensuradas, foi
proposta pelo mtodo de EPVA a observao do espectro do mdulo do vetor de Park.
A vantagem da tcnica de EPVA reside no fato da mesma combinar a simplicidade
do mtodo anterior (anlise do crculo de Park) com a potencialidade da anlise
espectral. Alm disso, a componente fundamental da alimentao do motor
automaticamente subtrada do espectro pela transformao de Park, fazendo com que
as componentes caractersticas de falha apaream com destaque. O ponto mais
importante o fato da tcnica considerar as trs fases de corrente, gerando um espectro
mais significante por englobar informaes das trs fases. Esta caracterstica
extremamente til em casos onde falha s pode ser detectada se consideradas as trs
fases. Este o caso de desequilbrio eltrico estatrico em motores alimentados em
malha aberta [2.35].
Considerando que as correntes de um motor, onde existe um desequilbrio nas
tenses de alimentao, podem ser representadas por:
(2.21)
(2.22)

35
) cos( ) cos(
i i d d A
t i t i i + =
|
.
|
\
|
+ + |
.
|
\
|
=
3
2
cos
3
2
cos

i i d d B
t i t i i
|
.
|
\
|
+ |
.
|
\
|
+ =
3
2
cos
3
2
cos

i i d d C
t i t i i

Onde:
i
d
o mximo valor da corrente de seqncia direta;
i
i
o mximo valor da corrente de seqncia inversa;

d
o ngulo de fase inicial da corrente de seqncia direta em rad;
i
o ngulo de fase inicial da corrente de seqncia inversa em rad.

No vetor de Park:

( ) ( ) ( )
i i d d D
t i t i i +
|
|
.
|
\
|
= cos cos
2
3

( ) ( ) ( )
i i d d Q
t sen i t sen i i
|
|
.
|
\
|
=
2
3

E o quadrado do mdulo do vetor de Park ser dado por:

( ) ) 2 cos( 3
2
3
2 2
2
i d i d i d Q D
t i i i i ji i + + |
.
|
\
|
= +

Agora, basta aplicar a FFT ao quadrado do mdulo do vetor de Park e observar que
o mesmo ser composto de um nvel DC mais um termo adicional localizado em duas
vezes a freqncia de alimentao. exatamente este termo adicional que indicar o
surgimento e o agravamento de assimetrias eltricas estatricas.
Seja o exemplo onde foi considerada uma alimentao desequilibrada:

Figura 2.18: Desequilbrio entre as fase
(2.23)
(2.24)
(2.25)
(2.26)
(2.27)
(2.28)

36
O crculo de Park passa a se assemelhar a uma elipse e surge no espectro a
componente localizada em duas vezes a freqncia de alimentao:

Figura 2.19: Crculo de Park distorcido e presena da componente em duas vezes a freqncia de
alimentao

Assim, o processo todo pode ser representado da seguinte forma:

MIT
Aquisio
Transformao
de Park
Clculo do
Mdulo do
vetor de Park
FFT
i
A
i
B
i
C
i
D
i
Q

Figura 2.20: Diagrama em blocos da tcnica de EPVA

Os casos apresentados no captulo 4 confirmaro a potencialidade da tcnica de
EPVA na deteco de problemas eltricos. Por esta razo, Pode-se afirmar que a
aplicao conjunta das tcnicas de EPVA e MCSA recomendada de modo a aumentar
a confiabilidade do diagnstico de avarias em MIT.

4. Rolamento

A monitorao das falhas no rolamento de suma importncia em um sistema de
manuteno preditiva, pois estudos indicam que cerca de 40% de todas as falhas em
mquinas se devem a problemas nestes elementos [2.26]. Muitos trabalhos tm sugerido
a monitorao da corrente do estator para propiciar as mesmas indicaes de falhas que
a anlise de vibrao, trazendo como benefcio principal em relao a esta ltima tcnica
a no necessidade de acesso ao motor.

37
Diversas so as causas de falhas em rolamentos. Alm do processo normal de falha,
isto , o aparecimento de pequenas fissuras abaixo da superfcie das pistas e elementos
rolantes, existem outras condies que contribuem para a reduo do tempo de falha do
rolamento. Essas condies so fontes externas como corroso, contaminao,
lubrificao imprpria, instalao imprpria, etc. Seja uma breve descrio de cada uma
dessas condies:

Contaminao: o processo de contaminao se d atravs de pequenas
partculas de natureza abrasiva e dureza varivel que freqentemente
contaminam a lubrificao do enrolamento, causando aes de pitting e
sanding.

Corroso: o processo de corroso iniciado devido presena de gua,
cido, lubrificao deteriorada, etc. Com o avano do processo de corroso,
partculas so expelidas resultando na mesma ao abrasiva da contaminao.

Lubrificao imprpria: lubrificar em falta ou em excesso faz com que os
elementos rolantes no girem corretamente no filme de leo causando
aquecimento. Esse aquecimento deteriora a graxa, diminuindo a lubrificao e
acelerando o processo de falha.

Problemas na instalao: as falhas originadas por instalao imprpria so
causadas por forar o rolamento contra o eixo ou contra a carcaa, resultando
em danos fsicos ao rolamento. Outro problema comum gerado por instalaes
incorretas o desalinhamento do rolamento. Isto pode acontecer de quatro
formas, ilustradas na figura a seguir:

Figura 2.21: Desalinhamento do rolamento

38
Estabelecidas as causas de falhas em rolamentos, torna-se importante o
conhecimento do efeito dessas falhas no espectro da corrente do estator. As freqncias
caractersticas do rolamento so bem conhecidas e suas formulaes baseadas nas
dimenses do rolamento. A figura a seguir apresenta as dimenses envolvidas nos
clculos das freqncias:

Figura 2.22: Dimenses envolvidas no clculo das freqncias de falha

As falhas em rolamentos dividem-se em falhas no elemento girante, na gaiola e nas
pistas interna e externa. A figura seguinte apresenta as partes componentes de um
rolamento.

Figura 2.23: Partes componentes de um rolamento

Cada componente apresenta freqncias especficas que podem ser calculadas
atravs das formulaes que sero apresentadas adiante. Contudo mais comum obter
essas freqncias de tabelas fornecidas pelos fabricantes.
As freqncias de falhas nas pistas interna e externa so resultado da passagem de
cada elemento rolante pelo defeito. A figura 2.24 apresenta respectivamente um
exemplo de falha na pista externa e um exemplo de falha na pista interna de um
rolamento.
Elemento girante
Gaiola
Pista Externa
Pista Interna

39

Figura 2.24: Falhas nas pistas externa e interna

A figura seguinte apresenta as frmulas para o clculo das freqncias
caractersticas das partes componentes do rolamento e ainda o padro espectral das
falhas na assinatura da corrente:

Figura 2.25: Padro de falha em rolamentos
Onde:
f
BPFO
a freqncia da pista externa;
f
BPFI
a freqncia da pista interna;
f
BSF
a freqncia do elemento girante;
f
FTF
a freqncia da gaiola;
PD o dimetro primitivo do rolamento;
BD o dimetro do elemento girante;
o ngulo de contato do rolamento;
n o numero de elementos girantes;
f
r
a velocidade de rotao do rotor em Hz.

Do padro apresentado para rolamento cabe destacar que tem-se observado que o
segundo conjunto de bandas laterais responde melhor a presena e desenvolvimento da
falha. Contudo mais ensaios devem ser realizado com o intuito de confirmar essa

40
observao. Se prope tambm a realizao de testes com a aplicao de EPVA para o
diagnstico de avaria em rolamento e, posteriormente, a comparao entre os resultados
obtidos com o emprego das duas tcnicas.

B) Falhas no Sistema de Transmisso

A anlise da assinatura da corrente monitora as componentes relativas s polias
(motora e movida), correia e engrenagens. J foi observado que problemas na carga podem
repercutir nas freqncias dos elementos do sistema de transmisso, sendo essa mais uma
forma de inferir sobre falhas na carga acoplada alm das componentes caractersticas da
prpria carga.

1. Polias

Atravs da anlise da freqncia de rotao pode-se detectar problemas
relacionados polia motora. J para a polia movida, basta considerar a relao de
velocidade, resultando no seguinte padro:

Figura 2.26: Padro de falha da polia movida

Os problemas encontrados mais freqentemente so de polia excntrica, polia com
folga e desbalanceamento. Problemas relativos carga acoplada tambm aparecem na
mesma freqncia, cabe ao analista cruzar informaes de outras regies do espectro
para chegar a uma concluso. Pode acontecer tambm de se suspeitar de problemas
em duas ou mais partes do drive train.


41
2. Correia

O primeiro passo para a monitorao das componentes espectrais caractersticas da
correia o clculo da freqncia da correia (f
c
) como apresentado na figura 2.27. Obtido
este valor, basta seguir o padro apresentado e acompanhar a curva de tendncia da
falha em questo. Alm de se poder diagnosticar problemas como correia frouxa,
rachada, ou excessivamente esticada, pode-se tambm analisar problemas oriundos na
carga e que aumentam a vibrao na correia contribuindo para o aumento da amplitude
dessas componentes.

Figura 2.27: Padro de falha em correias

3. Engrenagem

No caso de engrenagens, tm-se duas regies para monitorao no espectro. A
primeira, em freqncias mais baixas, traz informaes relativas s falhas localizadas
(por exemplo, dente quebrado) nas engrenagens. Estas freqncias esto relacionadas
com as freqncias de rotao do conjunto antes ou depois da transformao de
velocidade. J a segunda regio de interesse no espectro traz informaes relativas s
falhas distribudas nas engrenagens, sendo conhecidas como freqncias do
engrenamento e calculadas pela multiplicao da velocidade de rotao do eixo pelo
nmero de dentes da engrenagem.
O padro apresentado a seguir explicita as duas regies espectrais abordadas:

F
c
= D
motora
X X f
r

Lc


42

Figura 2.28: Padro de falhas em engrenagens

C) Falhas na Carga Acoplada

O surgimento e o agravamento das avarias na carga podem ser sentidos pelo
sistema de transmisso e pelo prprio motor. A intensidade com que o motor vai sentir
esses efeitos depende do tipo de acoplamento que utilizado, ou seja, acoplamentos
elsticos fazem com que os efeitos cheguem atenuados ao motor, que tanto para avaliao
do sistema de transmisso quanto para a carga acoplada, atua como um transdutor para a
anlise da assinatura da corrente.
O processo de como os problemas mecnicos podem ser monitorados pela anlise
das assinaturas dos sinais eltricos do motor pode ser representado da seguinte forma:

Distrbios ocorrem no conjunto acoplado ao rotor

Esses distrbios refletem no rotor

Perturbao do campo magntico

Componentes de corrente induzidas no enrolamento do estator

43
O estudo foi realizado para trs tipos de cargas: bombas centrfugas, ventiladores
(ou exaustores) e compressores a parafuso. Os padres de falha para cada tipo de carga
so apresentados a seguir:

1. Bombas

Existem vrios tipos de bombas sendo utilizados na indstria. Tal variedade implica
em diferentes assinaturas da corrente e por esta razo importante que as condies de
operao sejam mantidas uniformes durante as aquisies dos sinais para se garantir a
consistncia das anlises. Parmetros como a presso de suco, presso de descarga
e cavitao vo afetar a assinatura de corrente como tambm afetaro a vibrao da
bomba.
Dentre os tipos principais de bombas destacam-se:

Bomba Centrfuga: O lquido penetra no rotor paralelamente ao eixo, sendo
dirigido pelas ps para a periferia, segundo trajetrias contidas em planos
normais ao eixo.

Figura 2.29: Seo por um plano normal ao eixo de uma bomba centrfuga

Bomba de Engrenagem: O lquido bombeado empurrado pelos dentes das
engrenagens. A vazo proporcional ao volume entre os dentes e
velocidade das engrenagens.

Figura 2.30: Esquemtico da bomba de engrenagens

44
Bomba Pisto (alternativa ou recproca): O elemento bombeador faz um
movimento de "vai e vem", alternando seu sentido. Usada normalmente como
bomba dosadora de reagentes qumicos e outras substncias.

A anlise de falhas em bombas centrfugas feita considerando-se a freqncia de
rotao da bomba e a freqncia de passagem das ps. Alm dessas freqncias, deve-
se monitorar tambm o aumento de salincias prximas da freqncia da rede que so
caractersticas da assinatura de bombas.
A anlise da freqncia de rotao da bomba indica problemas relacionados
desalinhamento ou desbalanceamento da bomba. J o aumento das amplitudes das
freqncias de passagem das ps indica defeitos no interior da bomba como
deteriorao das ps, obstrues do fluxo, fluxo com variaes abruptas de direo
posicionamento excntrico do rotor dentro da carcaa e folga.
A figura seguinte apresenta as freqncias caractersticas de falhas em bomba:

Figura 2.31: Padro de falhas em bombas de palhetas

J a cavitao normalmente ocorre em funo da mquina estar trabalhando fora de
seu ponto de operao. O fenmeno se d quando ocorrem violentas imploses de bolhas
de ar que chegam a atingir a estrutura gerando vibraes. A conseqncia no espectro da
corrente o aumento das amplitudes das freqncias da regio de turbulncia destacada no
espectro real apresentado na figura 2.32 e tambm das amplitudes de componentes
situadas em faixas de altas freqncias.
Na ocorrncia de cavitao, estas salincias se tornam ainda mais pronunciadas
apontando para o problema. Desta forma, importante que se tenha um baseline, ou seja,
um espectro de referncia com o motor e bomba em bom estado para futuras comparaes
quando da ocorrncia de efeitos indesejados.


45

Figura 2.32: Assinatura caracterstica de cavitao em bombas

2. Compressores a Parafuso

O conjunto completo motor, engrenamento e compressor pode ser monitorado
atravs da assinatura da corrente do motor de forma bastante satisfatria. O motor e o
engrenamento podem ser analisados segundo os padres apresentados anteriormente.
J a anlise do compressor leva em considerao trs freqncias caractersticas desta
carga: a freqncia de rotao do parafuso macho, a freqncia de rotao da fmea e a
freqncia de pulsao.

FAG QJ
ROTOR
FMEA
ROTOR
Lado
Lado Oposto
Acoplado

Figura 2.33: Partes internas do compressor (Cortesia Novelis)

A figura 2.34 apresenta as frmulas para clculo das freqncias caractersticas e o
padro espectral de falhas das partes componentes do compressor.

FMEA

MACHO


46

Figura 2.34: Padro de falha de Compressores a Parafuso

Para os compressores a parafuso de dois estgios, basta aplicar o mesmo raciocnio
para o segundo estgio de compresso. Como as relaes de ampliao de velocidade
so diferentes, ter-se- diferentes componentes de freqncia para cada um dos
estgios de compresso.

3. Ventiladores

A maioria dos ventiladores de fluxo axial ou centrfugo. A figura seguinte permite a
fcil diferenciao entre os dois tipos:

Figura 2.35: Ventilador centrfugo e de fluxo axial [2.36]

Como a anlise em bombas, a anlise de falhas em ventiladores centrfugos feita
considerando-se a freqncia de rotao do ventilador e a freqncia de passagem das ps
que dada pela multiplicao do nmero de ps do ventilador pela freqncia de rotao do
mesmo. Pela freqncia de passagem de ps monitora-se problemas relacionados ao
desbalanceamento de ps causado pelo acmulo de detritos, quebra ou deformao de ps.
A figura seguinte apresenta as freqncias caractersticas de falhas em ventiladores:


47

Figura 2.36: Padro de falha em ventiladores

2.5 Consideraes Finais

importante destacar a primeira contribuio deste trabalho apresentada neste
captulo, isto , a definio dos padres de falhas de bombas a palhetas e compressores a
parafusos at ento desconhecidos ou no publicados.
No captulo 4, sero apresentados os ensaios de laboratrio e casos reais em
indstria comprovando todos os padres abordados neste captulo.

48
CAPTULO 3

A Teoria de Conjuntos Aproximados

Este captulo tem como principal objetivo expor os conceitos bsicos da Teoria de
Conjuntos Aproximados. Sero abordados os critrios para eliminao de atributos
dispensveis, o clculo do conjunto reduzido e a gerao de algoritmos de deciso. Cabe
ainda ao presente captulo a apresentaco das possveis aplicaes da teoria e exemplos
para auxiliar no entendimento dos conceito tericos discutidos.

3.1 _ Introduo

Por uma questo de organizao, dividiu-se a apresentao da teoria de conjuntos
aproximados (TCA) em duas partes: a primeira apresenta os fundamentos tericos
englobando definies, propriedades e conceitos relevantes ao tema. A segunda parte
apresenta aplicaes da TCA a casos gerais e tambm ao diagnstico de motores de
induo trifsicos.
Toda a teoria apresentada neste captulo tem como referncia o livro de Zdzislaw
Pawlak intitulado Rough Sets: Theoretical Aspects of Reasoning about Data [3.1].

3.2 _ O Conhecimento

O conhecimento est baseado na habilidade de se classificar objetos, sendo que a
palavra objeto possui um sentido bastante amplo, significando tudo o que se possa imaginar
como, por exemplo, coisas reais, estados, conceitos abstratos, processos, etc.
Desta forma, o conhecimento est necessariamente ligado a uma variedade de
padres de classificao relacionados a partes especficas do mundo real ou abstrato,
chamado de universo de discurso.

3.2.1 _ Base de Conhecimento

Seja U um conjunto finito de objetos, tambm chamado de universo (universo
de interesse). Qualquer X U ser chamado de conceito ou categoria em U e a famlia de
conceitos ser chamada de conhecimento abstrato sobre U.
Captulo 3 A Teoria de Conjuntos Aproximados

49
O que realmente interessa so os conceitos que formam uma partio ou
classificao de um certo universo U, ou seja, famlias C = {X
1
, X
2
, X
3
,..., X
n
} tal que X
i
U,
X
i
, X
i
X
j
= para i j, i,j =1,2, ...,n e X
i
= U. Uma famlia de classificaes sobre U
ser chamada de base de conhecimento sobre U.
Ao invs de se utilizar classificaes, utilizar-se-, por facilidade matemtica,
relaes de equivalncia. Assim, se R uma relao de equivalncia em U, ento U/R
representa todas as classes de equivalncia de R (ou classificao de U) referenciados
como categorias ou conceitos de R, e [x]
R
denota a categoria de R contendo o elemento x
de U.
Pode-se entender uma base de conhecimento como um sistema relacional K=(U,R),
onde U o universo e R uma famlia de relaes de equivalncia sobre U.
Se P R e P , ento P (interseo de todas as relaes de equivalncia que
pertencem a P) tambm uma relao de equivalncia denotado por IND (P) e conhecida
como relao de indiscernibilidade sobre P.

[ ] [ ]
P R
R P IND
x x
=
) (

Assim, U/IND(P) (famlia de todas as classes de relaes de equivalncia P) denota
o conhecimento associado com a famlia de relaes de equivalncia P, chamada
conhecimento bsico sobre U em K. As classes de equivalncia de IND(P) so chamadas
de categorias bsicas do conhecimento P. Em particular, se Q R, ento Q ser chamado
de conceitos elementares do conhecimento R.

3.2.2 _ Definio de Equivalncias, Generalizao e Especializao
de Conhecimento

Diz-se que duas bases de conhecimento K e K so equivalentes quando elas
apresentam o mesmo conjunto de categorias elementares, e consequentemente, o mesmo
conjunto de todas as categorias. Matematicamente:

Seja K = (U,P) e K = (U,Q). Ento K equivalente a K, K K, se IND(P)=IND(Q)

Se IND(P) IND(Q) diz-se que o conhecimento P mais preciso que o
conhecimento Q. Assim, P uma especializao de Q e Q uma generalizao de P. Ou
seja, a generalizao consiste em agrupar ou combinar algumas categorias, enquanto que a
especializao consiste em dividir as categorias em unidades menores.
3.1

50
3.3 _ Categorias Imprecisas, Aproximaes e Conjuntos
Aproximados

3.3.1 _ Rough Sets

Seja X U, e R uma relao de equivalncia. Diz-se que X R-definvel se X a
unio de algumas categorias bsicas de R, caso contrrio X R-indefinvel. Em outras
palavras, os conjuntos R-definveis so os subconjuntos do universo U que podem ser
exatamente definidos na base de conhecimento K, enquanto que os conjuntos R-
indefinveis no podem ser definidos nesta mesma base.
Os conjuntos R-definveis so tambm chamados de R-exatos, j os conjuntos R-
indefinveis so tambm conhecidos como R-inexatos e R-aproximados.
Alm das definies anteriores, importante destacar que X U ser exato em K se
existir uma relao de equivalncia R IND(K) tal que X R-exato, e X aproximado em K
se X R-aproximado para qualquer R IND(K).

3.3.2 _ Aproximaes de Conjunto

Desde que algumas categorias no podem ser expressas exatamente em uma base
de conhecimento, utiliza-se a idia de aproximao de um conjunto por outros conjuntos.
Seja uma base de conhecimento K = (U,R). Com cada subconjunto X U e uma
relao de equivalncia R IND(K) associa-se dois subconjuntos:

{ }
{ } Superior o Aproxima X Y R U Y X R
Inferior o Aproxima X Y R U Y X R
=
=
: /
: /

Essas aproximaes ainda podem ser apresentadas da seguinte forma:

[ ] { }
[ ] { } =
=
X x U X X R
X x U X X R
R
R
:
:

Ou seja, a aproximao inferior caracterizada pela unio dos conjuntos
elementares de K que esto contidos totalmente em X. J a aproximao superior a unio
de todos os conjuntos que possuem interseo no vazia com X.
3.2
3.3
3.4
3.5

51
Graficamente tem-se [3.2]:

Figura 3.1: a) Aproximao Inferior de X b) Aproximao Superior de X

Seja ainda o conjunto X R X R x BN
R
= ) ( conhecido como R-limite de X. Estes trs
conjuntos ( X R , X R e ) (x BN
R
) podem ser entendidos da seguinte forma: X R o conjunto
de todos os elementos de U que, com certeza, podem ser classificados como elementos de
X na base R. X R o conjunto dos elementos de U que tm possibilidade de ser
classificados como elementos de X empregando-se o conhecimento R. ) (x BN
R
o
conjunto de elementos que no podem ser classificados em X e nem em X (complemento
de X).
Denota-se:

= X R X POS
R
) ( Regio R-positiva de X que contm os objetos que, com
certeza, so membros de X usando o conhecimento R.
= X R U X NEG
R
) ( Regio R-negativa de X que contm os objetos que no
pertencem a X, isto , pertencem ao complemento de X.
= X R X R X BN
R
) ( Regio de fronteira na qual no se pode decidir nada,
ou seja, afirmar se os objetos pertencem a X ou X.

Graficamente [3.2]:

52

Figura 3.2: a) Regio Positiva de X b) Regio Negativa de X c) Regio de Fronteira

Na figura 3.3, todos os conjuntos so aproximadamente iguais, uma vez que tm as
mesmas aproximaes inferior e superior. Por esta razo so chamados conjuntos
aproximados e, no universo U, qualquer desses conjuntos, representa o conjunto original X
[3.2].

Figura 3.3: Conjuntos Aproximados

De acordo com as consideraes anteriores, sejam as seguintes propriedades:
a) X R-definvel se e somente se X R X R =
b) X aproximado com a relao a R se e somente se X R X R

3.3.3 _ Propriedades da Aproximao

1) X R X X R
2) U U R U R R R = = = = ;
3) ( ) Y R X R Y X R =
4) ( ) Y R X R Y X R =
5) Y R X R implica Y X

53
6) Y R X R implica Y X
7) ( ) Y R X R Y X R
8) ( ) Y R X R Y X R
9) ( ) X R X R =
10) ( ) X R X R =
11) X R X R R X RR = =
12) X R X R R X RR = =
3.3.4 _ Aproximaes e Relaes de Pertinncia

O conceito de aproximao de conjunto faz com que seja necessria uma nova
concepo de relao de pertinncia. Ao contrrio da teoria de conjunto, na qual cada
elemento do universo pertence ao conjunto X ou ao seu complemento X, na teoria de
conjuntos aproximados a relao de pertinncia baseia no conhecimento que se tem acerca
do objeto a ser classificado.
Formalmente tem-se:
X R X se somente e se X x
R

X R X se somente e se X x R

Onde
R
denota que x certamente pertence a X com relao a R e R denota que x
possivelmente pertence a X com relao a R.
R
e R so chamadas de relaes de
pertinncia inferior e superior respectivamente.

3.3.5 _ Caracterizao Numrica da Impreciso

A inexatido de um conjunto se deve a existncia de uma regio de fronteira entre as
regies R-positiva e R-negativa. Quanto maior esta regio menor a preciso do conjunto. A
figura seguinte ilustra esta regio [3.3].


54
RX
RX
NEG
R
(X)
BN
R
(X)
POS
R
(X)

Figura 3.4: As trs regies de X

Para se ter uma idia mais precisa dessa inexatido, utiliza-se a medida de preciso
que dada por:
( )
X R card
X R card
X
R
=
Onde: card X R a cardinalidade de X R , ou seja, o nmero de elementos do conjunto.

E ainda: X e
R
(X) definido no intervalo [0,1]

Quando
R
(X) = 1, X R-definvel e a regio de fronteira vazia. Se
R
(X)<1, X R-
indefinvel e a regio de fronteira no vazia.

3.3.6 _ Caracterizao Topolgica de Impreciso

Existem quatro tipos diferentes de conjuntos aproximados definidos como se segue:
1) Se U X R e X R , ento X aproximadamente R-definvel, ou seja,
possvel saber se alguns elementos de U pertencem a X ou X.
2) Se U X R e X R = , ento X internamente R-indefinvel, ou seja, pode-se
saber que alguns elementos de U pertencem a X, mas no se consegue indicar
um elemento de X.
3) Se U X R e X R = , ento X externamente R-indefinvel, ou seja,
possvel indicar alguns elementos de U que pertencem a X, mas no possvel
indicar elementos em X.
3.6

55
4) Se U X R e X R = = , ento X totalmente R-indefinvel, ou seja, no
possvel indicar elementos de U pertencentes a X ou X.

Da classificao topolgica de conjuntos definida, seja a seguinte propriedade:

a) X R-definvel (aproximadamente R-definvel, totalmente R-definvel) se e
semente se X tambm o for.
b) X externamente (internamente) R-indefinvel se e somente se X for
internamente (externamente) R-indefinvel.

Deve ter sido observado que foram apresentadas duas maneiras de se caracterizar
conjuntos aproximados: coeficiente de preciso e a classificao topolgica. O coeficiente
de preciso expressa quo grande a regio de fronteira, enquanto que a classificao d a
noo de como esta regio est estruturada.
importante destacar a existncia de uma relao entre as duas caracterizaes. Se
o conjunto internamente ou totalmente indefinvel, ento o coeficiente de preciso nulo.
Mas se o conjunto externamente ou totalmente indefinvel, seu complemento apresenta
coeficiente nulo.

3.3.7 _ Aproximao de classificaes

A aproximao de classificaes uma simples extenso da definio de conjuntos.
Assim, se F = {X
1
, X
2
,..., X
N
} uma famlia de conjuntos no vazios (classificao), ento
{ } , ,..., ,
2 1 N
X R X R X R F R = e { } , ,..., ,
2 1 N
X R X R X R F R = so chamados, respectivamente, de
aproximaes R-inferior e R-superior da famlia F.
Sejam as duas medidas da inexatido das classificaes aproximadas que se
seguem:
i) Acuidade da aproximao de F por R:
( )
=
i
i
R
X R card
X R card
F

ii) Qualidade da aproximao de F por R:
( )
=
U card
X R card
F
i
R

3.7
3.8

56
A acuidade da aproximao expressa a porcentagem de decises corretas possveis
ao se classificar objetos empregando o conhecimento R. J a qualidade da classificao
expressa a porcentagem de objetos que podem ser corretamente classificados em classes
de F empregando o conhecimento R.

3.3.8 _ Igualdade Aproximada de Conjuntos

A igualdade de conjuntos outra diferena importante entre a teoria de conjunto
clssica e a teoria de conjuntos aproximados. Na primeira, dois conjuntos so iguais se eles
tm exatamente os mesmos elementos. J na segunda teoria, se faz necessrio introduzir o
conceito de igualdade aproximada. Desta forma, dois conjuntos podem no ser iguais na
teoria de conjunto clssica e serem aproximadamente iguais na teoria em questo.
So trs os tipos de igualdade aproximada de conjuntos:
1. X e Y so R-iguais inferiormente ( Y X R ~ ) se Y R X R = .
2. X e Y so R-iguais superiormente ( Y X
R
~ ) se Y R X R = .
3. X e Y so R-iguais ( Y X
R
) se. Y X R ~ e Y X
R
~ .

Essas noes de igualdade aproximada poder ser interpretadas da seguinte forma:
a) Se Y X ~ Os exemplos positivos de X e Y so os mesmos;
b) Se Y X~ Os exemplos negativos de X e Y so os mesmos;
c) Se Y X Ambos os exemplos, positivos e negativos de X e Y, so
os mesmos.

3.3.9 _ Incluso Aproximada de Conjuntos

Seja uma base de conhecimento K = (U,R), X, Y U, e R IND (K). Diz-se que:

a) X R-incluso inferiormente em Y ( Y X
R ~
) se Y R X R .
b) X R-incluso superiormente em Y ( Y X R
~
) se Y R X R .
c) X R-incluso em Y ( Y X
R
~
~
) se Y X R
~
e Y X
R ~
.


57
3.4 _ Reduo de Conhecimento

3.4.1 _ Reduct e Core do Conhecimento

Antes de se definir os conceitos fundamentais de REDUCT e CORE, so necessrias
algumas noes auxiliares.
Seja uma famlia de relaes de equivalncia e seja R . Diz-se que R
dispensvel em se IND() = IND(- {R}), seno R indispensvel. A famlia
independente se cada R for indispensvel em , de outro modo dependente.
Proposies:

a) Se independente e , ento tambm independente;
b) CORE () = RED()
Onde: RED() a famlia de todos os redutos de .

Agora sim os conceitos de REDUCT e CORE podem ser definidos. Seja uma
famlia de relaes de equivalncia, o reduto de (RED ()) definido como um conjunto
reduzido de relaes que mantm a mesma classificao indutiva de . J o CORE o
conjunto de relaes indispensveis que caracterizam .
Visando ilustrar esses conceitos seja o exemplo seguinte:

Seja = {P, Q, R} uma famlia de relaes de equivalncia. Sendo:

IND(-{P}) IND()
IND(-{Q}) = IND()
IND(-{R}) = IND()

Tem-se que Q e R so dispensveis e P indispensvel. Com o intuito de se
encontrar os redutos de deve-se inspecionar os pares de relao P,Q e P,R e verificar se
eles so independentes ou no.
Sendo:
IND({P,Q}) IND(Q)
IND({P,Q}) IND(P)

IND({P,R}) IND(R)
IND({P,R}) IND(P)

58
Tem-se que {P, Q} e {P, R} so os redutos de . E ainda:

{P, Q} {P, R} = {P} o core de
3.4.2 _ Reduct Relativo e Core Relativo do Conhecimento

Os conceitos de CORE e REDUTO definidos anteriormente precisam ser
generalizados com o intuito de se aumentar a aplicabilidade desses conceitos.
Primeiramente necessria a definio do conceito de uma regio positiva de uma
classificao com relao a uma outra classificao. Como visto anteriormente, por razes
matemticas, usam-se relaes de equivalncia ao invs de classificaes.
Seja P e Q relaes de equivalncia em U. Por regio P-positiva de Q (POS
P
(Q))
entende-se o conjunto:
X P U Q POS
Q U X
P
/
) (
=

Ou seja, a regio P-positiva de Q o conjunto de todos os objetos de U que podem
ser apropriadamente classificados em classes de U/Q empregando-se o conhecimento
expresso por U/P. Agora sim, seguem as definies generalizadas dos conceitos de
REDUTO e CORE.
Sejam e Q famlias de relaes de equivalncia em U. Diz-se que R Q Q-
dispensvel em se:
)) ( ( )) ( (
}) { ( ) (
Q IND POS Q IND POS
R IND IND
=

De outro modo R Q dispensvel em .
E deriva da que:
Se todo R em Q-indispensvel, ento Q-independente.
A famlia S ser chamada de Q-reduto de se e somente se S sub-
frmula Q-independente de e ( ) ) (
S
Q POS Q POS
P
= .
O conjunto de todas as relaes elementares Q-indispensveis em sero
chamados de Q-core de , e sero denotados por CORE
Q
().
Se P=Q tem-se ento as definies da seo 3.4.1.
E ainda:
) ( ) ( P RED P CORE
Q Q
=

Onde RED
Q
() a famlia de todos os Q-redutos de .

59
3.4.3 _ Reduo de Categorias

Estendendo as definies feitas para relaes de pertinncia na seo 3.4.1 para
categorias tem-se:
Seja F = {X
1
, X
2
, X
3
, ..., X
n
} uma famlia de conjuntos tal que X
i
U. Diz-se que X
i

dispensvel em F se (F-{X
i
}) = F. Caso contrrio X
i
indispensvel em F.
E ainda:
A famlia F independente se todos os seus elementos so indispensveis
em F. Caso contrrio F dependente.
A famlia H F reduto de F se H independente e H = F.
A famlia de todos os conjuntos indispensveis de F ser chamada de
CORE(F). Assim:
( ) ) (F RED F CORE =

Onde: RED(F) a famlia de todos os redutos de F.

3.4.4 _ Reduto Relativo e CORE Relativo de Categorias

Generalizando o conceito de REDUTO e CORE com relao a um conjunto
especfico tem-se: suponha uma famlia F = {X
1
, X
2
, X
3
,..., X
n
}, X
i
U e um subconjunto
YU, tal que F Y. Diz-se que X
i
Y-dispensvel em F se (F-{X
i
}) Y. Do contrrio X
i

Y-indispensvel em F.
E:
A famlia F Y-independente em F se todos os componentes so Y-
indispensveis em F. Do Contrrio F Y-dependente em F.
A famlia H F um Y-reduto de F se H Y-independente em F e H Y.
A famlia de todos os conjuntos Y-indispensveis em F sero denominadas Y-
CORE de F (COREY(F)). Assim:

( ) ( ) F RED F CORE
Y Y
=

3.5 _ Dependncias na Base de Conhecimento

Diz-se que o conhecimento Q depende do conhecimento P quando Q derivvel de
P, ou seja, todas as categorias elementares de Q podem ser definidas em termos de
algumas categorias elementares de P. Emprega-se a notao PQ.

60
3.5.1 _ Dependncia de Conhecimento

Formalizando a definio anterior tem-se: seja K = (U,) a base de conhecimento e
P, Q .
1. O conhecimento Q depende do conhecimento P se IND(P) IND (Q).
2. P e Q so equivalentes, PQ, se PQ e QP. E logicamente, IND(P)=IND(Q).
3. P e Q so independentes, PQ, se nem PQ e nem QP.
3.5.2 _ Dependncia Parcial de Conhecimento

A dependncia ao invs de total pode ser parcial, significando que parte do
conhecimento Q depende do conhecimento P.
Definies: Seja a base de conhecimento K = (U, ) e P, Q . Diz-se que o
conhecimento Q depende em um grau k (0 k 1) do conhecimento P, ou seja, P
k
Q, se
somente se:
( )
U card
Q POS card
Q k
P
P
= = ) (

Se k=1, a dependncia total. Se k=0, Q independente de P. Em outras palavras,
se k=1, todos os elementos do universo podem ser classificados nas categorias elementares
de Q empregando-se o conhecimento P. Se 0 < k < 1, s os elementos do universo que
pertencem regio positiva podem ser classificados nas categorias elementares de Q
empregando-se o conhecimento P. E finalmente, k=0, nenhum elemento do universo pode
ser classificado empregando-se o conhecimento P.

3.6 _ Representao do Conhecimento

A representao do conhecimento ser estruturada atravs de uma tabela de dados
e referenciada como Sistema de Representao do Conhecimento (SCR).
A tabela de dados ser composta por colunas chamadas de atributos e linhas
chamadas de objetos. Os dados da tabela podem ser obtidos atravs de medies,
observaes ou representaes de agente ou um grupo de agentes.
Cada atributo pode ser associado a uma relao de equivalncia. Assim, cada tabela
de dados pode ser vista como uma notao para uma certa famlia de relaes de
equivalncia, ou seja, uma base de conhecimento. Logo, pode-se formular todos os
conceitos discutidos at agora em termos de classificao induzida por atributos e seus
valores.
3.9

61
3.6.1 _ Definio Formal de SRC

Formalmente, um SRC um par S=(U,A) onde U um conjunto no-vazio e finito
chamado universo e A um conjunto no-vazio e finito de atributos primitivos. E todo
atributo primitivo a A uma funo a:
a
V U , onde V
a
o conjunto de valores de a,
denominado domnio de a. Para todo subconjunto de atributos B A, associa-se uma
relao IND(B) chamada de relao de indiscernibilidade e definida como:

( ) ( ) ( ) ( ) { } y a x a B a todo para U y x B IND = = , : ,
2

Obviamente IND(B) uma relao de equivalncia e:

) ( ) ( a IND B IND
B a
=

Cada subconjunto B A ser chamado atributo. Se B um conjunto unitrio ento B
ser chamado de atributo primitivo. Do contrrio ser chamado atributo composto. O
atributo B pode ser considerado o nome da relao IND(B), ou ainda, o nome do
conhecimento representado pela relao IND(B).
importante ressaltar que existe uma correspondncia um a um entre a base de
conhecimento e o SRC. Para uma base de conhecimento K= (U, ) existe um S=(U,A) de
modo que: se R e U/R = {X
1
, X
2
, ..., X
k
} ento ao conjunto de atributos A pertence todo
atributo a
R
:
aR
V U tal que V
aR
={1, 2, ..., k} e a
R
(X)=i se somente se X X
i
para i=1,2, ...k.
Exemplo:
Tabela 3.1
1 0 1 1 0 8
2 1 1 1 2 7
1 1 0 2 2 6
1 0 2 0 1 5
2 2 0 1 1 4
1 1 0 0 2 3
2 1 1 1 0 2
0 2 2 0 1 1
e d c b a U

U consiste de 8 elementos enumerados de 1 a 8. A = {a, b, c, d, e} o conjunto de
atributos V= V
a
= V
b
= V
c
= V
d
= V
e
= {0, 1, 2}. E sejam ainda algumas das parties geradas
pelos atributos:
3.10

62
U/IND(a) = {{2,8}, {1,4,5}, {3,6,7}}
U/IND(b) = {{1,3,5}, {2,4,7,8}, {6}}
U/IND(c,d) = {1}, {3,6}, {2,7}, {4}, {5}, {8}}

Seja CA um subconjunto de A e C={a,b,c}. Seja ainda um subconjunto do conjunto
universo U, X = {1,2,3,4,5}. As aproximaes superior, inferior e o C-limite de X sero dados
por:

IND(C) = {{1,5}, {2,8}, {3}, {4}, {6}, {7}} = IND({a,b,c})

{ } X Y C IND Y X C = : ) (
} 4 { } 3 { } 5 , 1 { = X C
} 5 , 4 , 3 , 1 { = X C

{ } = X Y C IND Y X C : ) (
} 4 { } 3 { } 8 , 2 { } 5 , 1 { = X C
} 8 , 5 , 4 , 3 , 2 , 1 { = X C

( ) } 8 , 2 { = = X C X C X BN
C

Assim, X aproximado com relao ao atributo C e os elementos 2 e 8 podem ser ou
no membros de X empregando o conjunto de atributos C. E ainda:

IND(C-a) = IND(b,c) = {{1,5},{2,7,8},{3},{4},{6}}

} : ) ( { ) ( X Y a C IND Y X POS
a C
=

} 5 , 4 , 3 , 1 { ) ( =
X POS
a C

IND(C-b) = IND(a,c) = {{1,5},{2,8},{3,6},{4},{7}}
} 5 , 4 , 1 { } 4 { } 5 , 1 { ) ( = =
X POS
b C

IND(C-c) = IND(a,b) = {{1,5},{2,8},{3},{4},{6},{7}}
} 5 , 4 , 3 , 1 { } 4 { } 3 { } 5 , 1 { ) ( = =
X POS
c C

E:

} 5 , 4 , 3 , 1 { ) ( = X POS
C


63
Foi visto que se uma famlia de relaes de equivalncia e R . Diz-se que R
dispensvel em se IND( ) = IND( - {R}), seno R indispensvel. A famlia
independente se cada R for indispensvel em , de outro modo dependente.
Como:

IND(C) = IND(C-c) = {{1,5}, {2,8}, {3}, {4}, {6}, {7}} e IND(C) IND(C-a) e IND(C) IND(C-b)

Tem-se que: a e b so indispensveis e c dispensvel.

E ainda: {a,b} o reduto e o core de C

3.6.2 _ Significncia dos Atributos

bvio que em uma base de conhecimento os atributos possuam graus variados de
importncia. Esse grau pode ser pr-assumido na base de conhecimento auxiliar e expresso
por pesos adequadamente atribudos.
Uma forma de se chegar ao grau de importncia adicional na tabela retirar o
atributo da mesma e ver como a classificao modificada. Se ao remover o atributo, a
classificao se modificar consideravelmente, implica que sua significncia alta. Caso
contrrio sua significncia baixa. Ou seja, como uma medida de importncia de um
atributo ou um subconjunto de atributos BB com relao classificao induzida pelo
conjunto de atributos C, usa-se a diferena:

( ) ( ) C C
B B B '

Lembrando que:

( )
U card
C POS card
C
B
B
= ) (

Observao: cabe neste ponto apresentar a diferena essencial entre sistemas de
representao do conhecimento (SRC) e base de dados relacional. O modelo relacional no
est interessado no significado das informaes contidas na tabela. A nfase est na
manipulao e estruturao eficiente dos dados. J no SRC, todos os objetos so
representados explicitamente e os valores dos atributos tm associado significado explcito
como caractersticas dos objetos.

3.11
3.12

64
3.7 _ Tabelas de Deciso

Uma tabela de deciso um tipo de prescrio que especifica quais as aes
(decises) devem ser tomadas quando algumas condies so satisfeitas.

3.7.1 _ Definio formal

Seja k = (U, A) um sistema de representao de conhecimento e C, D A dois
subconjuntos de atributos denominados condio e deciso respectivamente. SRCs com a
distino entre atributos de condio e deciso so chamados de tabelas de deciso
e denotados por T = (U, A, C, D). E ainda, as classes de equivalncia das relaes IND(C) e
IND(D) so chamadas de classes de condio e deciso respectivamente.
Outras definies:

Para todo x U associa-se uma funo dx: AV, tal que dx(a) = a(x) para
todo aCD; a funo dx ser chamada de regra de deciso e x ser
referenciado como um label da regra de deciso dx.
dx|C e dx|D denotam, respectivamente, a restrio de dx a C e a restrio
de dx a D e so chamadas de condies e decises de dx. Se dx
consistente ento dx|C=dy|C implica dx|D=dy|D para todo yx. Do contrario
dx inconsistente.

Propriedades:

1. A consistncia de uma tabela de deciso pode ser constatada computando-se o grau
de dependncia entre os atributos de condio e deciso. Se o grau de dependncia
entre os atributos for igual a 1, ento a tabela consistente. Caso contrario,
inconsistente.
2. Se o grau de dependncia pertence ao intervalo (0,1), essa tabela inconsistente
pode ser decomposta em duas sub-tabelas: uma totalmente inconsistente (grau de
dependncia igual a zero) e outra consistente (grau de dependncia igual a 1).

3.7.2 _ Simplificao da Tabela de Deciso

Numa tabela de deciso reduzida, as mesmas decises podem ser baseadas num
nmero menor de condies. Isso elimina a necessidade de se verificar condies

65
desnecessrias ou, em certas aplicaes, executar testes dispendiosos para se chegar a
concluses que poderiam ser atingidas por meios simples e baratos.
O mtodo empregado neste trabalho e que segue a proposio de Pawlak [3.1] para
simplificao de tabelas de deciso consiste em trs passos:

1. Clculo dos redutos dos atributos de condio. Isto equivale a eliminao de
algumas colunas da tabela de deciso.
2. Eliminao de exemplos (linhas) duplicados
3. Eliminao de valores suprfluos de atributos (core)

Executando os passos anteriores obtm-se uma tabela de deciso incompleta,
contendo apenas aqueles valores de atributos de deciso que so necessrios para se
tomar a deciso. Como objetivo reproduzir toda a classe de deciso com o menor nmero
de condies, suficiente identificar os redutos relativos das classes de condio com
relao s classes de deciso. O mtodo similar ao usado para clculo dos redutos de
atributos.

3.8 _ Raciocnio sobre o Conhecimento

A principal preocupao deste tpico descobrir dependncias entre dados e reduzi-
los sem perda do conhecimento expresso por eles.
O conhecimento passou a ser representado por uma tabela de valores-atributos
chamada de SRC. Esta forma de representao apresenta grandes vantagens como, por
exemplo, sua clareza. Contudo, os algoritmos de anlise do conhecimento apresentados at
o momento so consideravelmente complexos. Por esta razo, se a tabela de dados for
observada como um conjunto de proposies sobre a realidade, poder ento ser tratada
por meio de ferramentas lgicas, resultando em algoritmos mais simples para a anlise e
reduo de dados. De fato, uma tabela de dados pode ser vista como um modelo de lgica
especial chamada lgica de deciso.

3.8.1 _ A Linguagem da Lgica de Deciso

A linguagem da lgica de deciso consiste de frmulas elementares que so pares
atributo-valor combinados por meio de conectivos lgicos em uma forma padro, resultando
em frmulas compostas.
Primeiramente necessrio se apresentar o alfabeto da linguagem a ser utilizada:

66
A o conjunto de atributos;
V=V
a
o conjunto de valores dos atributos a A;
Smbolos:

~ Negao (NO)
Disjuno (OU)
Conjuno (E)
Implicao (SE ... ENTO)
Equivalncia (SE E SOMENTE SE)

O prximo passo definir o conjunto de frmulas da linguagem que o menor
conjunto que satisfaz as condies:

1. Expresses da forma (a,V) (ou na forma reduzida a
V
), chamadas de frmulas
elementares (ou atmicas), so frmulas da linguagem da lgica de deciso para
a A e v V
a
.
2. Se e so frmulas da linguagem ento tambm o so: ~, (), (), ( )
e ;

3.8.2 _ Semntica da Linguagem da Lgica de Deciso

Seja o estilo semntico de Tarski da linguagem da lgica de deciso empregando as
noes de modelo e satisfiability. Por modelo entende-se o SRC S=(U,A). Assim S
descreve o significado de smbolos de predicados (a,v) em U e, se as frmulas forem
interpretadas adequadamente no modelo, ento cada frmula se torna uma sentena cheia
de significado, expressando as propriedades de alguns objetos.
O conceito de satisfiability ajuda a estabelecer esta idia mais precisamente. Um
objeto xU satisfaz a frmula em S=(U,A) com a notao
s
x = | (ou = | x quando S est
subentendido) se somente se as seguintes condies so satisfeitas
1. v x a se v a x = = ) ( ) , ( | ;
2. = = | ~ | x no se x ;
3. = = = | | | x ou x se x ;
4. = = = | | | x e x se x .


67
Corolrios:

5. = = ~ | | x se x
6. = = = | | | x e x se x

Se uma frmula ento:
{ }
S
S
x U x x = = | :
o conjunto de objetos do universo que satisfazem a frmula em S e ser chamado de
significado da frmula em S.

Propriedades:
1. ( ) ( ) { } v x a U x v a
S
= = : , ;
2.
S S
= ~ ;
3.
S S S
= ;
4.
S S S
= ;
5.
S S
S
= ;
6. ( ) ( )
S S S S S
= .

Ainda necessria lgica a noo de verdade. A frmula verdade em um SRC S,
s
= |
, se e somente se U
s
= , ou seja, a frmula satisfeita para todos os objetos do
universo no sistema.

Propriedades:
1. U se
S
s
= = | ;
2. = =
S
s
se ~ | ;
3.
S S
s
se = | ;
4.
S S
se = = |

O que realmente importante de se ter em mente que uma frmula depende do SRC,
ou seja, depende do conhecimento que se tem acerca do universo. Desta forma, uma
frmula pode ser verdadeira em um SCR e falsa em outro.

68
3.8.3 _ Deduo em Lgica de Deciso

Da mesma forma que foi feito com as relaes de pertinncia e categorias para se
chegar ao SRC e s tabelas de deciso, deve-se fazer, primeiramente, algumas definies e
enunciar alguns axiomas para a nova linguagem abordada neste item.
Sejam A e V um conjunto de atributos e o conjunto de valores desses atributos
respectivamente. Frmulas da forma:
(a
1
,v
1
) (a
2
,v
2
) ... (a
n
,v
n
)
Onde: v
i
Va
i

P = {a
1
, a
2
, ..., a
n
} e P A so chamadas de P-frmulas. A-frmulas sero chamadas
de frmulas bsicas.

Se uma P-frmula e = | x com xU ento ser chamada de P-descrio de x
em S. O conjunto de todas as A-frmulas que so satisfeitas em S=(A,V) so chamadas de
conhecimento bsico em S.
necessrio definir tambm uma frmula
S
(P) (ou (P)) que a disjuno de todas
as P-frmulas satisfeitas em S. Se P=A, ento (A) ser chamado de frmula caracterstica
do SRC S=(U,A). Ou seja, a frmula caracterstica representa todo o conhecimento contido
em S.
Em uma referncia a tabela de representao do conhecimento, tem-se que cada
linha representada por uma A-frmula. Assim,

Tabela 3.2
3 0 1 6
3 1 2 5
1 1 1 4
1 1 1 3
3 0 2 2
2 0 1 1
c b a U

a
1
b
0
c
2
, a
2
b
0
c
3
, etc so frmulas bsicas no SRC. J a frmula caracterstica do
sistema ser dada por:

a
1
b
0
c
2
a
2
b
0
c
3
a
1
b
1
c
1
a
1
b
1
c
1
a
2
b
1
c
3
a
1
b
0
c
3

E sejam ainda algumas frmulas do sistema a ttulo de exemplo:

69
|a
1
V b
0
c
2
| = {1,3,4,6}
|~(a
2
b
1
)| = {1,2,3,4,6}

Sejam os axiomas especficos da lgica de deciso:

a) (a,v) (a,u) 0 para qualquer a A, v e u V e v u;
b) 1 ) , (
v a V
a
V v
, para todo a A;
c) ) , ( ) , ( ~ v a V v a
v u
V u
a
para todo a A.

A ttulo de ilustrao para melhor compreenso dos axiomas, imagine que A seja um
atributo de cor. Pelo primeiro axioma tem-se que o objeto possui exatamente um valor, ou
seja, se o objeto vermelho ento no pode ser de outra cor. Pelo segundo axioma, tem-se
que cada atributo deve assumir um dos valores de seu domnio, isto , o objeto deve possuir
uma cor que o valor desse atributo. E finalmente pelo ltimo axioma evita-se a negao
para classificar um objeto, ou seja, ao invs de dizer que um objeto no vermelho, diz-se
que ou verde, ou azul ou amarelo.

Proposio: o conhecimento contido no SRC representa todo o conhecimento disponvel no
momento. Ou seja:
( ) A P para P
S
s
= , 1 |

Com essas definies preliminares e com os axiomas especficos, j possvel
definir os conceitos bsicos dessa nova abordagem.
Diz-se que derivvel de um conjunto de frmulas ( |- ) se e somente se
derivvel de axiomas e frmulas de por aplicao finita da regra de inferncia. J a
frmula um teorema se derivvel apenas dos axiomas.
O conjunto de frmulas consistente se e somente se a frmula ~
derivvel de .

3.8.4 _ Forma Normal

Seja P A um subconjunto de atributos e uma frmula na linguagem de
representao do conhecimento. est numa forma P-normal se e somente se 0, 1,
ou uma disjuno de P-frmulas no-vazias em S.


70
3.8.5 _ Regras e Algoritmos de Deciso

Qualquer implicao ser chamada de regra de deciso. ser chamado de
predecessor e de sucessor. Se a regra de deciso for verdadeira em S, ento a regra de
deciso consistente, do contrario a mesma inconsistente em S. Se ainda e so P-
frmula e Q-frmula respectivamente, ento a regra de deciso ser chamada de PQ-regra.
Uma PQ-regra admissvel em S se for satisfiable em S.

Proposio: uma PQ-regra consistente em S se e somente se toda {P Q}-frmula que
ocorre na forma {P Q}-normal do predecessor da regra, tambm ocorre na forma {P Q}-
normal do sucessor. Do contrrio inconsistente em S.

Isto posto, defini-se o conceito de algoritmo de deciso bsico que qualquer
conjunto finito de regras de deciso bsicas. Se todas as regras de deciso forem PQ-
regras ento o algoritmo chamado de PQ-algoritmo e denotado por (P,Q).
Diz-se ento que um PQ-algoritmo admissvel em S se o algoritmo o conjunto de
todas as regras admissveis em S. Um PQ-algoritmo completo em S se para todo x U
existe um PQ-regra no algoritmo tal que |= em S. Do contrrio o algoritmo
incompleto em S. Por ltimo, o PQ-algoritmo consistente em S se e somente se todas
as suas regras de deciso so consistentes em S. Do contrrio o algoritmo inconsistente
em S.
Para ilustrar, considere o exemplo a seguir onde P = {a,b,c} e Q = {d,e} so os
atributos de condio e deciso respectivamente.
Tabela 3.3
2 0 0 2 1 5
1 1 2 2 1 4
2 0 2 1 2 3
0 1 0 1 2 2
1 1 2 0 1 1
e d c b a U

Os conjuntos P e Q so associados unicamente ao seguinte PQ-algoritmo:

a
1
b
0
c
2
d
1
e
1

a
2
b
1
c
0
d
1
e
0

a
2
b
1
c
2
d
0
e
2

a
1
b
2
c
2
d
1
e
1

a
1
b
2
c
0
d
0
e
2


71
3.8.6 _ Verdade e Indiscernibilidade

A proposio a seguir apresenta um mtodo mais simples que a ltima proposio
apresentada para se verificar se um algoritmo de deciso consistente.

Proposio: uma PQ-regra em um PQ-algoritmo consistente em S se e somente se
para qualquer PQ-regra no PQ-algoritmo = implica em = .

importante ressaltar que com o propsito de se verificar se uma regra de deciso
verdadeira tem-se que mostrar que o predecessor da regra diferencia a classe de
deciso das classes remanescentes do algoritmo de deciso em questo. Assim, o
conceito de verdade pode ser substitudo pelo conceito de indiscernibilidade.
Exemplo: Seja a tabela 3 do exemplo anterior. Para P = {a,b,c} e Q = {e,d}, o
algoritmo consistente uma vez que todas as regras de deciso so consistentes pelo
simples fato de que os predecessores de todas as regras so diferentes. Contudo, se for
considerado o RT-algoritmo, onde R={a,b} e T={c,d}, ter-se-:

a
1
b
0
c
2
d
1

a
2
b
1
c
0
d
1

a
2
b
1
c
2
d
0

a
1
b
2
c
2
d
1

a
1
b
2
c
0
d
0

O RT-algoritmo inconsistente pois:
a
2
b
1
c
0
d
1

a
2
b
1
c
2
d
0

e ainda:
a
1
b
2
c
2
d
1

a
1
b
2
c
0
d
0

A nica regra consistente a
1
b
0
c
2
d
1

3.8.7 _ Dependncia de Atributos

O conjunto de atributos Q depende do conjunto de atributos P em S se existe um
PQ-algoritmo consistente em S e escreve-se P
S
Q (ou P Q).

72
Da mesma forma pode-se definir o conceito de dependncia parcial de atributos.
Diz-se que um conjunto de atributos Q depende parcialmente do conjunto de atributos P em
S se existe um PQ-algoritmo inconsistente em S. Como nas sees anteriores possvel
definir o grau de dependncia entre os atributos.
Seja (P,Q) um PQ-algoritmo em S. Entende-se por regio positiva do algoritmo
(P,Q), POS(P,Q), o conjunto de todas as PQ-regras consistentes no algoritmo. Ou seja, a
regio positiva do algoritmo de deciso (P,Q) a parte consistente do algoritmo
inconsistente. Lembrando que um PQ-algoritmo inconsistente se e somente se
POS(P,Q)(P,Q), ou em termos de cardinalidade, card POS(P,Q) card (P,Q).
O grau de consistncia do algoritmo dado por:
( )
( ) Q P card
Q P POS card
k
,
,
=
(0 k 1)

Assim, se um PQ-algoritmo tem um grau k, se diz que o conjunto de atributos Q
depende em grau k do conjunto de atributos P e escreve-se P
k
Q. Decorre imediatamente
que se k=1, ento o algoritmo consistente. Se k<1, ento o algoritmo inconsistente.
importante observar que estes conceitos correspondem exatamente aos
apresentados nas sees prvias deste captulo.

3.8.8 _ Reduo de Algoritmos Consistentes

A reduo de algoritmos consistentes trata da simplificao de algoritmos de deciso
atravs da investigao de quais so os atributos necessrios para a tomada de deciso.
Seja (P,Q) um algoritmo consistente e aP. Diz-se que um atributo a dispensvel
no algoritmo (P,Q) se e somente se ((P-{a}),Q) for consistente. Do contrrio a
indispensvel em (P,Q). Se todos os atributos aP so indispensveis ento (P,Q)
independente.
O subconjunto de atributos RP ser chamado reduto de P no algoritmo (P,Q) se o
algoritmo (R,Q) for independente e consistente. Se R o reduto de P no algoritmo (P,Q),
ento o algoritmo (R,Q) chamado reduto do algoritmo (P,Q).
O conjunto de todos os atributos indispensveis em (P,Q) ser chamado core do
algoritmo (P,Q) e denotado por CORE(P,Q).
Proposio:
CORE(P,Q) = RED(P,Q)
Onde:
RED(P,Q) o conjunto de todos os redutos de (P,Q)
3.13

73
3.8.9 _ Reduo de Algoritmos Inconsistentes

Seja (P,Q) um algoritmo inconsistente e aP. Um atributo a dispensvel no PQ-
algoritmo se POS(P,Q) = POS((P-{a}),Q). Do contrrio a indispensvel em (P,Q). O
algoritmo (P,Q) independente se todos os atributos aP forem indispensveis em (P,Q).
O conjunto de atributos RP ser chamado de reduto de (P,Q) se (R,Q) for
independente e POS(P,Q)=POS(R,Q). J o conjunto de atributos indispensveis em (P,Q)
ser chamado de core de (P,Q) e denotado por CORE(P,Q).
Observa-se que o caso do algoritmo consistente uma particularidade do caso
inconsistente.

Exemplo: Seja SRC apresentado na tabela abaixo e os atributos de condio e deciso
T={a,b} e W={c,d} respectivamente.
Tabela 3.4
0 0 2 1 5
0 2 1 2 4
1 0 1 2 3
1 2 2 1 2
1 2 0 1 1
d c b a U

A regio positiva de TW consiste apenas da nica regra consistente a
1
b
0
c
2
d
1

Verificando se os atributos so dispensveis:

Retirando o atributo a:
Tabela 3.5
0 0 2 5
0 2 1 4
1 0 1 3
1 2 2 2
1 2 0 1
d c b U

Pos(T-{a},W)=b
0
c
2
b
1
que a mesma regio positiva de (T,W). Logo a dispensvel.

Retirando o atributo b:

74
Tabela 3.6
0 0 1 5
0 2 2 4
1 0 2 3
1 2 1 2
1 2 1 1
d c a U

Pos(T-{b},W)=. Como POS(T,W) POS(T-{b},W), b dispensvel.

Ento b o core e o reduto do algoritmo cuja forma reduzida se segue:

B
0
c
2
d
1

B
2
c
2
d
1

B
1
c
0
d
1

B
1
c
2
d
0

B
2
c
0
d
0
3.8.10 _ Reduo de Regras de Deciso

A lgica de deciso pode ser usada para simplificar algoritmos de deciso atravs da
eliminao de condies desnecessrias em cada regra do algoritmo de deciso
separadamente, ao invs de se executar a reduo simultnea de todas as regras como
visto nas sees anteriores.
Primeiramente necessrio introduzir a seguinte notao: se uma P-frmula e
QP, ento por /Q entende-se a Q-frmula obtida da frmula removendo de todas as
frmulas elementares (a,V
a
) tal que a(P-Q).
Seja uma PQ-regra e aP. Diz-se que o atributo a dispensvel na regra
se e somente se:
|=
S
implica em |=/(P-{a})

Do contrrio o atributo a indispensvel.
Se todos os atributos aP so indispensveis em , ento ser chamada de
independente.
O subconjunto de atributos RP ser o reduto da PQ-regra se /R for
independente e |=
S
implica em |=/R. E ainda, se R for o reduto da PQ-regra ,

75
ento /R dito ser reduzida. O conjunto de todos os atributos indispensveis em
o core de e ser denotado por CORE().

Proposio:
CORE(PQ)=RED(PQ)
Onde:
RED(PQ) o conjunto de todos os redutos de (PQ).

Exemplo:
Tabela 3.7
2 0 0 1 1 5
1 1 2 2 1 4
2 0 2 1 2 3
0 1 0 1 2 2
1 1 2 0 1 1
e d c b a U

Existem duas formas de se resolver o problema. Na primeira, reduz-se o algoritmo
retirando-se da tabela todos os atributos de condio dispensveis e logo a seguir reduz-se
cada regra de deciso no algoritmo reduzido. A segunda opo consiste na reduo, no
incio, das regras de deciso, sem a eliminao dos atributos do algoritmo completo.
Pela primeira opo tem-se: a e b so atributos dispensveis. (a,c) e (b,c) so
redutos do algoritmo e c o core. Tm-se ento duas formas reduzidas:

Tabela 3.8
2 0 0 1 5
2 0 2 2 3
0 1 0 2 2
1 1 2 1 1
e d c a U

Tabela 3.9
0 1 0 1 2
2 0 0 2 5
2 0 2 1 3
1 1 2 2 4
1 1 2 0 1
e d c b U


76
Reduzindo-se cada regra tem-se:

A tabela XX est reduzida e no pode ser mais simplificada. As regras so:

a
1
c
2
d
1
e
1

a
2
c
0
d
1
e
0

a
2
c
2
d
0
e
2

a
1
c
0
d
0
e
2

J a tabela YY pode ter a regra 1 reduzida pela eliminao da condio c
2
. Assim:

b
0
d
1
e
1

b
2
c
2
d
1
e
1

b
1
c
2
d
0
e
2

b
2
c
0
d
0
e
2

b
1
c
0
d
1
e
0

3.8.11 _ Minimizao de Algoritmos de Deciso

O objetivo desta seo a eliminao de regras de deciso desnecessrias.
Contudo, antes de se estabelecer o problema de maneira mais precisa necessrio a
apresentao de algumas noes auxiliares.
Seja A um algoritmo bsico e S=(U,A) um SRC. O conjunto de todas as regras
bsicas em A tendo o mesmo sucessor ser denotado por A
, e P
ser o conjunto de
todos os predecessores das regras de deciso pertencentes a A
.
Uma regra de deciso bsica em A dispensvel em A se |=
S
P

{P
-{}},
onde P
denota a disjuno de todas as frmulas em P
. Do contrrio a regra
indispensvel. Se todas as regras em A
so indispensveis ento A
independente.
Um subconjunto A de regras de deciso de A
um reduto de A
se todas as regras
em A so independentes e |=
S
P

P
.
Agora sim se pode definir que um algoritmo bsico A mnimo se toda regra de
deciso em A reduzida e para cada regra em A, A
reduzido.
Em resumo, para se simplificar um PQ-algoritmo deve-se primeiro reduzir o conjunto
de atributos, ou seja, apresentar o algoritmo na forma normal. Em seguida deve-se
simplificar as regras de deciso.


77
Exemplo: Seja o SRC apresentado na tabela abaixo com P = {a,b,c,d} e Q={e} sendo os
atributos de condio e deciso respectivamente.

Tabela 3.10
2 2 2 2 2 7
2 2 0 2 2 6
2 2 0 1 1 5
0 1 0 1 1 4
0 0 0 0 0 3
1 0 0 0 1 2
1 1 0 0 1 1
e d c b a U

i) Verificando os atributos dispensveis:

c o atributo dispensvel, pois (P-{c}, Q) consistente.

ii) Computando o CORE dos atributos para a reduo dos valores de atributos
suprfluos.
Tabela 3.11
2 7
2 6
2 2 5
0 1 1 4
0 0 3
1 1 2
1 0 1

e d b a U

O CORE obtido fazendo-se a anlise de cada uma das regras de deciso. Cada
atributo retirado da tabela e verifica-se se no ocorreram inconsistncias. Caso no
haja inconsistncia o valor do atributo dispensvel para aquela regra.

iii) Clculo do reduto

O clculo do reduto tambm feito regra por regra e deve-se considerar que o
subconjunto RP reduto da PQ-regra se /R for independente e e |=
S
implicar
em |=/R. Ou seja, os atributos do subconjunto R devem ser indispensveis e no
deve existir inconsistncia nas frmulas com a retirada do atributo x (P-R). Assim:

78
Regra 1: {b} o core

R = {a,b} e x (P-R) = {d} (ou seja, d deve ser removido da tabela)

i) a e b so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
1
b
0
d
1
e
1
e a
1
b
0
e
1

|=
S
|=/R

Logo {a,b} reduto.

R = {b,d} e x (P-R) = {a} (ou seja, a deve ser removido da tabela)

i) b e d so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
1
b
0
d
0
e
1
e b
0
d
1
e
1

|=
S
|=/R

Logo {b,d} reduto.

Regra 2: {a} o core


i) a e b so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
1
b
0
d
0
e
1
e a
1
b
0
e
1

|=
S
|=/R

Logo {a,b} reduto.

R = {a,d} e x (P-R) = {b} (ou seja, b deve ser removido da tabela)

i) a e d so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
1
b
0
d
0
e
1
e a
1
d
0
e
1

|=
S
|=/R

Regra 3: a o core

i) b dispensvel (ou seja, sua retirada no gera inconsistncia para a regra 3).


79
Logo o sistema dependente e {a,b} no reduto.


i) d dispensvel (ou seja, sua retirada no gera inconsistncia para a regra 3)

Logo o sistema dependente e {a,d} no reduto.

Regra 3: {a} o core


i) b dispensvel (ou seja, sua retirada no gera inconsistncia para a regra 3).

Logo o sistema dependente e {a,b} no reduto.

Regra 4: {b,d} o core e o reduto

Regra 5: {d} o core


i) a dispensvel (ou seja, sua retirada no gera inconsistncia para a regra 5).

Logo o sistema dependente e {a,d} no reduto.

R = {b,d} e x (P-R) = {a} (ou seja, a deve ser removido da tabela)

i) {b} dispensvel (ou seja, sua retirada no gera inconsistncia para a regra 5).

Logo o sistema dependente e {b,d} no reduto.

Regra 6: core {}

R = {a} e x (P-R) = {b,d} (ou seja, b e d devem ser removidos da tabela)

i) Obviamente a indispensvel.
ii) a
2
b
2
d
2
e
2
e a
2
e
2

|=
S
|=/R

Logo {a} reduto.

80
R = {b} e x (P-R) = {a,d} (ou seja, a e d devem ser removidos da tabela)

i) Obviamente b indispensvel.
ii) a
2
b
2
d
2
e
2
e b
2
e
2

|=
S
|=/R

Logo {b} reduto.

R = {d} e x (P-R) = {a,b} (ou seja, a e b devem ser removidos da tabela)

i) Obviamente d indispensvel.
ii) a
2
b
2
d
2
e
2
e d
2
e
2

|=
S
|=/R

Logo {d} reduto.

R = {a,b}, R={b,d}, R={a,d} e R={a,b,d} no so redutos por serem dependentes.

Regra 7: idem a regra 6

Assim:
Tabela 3.12
2 2 ' ' 7
2 2 ' 7
2 2 7
2 2 ' ' 6
2 2 ' 6
2 2 6
2 2 5
0 1 1 4
0 0 3
1 0 1 ' 2
1 0 1 2
1 1 0 ' 1
1 0 1 1

e d b a U

iv) Reduzindo as regras iguais:

81
Tabela 3.13
2 2 ' 7 , ' 6
2 2 7 , 6
2 2 ' ' 7 , ' ' 6 , 5
0 1 1 4
0 0 3
1 0 1 ' 2
1 1 0 ' 1
1 0 1 2 , 1

e d b a U

Finalmente, o conjunto mnimo de regras ser dado por:

Para e
1
tem-se dois conjuntos mnimos de regra de deciso, a saber:

1) a
1
b
0
e
1

2) b
0
d
1
e
1

a
1
d
0
e
1

Para e
0
tem-se apenas um conjunto mnimo de regras, a saber:

1) a
0
e
0

2) b
1
d
1
e
0

Para e
2
tem-se apenas um conjunto mnimo de regras, a saber:

1) d
2
e
2

Assim, os dois conjuntos mnimos de deciso so:

a
1
b
0
e
1

a
0
e
0

b
1
d
1
e
0

d
2
e
2

e
b
0
d
1
e
1

a
1
d
0
e
1

a
0
e
0

b
1
d
1
e
0

d
2
e
2

82
Ou na forma combinada:
a
1
b
0
e
1
a
0
b
1
d
1
e
0
d
2
e
2

e
b
0
d
1
a
1
d
0
e
1

a
0
b
1
d
1
e
0
d
2
e
2

3.9 _ Aplicaes

Tendo sido apresentada a teoria formal de conjuntos aproximados, pode-se ento
partir para as aplicaes da mesma em situaes reais.

3.9.1 _ Tomada de deciso

Muitos problemas relacionados tomada de deciso so da forma: dado uma tabela
de deciso encontrar os algoritmos de deciso mnimos associados tabela.
No caso da manuteno preditiva, existem na anlise muitas caractersticas
relacionadas operao do motor, aquisio, capacidade do analista, etc., que interferem
diretamente no diagnstico. Como essas caractersticas esto inter-relacionadas e devem
ser levadas em considerao, fica muito difcil saber, realmente, quais dessas
caractersticas combinadas so indispensveis anlise, simplificando o laudo do analista e
aumentando a confiabilidade do sistema.
Se uma grande massa de dados for disponibilizada pelo departamento de preditiva
de uma planta industrial e a teoria de conjuntos aproximados for aplicada, ter-se- um
conjunto mnimo de atributos que gerar regras de controle que, por sua vez, daro o
diagnstico automtico de falhas para cada motor sob anlise.
Tm-se ento duas formas de se expressar o problema: simplificao de
tabelas de deciso ou busca de algoritmos mnimos de deciso associados tabela.
O primeiro mtodo se baseia em relaes de indicernibilidade (equivalncia) e tem
um aspecto algbrico enquanto que o segundo est fundamentado em lgica. O mtodo
algbrico direto, porm os algoritmos so, as vezes, ineficientes. J o mtodo lgico
menos obvio, mas gera algoritmos mais rpidos.

83
3.9.2 _ Anlise de dados

No item anterior, as tabelas consideradas representavam o conhecimento explcito
de um agente ou grupo de agentes. J as tabelas de deciso deste item so obtidas a partir
de medies e observaes.
Neste caso, o objetivo da aplicao de conjuntos aproximados em anlise de
dados a derivao de algoritmos de deciso (controle) dos dados observacionais
obtidos. Seja o exemplo a seguir.

O objetivo de um operador de fornos em uma planta industrial manter o
funcionamento do mesmo em estado apropriado. Para tal, o operador deve controlar dois
parmetros do forno: revolues do forno (e) e revolues do carvo (f). Estes valores so
ajustados pelo operador em funo da observao de quatro parmetros do forno:
temperatura da regio de queima (a), colorao da regio de queima (b), granularidade do
clinker (c) e colorao no interior do forno (d).
O conhecimento do operador explicitado atravs de suas observaes e decises
pode ser representado em uma tabela de deciso onde a, b, c e d so os atributos de
condio e, e e f so os atributos de deciso. Assim: tem-se o SRC apresentado na tabela
abaixo com P={a,b,c,d} e Q = {e} sendo os atributos de condio e deciso respectivamente.

Tabela 3.14
U a b c d e f
1 3 2 2 2 2 4
2 3 2 2 1 2 4
3 3 2 2 1 2 4
4 2 2 2 1 1 4
5 2 2 2 2 1 4
6 2 2 2 1 1 4
7 2 2 2 1 1 4
8 2 2 2 1 1 4
9 2 2 2 2 1 4
10 2 2 2 2 1 4
11 2 2 2 2 1 4
12 3 2 2 2 2 4
13 3 2 2 2 2 4
14 3 2 2 3 2 3
15 3 2 2 3 2 3
16 3 2 2 3 2 3
17 3 3 2 3 2 3
18 3 3 2 3 2 3
19 3 3 2 3 2 3
20 4 3 2 3 2 3
21 4 3 2 3 2 3

84
22 4 3 2 3 2 3
23 4 3 3 3 2 2
24 4 3 3 3 2 2
25 4 3 3 3 2 2
26 4 4 3 3 2 2
27 4 4 3 3 2 2
28 4 4 3 3 2 2
29 4 4 3 3 2 2
30 4 4 3 3 2 2
31 4 4 3 2 2 2
32 4 4 3 2 2 2
33 4 3 3 2 2 2
34 4 3 3 2 2 2
35 4 3 3 2 2 2
36 4 2 3 2 2 2
37 4 2 3 2 2 2
38 3 2 2 2 2 4
39 3 2 2 2 2 4
40 3 2 2 2 2 4
41 3 3 2 2 2 4
42 3 3 2 2 2 4
43 3 3 2 2 2 4
44 3 3 2 3 2 3
45 3 3 2 3 2 3
46 4 3 2 3 2 3
47 4 3 2 3 2 3
48 4 3 3 3 2 2
49 4 3 3 3 2 2
50 4 4 3 3 2 2
51 4 4 3 3 2 2
52 4 4 3 3 2 2

Sendo que os valores dos atributos esto assim classificados:

Atributo a:
1 (1380 -1420
o
C)
2 (1421 -1440
o
C)
3 (1441 -1480
o
C)
4 (1481 -1500
o
C)
Atributo b:

1 Vermelho claro
2 Rosa escuro
3 Rosa Claro
4 Rosa muito claro
5 Branco rosado

85
Atributo c:
1 Fino
2 Fino com pequenos gros
3 granulado
4 gros maiores
Atributo d:
1 Linhas escuras
2 Linhas escuras indistinguveis
3 Ausncia de linhas escuras
Atributo e:
1 0.9 RPM
2 1.22 RPM
Atributo f:
1 0 RPM
2 15 RPM
3 30 RPM
4 40 RPM

O primeiro passo para a obteno do conjunto de regras que reflete o conhecimento
do operador a eliminao de regras de deciso idnticas (linhas ou exemplos). Assim:

Tabela 3.15
2 2 2 3 2 4 13
2 2 2 3 3 4 12
2 2 2 3 4 4 11
2 2 3 3 4 4 10
2 2 3 3 3 4 9
3 2 3 2 3 4 8
3 2 3 2 3 3 7
3 2 3 2 2 3 6
4 1 2 2 2 2 5
4 1 1 2 2 2 4
4 2 1 2 2 3 3
4 2 2 2 2 3 2
4 2 2 2 3 3 1
f e d c b a U


86
O prximo passo a eliminao dos atributos de condio dispensveis. Retirando-
se cada um desses atributos da tabela, fcil de se perceber que somente a ausncia do
atributo b no gera inconsistncia na base de conhecimento. Logo b dispensvel. Assim:

Tabela 3.16
2 2 2 3 4 8
2 2 3 3 4 7
3 2 3 2 4 6
3 2 3 2 3 5
4 1 2 2 2 4
4 1 1 2 2 3
4 2 1 2 3 2
4 2 2 2 3 1
f e d c a U

Calculando o core para cada regra de deciso conforme apresentado no item 3.8.11
tem-se:
Tabela 3.17
2 2 8
2 2 3 7
3 2 2 6
3 2 3 5
4 1 2 4
4 1 2 3
4 2 1 3 2
4 2 2 3 1

f e d c a U

Seja agora o clculo dos redutos:

Para as regras 1 e 2, {a,d} o core e o reduto. J para as demais regras tem-se:

Regra 3: {a} o core

R = {a,c} e x (P-R) = {d} (ou seja, d deve ser removido da tabela)

i) c dispensvel.

Logo {a,c} no reduto.

87
R = {a,d} e x (P-R) = {c} (ou seja, c deve ser removido da tabela)

i) d dispensvel.

Logo {a,d} no reduto.

Regra 4: idem regra 3

Regra 5: {d} o core


i) a e d so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
3
c
2
d
3
e
2
f
3
e a
3
d
3
e
2
f
3

|=
S
|=/R

Logo {a,d} reduto.

R = {c,d} e x (P-R) = {a} (ou seja, a deve ser removido da tabela)

i) c e d so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
3
c
2
d
3
e
2
f
3
e c
2
d
3
e
2
f
3

|=
S
|=/R

Logo {c,d} reduto.

Regra 6: {c} o core


i) a e c so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
4
c
2
d
3
e
2
f
3
e a
4
c
2
e
2
f
3

|=
S
|=/R

Logo {a,c} reduto.


i) c e d so indispensveis (ou seja, suas retiradas geram inconsistncias)
ii) a
4
c
2
d
3
e
2
f
3
e c
2
d
3
e
2
f
3

|=
S
|=/R

Logo {c,d} reduto.

88
Regra 7: {c} o core


i) a dispensvel



i) d dispensvel

Logo {c,d} no reduto.

Regra 8: {} o core

R = {a} e x (P-R) = {c,d} (ou seja, c e d devem ser removidos da tabela)

i) a indispensvel
ii) a
4
c
3
d
2
e
2
f
2
e a
4
e
2
f
3
e a
4
e
2
f
2

|=
S
|=/R

Logo {a} no reduto.

R = {c} e x (P-R) = {a,d} (ou seja, a e d devem ser removidos da tabela)

i) c indispensvel
ii) a
4
c
3
d
2
e
2
f
2
e c
3
e
2
f
2

|=
S
|=/R

Logo {c} reduto.

R = {d} e x (P-R) = {a,c} (ou seja, a e c devem ser removidos da tabela)

i) d indispensvel
ii) a
4
c
3
d
2
e
2
f
2
e d
2
e
2
f
4
e d
2
e
1
f
4
e d
4
e
2
f
2

|=
S
|=/R

Logo {d} no reduto.


i) a dispensvel


89

i) a e d so indispensveis
ii) a
4
c
3
d
2
e
2
f
2
e a
4
c
3
e
2
f
2

|=
S
|=/R

Logo {a,d} reduto.


i) d dispensvel

Logo {c,d} no reduto.

Resultando em:
Tabela 3.18
2 2 2 4 ' 8
2 2 3 8
2 2 3 7
3 2 3 2 ' 6
3 2 2 4 6
3 2 3 3 ' 5
3 2 3 2 5
4 1 2 4
4 1 2 3
4 2 1 3 2
4 2 2 3 1
f e d c a U

Eliminando as regras iguais tem-se:
Tabela 3.19
2 2 2 4 ' 8
2 2 3 8 , 7
3 2 2 4 6
3 2 3 3 ' 5
3 2 3 2 ' 6 , 5
4 1 2 4 , 3
4 2 1 3 2
4 2 2 3 1
f e d c a U


90
Da tabela anterior resulta o conjunto de regras:

a
3
d
2
a
3
d
1
e
2
f
4

a
2
e
1
f
4

c
2
d
3
a
3
d
3
a
4
c
2
e
2
f
3

c
3
a
4
d
2
e
2
f
2

3.9.3 _ Outras Aplicaes

Na anlise de dissimilaridades, os atributos de condio e deciso no so
separados e nem distinguveis na SRC. Assim, o interesse no est mais voltado para a
dependncia entre os atributos, mas sim na descrio de alguns objetos em termos de
atributos disponveis com o propsito de se encontrar diferenas essenciais entre os objetos
de interesse (por exemplo: reconhecimento de padro).
A teoria de conjuntos aproximados tambm pode ser aplicada, com sucesso, ao
projeto de circuitos de chaveamento. Sabe-se que o resultado da operao dos circuitos
de chaveamento pode ser representado por meio de tabelas verdade que na teoria em
questo nada mais que uma tabela de deciso com dois valores para os atributos (0 ou 1).
Os atributos de condio representam as variveis de entrada e os de deciso representam
as variveis de sada. Ou seja, as tabelas verdade podem ser simplificadas pela aplicao
da teoria de conjuntos aproximados.
Outra aplicao em Mquina de Aprendizagem, um importante campo da
inteligncia artificial. Para o processo de aprendizagem a partir de exemplos tm-se duas
situaes:
i) Na primeira o universo de discurso U constante e imutvel durante o
processo de aprendizagem. Neste caso, sejam dois agentes: mestre e
aprendiz. O mestre possui conhecimento completo ou parcial sobre o
universo U. Cabe ao aprendiz aprender o conhecimento do mestre, ou seja,
encontrar uma descrio dos conceitos do mestre em termos dos seus
atributos (do aprendiz) de objetos disponveis.
ii) Novos exemplos podem ser adicionados ao conjunto U, que passa a ser
referenciado como conjunto de treinamento e considerado uma amostra do
universo desconhecido. Dependendo dos exemplos adicionados uma das trs
possibilidades ocorrer:
1) O novo exemplo confirma o conhecimento atual;
2) O novo exemplo contradiz o conhecimento atual;

91
3) O novo exemplo um novo caso e resulta em um novo algoritmo
de deciso.

3.9.4 _ Concluses Preliminares

Depois de todo o contedo terico apresentado, pode-se afirmar que a teoria de
conjuntos aproximados se aplica perfeitamente manuteno preditiva MITs,
auxiliando no diagnstico automtico de falhas. A viabilidade da utilizao da tcnica ao
objeto desse trabalho poder ser comprovada nos resultados apresentados no captulo 4.

3.10 _ Desenvolvimentos Recentes de Aplicao de Tcnicas de
Inteligncia Artificial ao Diagnstico de Falhas em MIT

Em funo da proposta de aplicao de TCA ao diagnstico de falhas em MITs,
torna-se imprescindvel a apresentao do histrico de como o assunto vem sendo tratado
no meio acadmico. Os desenvolvimentos mais recentes tm proposto a aplicao de
sistemas especialistas (SE), redes neurais (RN) e lgica fuzzy (LF) tanto na forma pura
quanto em sistemas hbridos.
A motivao primeira para o emprego dessas tcnicas reside no fato de que o
mtodo convencional de avaliao da condio do motor de induo se baseia em modelos
matemticos que so complexos e demandam um grande esforo computacional.
Os primeiros trabalhos de relevncia datam do final dos anos 80 e incio dos anos
90. A linha de tempo do desenvolvimento comea com artigos propondo a utilizao de
sistemas especialistas [3.4], seguidos por publicaes empregando-se redes neurais e
posteriormente sistemas hbridos com lgica fuzzy.
Para se ter uma idia de como essas propostas funcionam, foi selecionado um
conjunto de trs artigos e um breve resumo feito para cada um deles apresentado a
seguir.
Em [3.5], Filippetti et alli propem um sistema especialista com uma base de dados
baseada em dois nveis. O primeiro nvel responsvel por diferenciar um motor em bom
estado de um motor em falha. O modelo utilizado nesta primeira etapa mais simples e ao
diagnosticar a presena de avarias passa parmetros para o segundo nvel que possui um
modelo mais completo e demanda a entrada de novos parmetros para emitir o diagnstico
definitivo.

92
O sistema utiliza valores instantneos de corrente para obter as assinaturas dos
motores. O escorregamento estimado em funo da componente caracterstica do slot
(primeira banda lateral direita do padro de excentricidade esttica apresentada no captulo
2). Com a estimao do escorregamento, calculam-se as bandas laterais de barra quebrada
em torno da fundamental. A amplitude da banda lateral esquerda utilizada para
comparao com os valores de alarme estabelecidos permitindo que se diferencie a falha de
assimetrias inerentes ao processo de fabricao. Com os resultados do primeiro nvel so
gerados diversos parmetros. Esses parmetros so passados para o segundo estgio que
possui um modelo mais completo e emite o laudo final.
Apesar de tentar passar uma viso mais geral, a proposta vale para deteco de
barras quebradas. Assim, a deteco de outros tipos de falhas fica condicionada ao
desenvolvimento de novos modelos. exatamente este tipo de limitao que motivou o
estudo para aplicao de TCA ao diagnstico de avarias em MIT.
De acordo com Filippetti et alli [3.6], uma rede neural pode substituir de maneira mais
efetiva os modelos de mquinas com falhas usados para formalizar a base de conhecimento
do sistema de diagnstico.
O treinamento da RN normalmente realizado atravs de testes laboratoriais,
simulaes e, na maioria dos casos, atravs de modelos matemticos simplificados do
motor e relacionados a uma falha especfica. Este procedimento comum tambm para os
testes de outras tcnicas e busca reduzir a complexidade do problema de modelagem do
MIT e fornecer casos para treinamento dos mtodos de inteligncia artificial (IA). Esse
procedimento no aconselhvel para a aplicao prtica de algoritmos baseados nessas
tcnicas, pois so inmeras as variaes que podem ocorrer em campo fazendo com que o
mtodo fique bastante limitado a situaes bem especficas.
A escolha dos parmetros de entrada de suma importncia, implicando inclusive na
convergncia da rede. Como exemplo cita-se a referncia [3.6], que voltada para o
diagnstico de barras quebradas. Os atributos escolhidos foram: escorregamento (s), banda
lateral esquerda caracterstica de barra quebrada (1-2fs), banda lateral direita caracterstica
de barra quebrada (1+2fs), nmero de plos (P), nmero de barras rotricas (R) e valores
nominais dos dados de placa. A sada o nmero de barras quebradas.
Definido o conjunto de dados de entrada, feita a normalizao dos mesmos em
funo da experincia do especialista que escolhe os valores mximos de referncia.
Fazendo um paralelo entre RN e TCA, deve-se ter que as conexes neurais mais
fortes, ou seja, os parmetros de maior peso na RN devem ser os atributos de maior
significncia na tabela de deciso do TCA.

93
Em [3.7], Filippetti et alli apresentam uma reviso das tcnicas mais recentes e um
procedimento de diagnstico cujos passos principais so:

1. Extrao da assinatura do motor;
2. Identificao da falha;
3. Avaliao da severidade.

A implantao do mtodo de diagnstico baseado em tcnicas de IA acontece da
seguinte forma:

1. O comportamento fsico da mquina eltrica representado por um modelo
matemtico fornece os padres para diferentes condies de falhas
caracterizando cada uma delas.
2. O sistema especialista seleciona os ndices de diagnstico adequados
referentes a uma falha em particular. Esses ndices so importantes para a
formao do conjunto de dados de entrada do prximo passo.
3. Utilizao de tcnicas de IA (RN, LF, AG) para obteno das sadas
(diagnstico).

Ou seja, o sistema especialista faz o papel de filtrar as componentes espectrais de
interesse, eliminando informao intil e atuando como manipulador de nveis de alarme,
uma vez que decide qual componente de falha deve ser considerada ou ignorada.
Como o raciocnio do especialista no se expressa normalmente por nmeros, mas
sim atravs de termos lingsticos como baixo, mdio e alto, a aplicao de lgica fuzzy
se justifica na avaliao da severidade das componentes de falha.
Empregando anlise de vibrao e no MCSA, Bo Li et alli propuseram o diagnstico
de avarias em rolamento baseado em RN. A idia a mesma, isto , treinar uma rede
neural para emular o conhecimento do especialista (nesse caso especialista em vibrao).
Como entrada o sistema utiliza parmetros retirados do sinal no tempo e amplitudes das
freqncias caractersticas de folga em rolamento, avaria na pista interna e nos elementos
girantes. A sada o tipo de avaria detectada sem anlise de severidade.
Observa-se desta forma que a metodologia sempre semelhante: extrao de
caractersticas dos sinais coletados, normalizao, comparao com o modelo,
manipulao e classificao dos dados. De certa forma, estes passos esto contidos na
proposta de utilizao de TCA para diagnstico de falhas em MIT. Contudo, como poder
ser visto no captulo 4, o classificador proposto no se baseia em modelo matemtico e nem

94
se utiliza de tentativa e erro para estruturar a configurao da tabela de deciso. Essas
caractersticas tornam a proposta em questo bastante atraente e justificam sua aplicao.

95
CAPTULO 4

Resultados

Este captulo descreve os resultados obtidos divididos em duas partes: a primeira
apresenta a comprovao dos padres apresentados atravs de ensaios de laboratrio e
casos reais em indstrias para cada uma das falhas discutidas no captulo 2. J a
segunda parte trata dos resultados da aplicao da TCA, apresentada no captulo 3, no
problema estabelecido no captulo 1.

4.1 _ Introduo

Foi visto que quando uma falha est presente no prprio motor, no sistema de
transmisso ou na carga acoplada, o espectro de corrente do motor torna-se diferente e
essa diferena obedece a certos padres identificados e apresentados no captulo 2. Desta
forma, com o propsito de se comprovar todos os padres apresentados foram realizados
ensaios de laboratrio e testes reais em indstrias. Esses resultados so apresentados na
primeira parte deste captulo.
Em decorrncia das anlises realizadas em campo (empresas de alumnio,
mineradoras, siderrgicas, etc.) observou-se certas necessidades relativas ao diagnstico
robusto e aumento da confiabilidade da manuteno preditiva. Visando atender essas
necessidades foi proposta a aplicao da Teoria de Conjuntos aproximados no diagnstico
de falhas da preditiva. Na segunda parte do presente captulo, apresenta-se os resultados
da aplicao de TCA em Manuteno Preditiva.

4.2 _ Casos Reais da Aplicao dos Padres de Falhas

Com o intuito de se organizar a apresentao dos resultados que comprovam os
padres de falha apresentados no captulo 2, dividiu-se esses resultados em trs grupos:

A) Falhas no prprio motor

Fazem parte deste grupo as falhas de desalinhamento rotrico, desequilbrio
mecnico do rotor, barras quebradas ou trincadas e problemas em rolamentos.

Captulo 4 Resultados

96
1) Desalinhamento Rotrico

Este caso real refere-se monitorao de um motor instalado na planta da ALCAN
em Pindamonhangaba. O Motor acoplado diretamente bomba e a figura seguinte
apresenta as caractersticas construtivas do motor e da carga acoplada.

Perodo Analisado: 06/04/2005 14/04/2005
Aquisies: 04

Figura 4.1: Caractersticas do Motor e da Carga acoplada

No perodo analisado verificou-se um aumento considervel relacionado com a
rotao do conjunto. No espectro:

Figura 4.2: Sobreposio de espectros destacando-se a freqncia de rotao

97
Na tendncia tem-se:

Figura 4.3: Tendncia da freqncia de Rotao

As componentes relativas freqncia de passagem de ps no apresentaram
desvios conclusivos. Contudo um desvio importante no espectro o aparecimento de
turbulncias em torno da fundamental. Esse efeito comum em todos os espectros obtidos
a partir de 14/04/2005. Assim, a freqncia de rotao do motor se encontra em torno de
29,65 Hz e a faixa de turbulncia entre 0 e 10 Hz.

Figura 4.4: Aparecimento de componentes em torno da fundamental

O diagnstico foi de Excentricidade do air gap provocada por:

1) Problema no acoplamento do conjunto
2) Danos na bomba

Por essa razo recomendou-se a equipe de manuteno da planta, primeiramente, a
inspeo do acoplamento e, em seguida, a inspeo da bomba.

98
Observaes:

Como o acoplamento direto, fica mais complicado de se apontar com absoluta
certeza se a origem do problema est no motor ou na bomba. Contudo, em funo do
aparecimento da turbulncia apontada a partir de 14/04/2005, recomendou-se primeiro a
anlise do acoplamento e da bomba.

Aps a inspeo foi constatado pela equipe de manuteno da planta que o
problema era de desalinhamento causado pelo desgastes dos calos da bomba.

Aps reparo tem-se:

Figura 4.5: Tendncia aps reparo

Comparando os trs momentos (incio do problema, ponto mximo do problema
antes da interveno e aps reparo) na sobreposio dos espectros:

Figura 4.6: Sobreposio dos espectros

99
2) Desequilbrio Mecnico

importante ressaltar que esse foi o primeiro resultado real em indstria obtido por
este trabalho. O motor em questo se encontra na torre de resfriamento da rea de
utilidades da planta da ALCAN em Pindamonhangaba. Alm disso, destaca-se que a
assinatura deste motor apresenta nitidamente todas as componentes de interesse de forma
clara, se constituindo num excelente exemplo para compreenso da tcnica.
A equipe de preditiva da planta acreditava que o motor apresentava problema
relacionado quebra de barras. A anlise efetuada concluiu que no havia tal problema,
mas o rudo produzido pelo conjunto era sim resultado de um desequilbrio mecnico. A
anlise apresentada a seguir mostrar como se chegou a esta concluso:

Dados fornecidos pela preditiva da planta:

Nmero de barras do rotor = 40
Nmero de barras do estator = 48
Correia modelo. B180 Goodyear comprimento aproximado= 157cm
Nmero de rasgo da polia do motor = 05
Nmero de rasgo da polia do ventilador = 06
Dimetro polia motor = 145mm
Dimetro polia ventilador = 564 mm
Nmero de ps do ventilador = 06
Nmero do motor = 2376
Modelo = 160L 78960
Carcaa = 160L
Cv = 25cv
Ip/In = 8.3 F.S = 1.15 60Hz REG.S = 1 Ip=54
RPM = 1770

Barra Quebrada:

Observando o espectro da figura 4.7 percebe-se que as componentes caractersticas
de barra quebrada apresentam-se com amplitudes reduzidas. Existem componentes de
origem mecnica causando a impresso de quebra de barras, como poder ser comprovado
no decorrer do documento.

100
As linhas em vermelho apresentam as componentes caractersticas de barra
quebrada. As componentes assinaladas em verde so bandas laterais de barra quebrada
que coincidiram com freqncias de origem mecnica.

Figura 4.7: Componetes relativas quebra de barras

Freqncia de Rotao

J a componentes caractersticas de excentricidade do air gap apresentam
amplitudes considerveis de 53.64 db. Isto pode implicar em uma possvel falha,
dependendo apenas do histrico do motor. No restante da anlise indicar-se- onde,
provavelmente, est ocorrendo o problema.

Figura 4.8: Componetes relativas frequncia de rotao

101
Excentricidade Esttica

Excentricidade esttica bastante clara na anlise em alta freqncia (componentes
apontadas pelas setas vermelhas). Apontada pela seta verde tem-se a freqncia central
conforme padro apresentado no captulo 2.

Figura 4.9: Componetes relativas excentricidade esttica

Excentricidade Dinmica

Ao invs da modulao das componentes de excentricidade esttica pela freqncia
de rotao como se espera para o padro de excentricidade dinmica, apareceu na verdade
a modulao pela freqncia da correia. Desta forma, volta-se a ateno para o sistema de
transmisso.

Figura 4.10: Modulao das componentes de excentricidade esttica pela frequncia da correia

102
Correia

As setas em vermelho apontam para as componentes caractersticas da correia
modulando a fundamental. Elas so responsveis pela confuso com relao as
componentes de barras quebradas no laudo da equipe de preditiva da planta em funo de
haverem utilizado um equipamento de baixa resoluo espectral. As setas em verde
apontam para a operao da polia do ventilador. Aqui est provavelmente a origem do
problema, ou seja, correia.

Figura 4.11: Componentes da correia modulando a fundamental
Concluses

1. O motor estudado apresenta componentes caractersticas de falha relacionadas com a
correia.
2. A alta excentricidade esttica e a modulao da excentricidade dinmica pela freqncia
da correia so fortes indcios de problema na mesma.
3. No se observou quebra de barras, problemas em rolamento ou no estator.
4. Recomenda-se a anlise do conjunto de reduo por polias e correia. Talvez a correia
esteja apertada demais, provocando excentricidade esttica do air-gap.
5. Outra possibilidade a desequilbrio mecnico do conjunto com reflexo na correia.

O conjunto foi inspecionado e constatou-se que o mesmo encontrava-se
desequilibrado mecanicamente. Decidiu-se no parar mquina uma vez que a
possibilidade de existncia de barras quebradas foi eliminada e ficou constado que
o conjunto suportava o desequilbrio.

103
3) Barras Quebradas

Primeiramente, com intuito didtico, apresenta-se o resultado obtido em laboratrio.
O procedimento de ensaio foi bastante simples. Apenas substituiu-se um motor em perfeitas
condies por outro idntico, mantendo-se as condies de alinhamento e alimentao.
Utilizou-se para tal ensaio o simulador de falhas da empresa Spectra Quest (figura 4.12). As
caractersticas dos motores utilizados no ensaio so:

Motor Marathon Electric trifsico 0.5 HP alimentado por inversor Delta VFD-S.
Nmero de barras rotricas:34.
Nmero de ranhuras estatricas: 24.
Nmero de plos: 2
Velocidade nominal: 3540 RPM

Figura 4.12: a) Simulador de Falhas em MIT b) Motor com 2 barras quebradas

A sobreposio de espectros a seguir demonstra exatamente o que acontece com as
freqncias em fs f 2 . A assinatura em verde do motor em perfeitas condies de
operao. J a assinatura em azul do motor com barras quebradas. A diferena em dB
entre os espectros de aproximadamente 11 dB, ou seja, a amplitude da freqncia do
motor em falha 3.54 vezes maior que a amplitude da mesma componente do motor em
perfeito estado.

104

Figura 4.13: Componentes relativas barra quebrada

Obviamente a presena de barras quebradas impacta no crescimento de outras
componentes como, por exemplo, freqncia de rotao e excentricidade esttica.

Figura 4.14: Componentes relativas : a) frequncia de rotao e b) excentricidade esttica

J o caso industrial ocorreu na Companhia siderrgica de Tubaro CST em
Serra ES. Trata-se do motor da mesa do moinho que no momento da medio operava
com uma rotao de 1196 rpm, escorregamento de 0,004. A carga do motor era de
aproximadamente 25% da carga nominal.

105
Mesmo com uma carga to baixa (o que prejudica bastante a anlise) foi possvel
apontar problemas relativos s barras rotricas. Seja a assinatura do motor:


O nvel de 34.2 dB representa falha relacionada a barras rotricas (comparar com a
carta de severidade apresentada no captulo 2). Contudo, o analista deve tomar muito
cuidado, pois, como se trata de uma carga varivel, o mesmo pode ser levado a concluses
precitadas uma vez que variaes de velocidade tambm propiciam o aparecimento de
componentes em torno da fundamental.

O motor foi aberto e o no haviam barras quebradas, mas houve um
deslocamento das barras rotricas gerando um desequilbrio eltrico e mecnico
no rotor. Como o efeito o mesmo de barras quebradas, pode-se apontar o
problema no rotor, mas no diferenci-lo entre um caso ou outro.

4) Falhas eltricas

i) Curto-circuito entre espiras

Foi realizado em laboratrio um ensaio com o intuito de se demonstrar a efetividade
do acompanhamento da componente localizada em duas vezes a freqncia de alimentao
(neste caso 120Hz) do EPVA para diagnstico de curto-circuito entre espiras.

106
O procedimento de ensaio foi o seguinte: utilizou-se o motor Marathon do simulador
de falhas da Spectra Quest no qual foram inseridos taps para que fosse possvel a
introduo gradual de desequilbrio na alimentao em funo da insero de curtos. A
figura seguinte apresenta as caractersticas do motor e o como os taps para os curtos foram
introduzidos:

Figura 4.16: Dados do motor ensaiado e destaque para o curto-circuito inserido

Foram ensaiadas as condies de motor normal (sem desequilbrio) e cinco
severidades de curto-circuito gerando desequilbrios de 1.2V, 1.8V, 5.4V, 6.7V e 8.5V.
A figura seguinte apresenta a sobreposio dos espectros do motor em condio
normal (em vermelho) e do motor na pior condio de desequilbrio (8.5V) com destaque
para a componente de duas vezes a freqncia de alimentao no espectro do mdulo do
vetor de Park:

Figura 4.17: Espectro do mdulo do vetor Park com zoom nas componentes de desequlibrio eltrico

107
J a curva de tendncia de corrente (fig. 4.18) demonstra o crescimento geral da
componente de desequilbrio eltrico de EPVA com o aumento do curto-circuito. Cada trs
pontos da curva representam uma condio de severidade, comeando de normal e
avanando para severidade 1 (1.2V), 2 (1.8V), 3 (5.4V), 4 (6.7v) e 5 (8.5V). A severidade 4
apresentou amplitude menor que a severidade 3 em virtude de uma mudana na condio
de equilbrio da tenso de entrada mostrada na curva de tendncia da tenso (fig. 4.19),
sendo, portanto, possvel separar os efeitos de desequilbrios da rede daqueles provocados
por curto-circuitos e outras anomalias.

Figura 4.18: Curva de tendncia da corrente para a componente de desequilbrio

Figura 4.19: Curva de tendncia da tenso para a componente de desequilbrio


108
ii) Queda do isolamento

Foi efetuado na CSN, um estudo acerca da deteriorao do isolamento dos motores
do laminador. Os grficos a seguir permitem a comparao entre os valores de isolamento
dos motores fornecidos pela CSN e as porcentagens de desequilbrio fornecidas pelo EPVA.
Deve ser observado que no primeiro grfico est representada a medida do
isolamento em megohms-1 dos seis motores monitorados. O objetivo simples, quanto
mais elevado o valor em ambos os grficos pior a condio do motor, facilitando assim a
comparao. Outra questo importante que, com exceo do primeiro motor, as curvas
apresentam boa correlao.

Isolamento
0.0015
0.0025 0.0025
0.0020
0.0036
0.0025
0
0.0005
0.001
0.0015
0.002
0.0025
0.003
0.0035
0.004
1 2 3 15 16 23
12.5MA55
M
e
g
o
h
m
s
^
(
-
1
)

Figura 4.20: Isolamento em megohms-1
Porcentagem de Desequilbrio
0.69%
0.63%
0.70%
0.64%
0.77%
0.69%
0.00%
0.10%
0.20%
0.30%
0.40%
0.50%
0.60%
0.70%
0.80%
0.90%
1 2 3 15 16 23
12.5MA55

Figura 4.21: Porcentagem de desequilbrio fornecida pelo EPVA

109
Dos motores analisados, o que se encontra em pior condio o 16 (12.5MA55-16).
Este motor foi analisado anteriormente e assim pde-se comparar a evoluo de seu
problema (fig. 4.22). Sejam os valores de isolamento em cada uma das medies:

nov/05 500 Megohms
fev/06 280 Megohms

Assim:

Figura 4.22: Porcentagem de desequilbrio eltrico do motor 12.5MA16 em nov/05 (verde) e fev/06
(vermelho)

Na tendncia tem-se:

Figura 4.23: Curva de tendncia do desequilbrio de corrente do motor 12.5MA55-16

Pelos resultados obtidos, a tcnica de EPVA se apresenta como um mtodo
promissor no invasivo de anlise de assimetria estatrica gerada pela queda de
isolamento.

110
B) Falhas no sistema de transmisso

1) Polias

Este caso real ocorreu na planta da ALCAN de Pindamonhangaba. Dois motores
trifsicos de induo idnticos foram monitorados e um deles se encontrava com problema
na polia do motor.
Como no era conhecido o nmero de barras rotricas e nem o de ranhuras
estatricas, a anlise foi feita em baixa freqncia, ou seja, em torno da fundamental. Como
tambm no se possua informao do tipo de rolamento, a anlise deste elemento no foi
realizada. Deste modo, analisou-se as correias, polias motora e movida e freqncia de
rotao do motor.

Anlise comparativa dos motores

1. Freqncia de Rotao

Observa-se facilmente da figura seguinte que as componentes relacionadas
freqncia de rotao do Top Mill esto muito maiores que a do Bottom Mill. Pode-se
afirmar, com toda certeza, que existe uma avaria no Top Mill (diferena de 31 dB para f
r
implica em emergncia). O problema provavelmente est relacionado com
desalinhamento, folga ou polia do motor excntrica.

Top Mill Bottom Mill
Figura 4.24: Componentes relativas frequncia de rotao


111
2. Correia

As componentes selecionadas a seguir so freqncias caractersticas da correia.
Observa-se assim que estas componentes do motor Top Mill esto com amplitudes mais
elevadas (5 dB acima) que as componentes do Bottom Mill. Alm disso, o espectro fica
menos ruidoso, deixando mais evidente as componentes de falha.

Top Mill Bottom Mill
Figura 4.25: Componentes relativas frequncia da correia

Concluso:

Falha relacionada a desalinhamento, folga ou polia do motor excntrica.

O motor foi inspecionado e o problema era realmente na polia do motor.

2) Correias

Este caso aconteceu no site da SIEMENS de Curitiba. Trata-se de um motor WEG de
Alto Rendimento modelo AG25859 acoplado a um ventilador por meio de polia e correias,
denominado Motor Exaustor_Baixa.
Verificou-se a partir da anlise da assinatura da corrente deste motor nveis elevados
de excentricidade (42 dB), porm a tendncia se manteve constante. O estudo identificar a
origem desta excentricidade.


112

Figura 4.26: Caractersticas construtivas do motor e da carga

Frequncia de Rotao:

A excentricidade do air gap pode ser monitorada pelas componentes de alta
freqncia como as de excentricidade esttica e dinmica, porm como este motor
apresentou um espectro ruidoso nesta faixa de freqncia essa avaliao no foi possvel.
Assim fez-se a anlise apenas pela freqncia de rotao em baixa freqncia. O espectro
e a curva de tendncia abaixo refletem o comportamento desta componente nos trs meses
de monitoramento:


Correia

As componentes caractersticas das correias apresentam uma magnitude
bastante elevada e tambm se observa um acrscimo de 10 dB na curva de tendncia
no perodo de 30 dias. importante se observar o estado de conservao das correias e
polias e tambm o esticamento das correias, justificando os nveis elevados de
excentricidade apresentados anteriormente.


113

Figura 4.28: Componentes relativas frequncia da correia

A curva de tendncia apresentada na figura 4.20 traduz o efeito das componentes
caractersticas das correias. O aumento da severidade pode ser comprovado na figura
seguinte utilizando a ferramenta de sobreposio do software Preditor. Estes espectros
referem-se primeira aquisio efetuada (vermelho) e da ltima aquisio efetuada (verde).

Figura 4.29: Sobreposio do espectros com destaque para as frequncias da correia

Polia Movida

Observou-se tambm um nvel elevado das componentes caractersticas da polia
movida, porm esta se manteve constante.

114

Figura 4.30: Componentes relativas frequncia da polia movida

Sugere-se a partir dessa anlise uma inspeo visual do sistema de transmisso
e agendamento para ajuste de esticamento das correias e tambm avaliao sobre o
estado de conservao das correias e polias.

O sistema de transmisso foi inspecionado e as correias foram
substitudas uma vez que duas das quatro correias do conjunto
apresentavam rachaduras

C) Falhas na carga acoplada

A seguir so apresentados os resultados alcanados para os seguintes tipos de
cargas: Bomba, compressor a parafuso e ventilador.

1) Bombas

Trata-se de um caso real diagnosticado na planta da SIEMENS de Curitiba. Quatro
motores acoplados a bombas foram monitorados durante trs meses. O estudo e o
diagnstico encontram-se descritos a seguir:

Motor Bomba 2


115


Descrio: Motor WEG Alto rendimento modelo BD76948 acoplado a Bomba 2.

A anlise da assinatura do motor da bomba 2 permitiu as seguintes concluses
acerca da condio de operao do conjunto motor/bomba:

Frequncia de Rotao

As amplitudes das componentes relativas frequncia de rotao apresentam-se
bem elevadas. Isto pode ser indcio de desalinhamento, folga (possivelmente no retentor da
bomba) ou desbalanceamento mecnico.



O nvel de excentricidade esttica apresenta-se em nveis de ateno (54 dB),
contudo no houve tendncia de agravamento do problema. A anlise de excentricidade

116
dinmica ajudar na separao dos efeitos e poder-se- concluir sobre a existncia ou no
de desbalanceamento mecnico.

Figura 4.33: Componentes relativas frequncia de excentricidade esttica


Como pode ser observado na figura abaixo existe a modulao das componentes de
excentricidade esttica pela freqncia de rotao. Isto implica na presena de
desbalanceamento mecnico (a origem pode ser na carga), uma vez que a diferena em
dB entre as componentes de 14.3 dB.

Figura 4.34: Componentes relativas frequncia de excentricidade dinmica


117
Barras Quebradas

O nvel de barras quebradas ou pontos de resistncia eltrica nas barras rotricas
est em 49 dB, ou seja, nvel de ateno. No houve agravamento do problema. Contudo,
como este tipo de falha no comum, sugere-se acompanhamento da tendncia.


Frequncia de Passagem de Ps

A componente caracterstica de falha distribuda na bomba (na maioria das vezes
relacionada s ps) encontra-se evidente (290.42Hz) com 60 dB. Recomenda-se monitorar
esta componente antes e depois de confirmado o desbalanceamento mecnico.

Figura 4.36: Componentes relativas frequncia de passagem de ps


118
Motor Bomba 3



Este motor apresenta nveis de excentricidade elevados (34 dB) como o motor
anteriormente analisado. J em termos de barras quebradas ou pontos de alta resistncia
eltrica nas barras rotricas, o nvel bem inferior ao anterior (64 dB _ nvel considerado
normal). A anlise seguinte elucida a origem da excentricidade apontada pela anlise da
assinatura deste motor.

Freqncia de Rotao

O nvel de excentricidade do air gap encontra-se bem elevado. Isto pode ser
indcio de desalinhamento, folga (possivelmente no retentor da bomba) ou
desbalanceamento mecnico.



119

A excentricidade dinmica encontra-se com 15.8 dB, caracterizando
desbalanceamento mecnico. Possivelmente a origem do problema na bomba.

Figura 4.39: Componentes relativas excentricidade dinmica

Frequncia de Passagem de Ps

As componentes caractersticas de falha nesta bomba se apresentam com
amplitudes maiores que a da bomba anterior. O que realmente faz sentido uma
vez que as amplitudes caractersticas de excentricidade do air gap, excentricidades
esttica e dinmica so maiores para o motor da bomba 3.



120
Motor Bomba 5


Descrio: Motor WEG Alto Rendimento modelo FN37140 acoplado a Bomba 5.

Como pode ser observado nas descries dos motores das bombas, este o nico
motor cujo modelo diferente dos demais. A assinatura deste motor tambm bem distinta
e os principais pontos observados na anlise foram:


O nvel de excentricidade do air gap se encontra normal e se comparado com os
motores das outras bombas, os nveis so bem inferiores. O mesmo acontece com barras
quebradas ou pontos de alta resistncia no rotor. Contudo a excentricidade esttica
apresenta nveis semelhantes aos outros motores. J a excentricidade dinmica que
indicaria a presena de desbalanceamento mecnico encontra-se em nveis bem menores
que os outros motores. Logo, conclui-se que os efeitos de desbalanceamento mecnico
nesse motor ainda no esto evidentes e no comprometem sua operao.

Figura 4.42: Componentes relativas excentricidade esttica


121
Passagem de ps

Como era de se esperar, as componentes da bomba esto presentes, mas com
amplitudes menores que dos outros motores da bomba.


Motor Bomba 7



O motor da bomba 7 apresenta uma assinatura muito similar aos das bombas 2 e 3.
Desta forma, a indicao mais provvel de desbalanceamento mecnico. Contudo, a
severidade menor que as das bombas 2 e 3.

A Concluso do diagnstico para esse grupo de motores foi de desbalanceamento
mecnico nas bombas 2, 3 e 7. Sendo o desbalanceamento da bomba 7 menos
severo. Relatado o problema ao departamento de manuteno da planta, foi
divulgado o seguinte feedback: foram observados pequenos desalinhamentos
causados pelas bases de borracha da bomba que com o tempo vo cedendo e
precisam ser substitudas.

122
Outra informao importante relacionada deteco de problemas na carga que se
pode inferir tais problemas atravs do reflexo destes no sistema de transmisso. O ensaio
de laboratrio a seguir apresenta esta situao.
Duas bombas foram testadas em laboratrio: uma em perfeito estado de operao e
outra com as palhetas desgastadas. Elas foram acopladas ao motor atravs de uma correia
em V e a relao de transformao era de aproximadamente 1:1.

Figura 4.45: Fotos da montagem do ensaio

Observa-se atravs do espectro seguinte que as componentes referentes correia
sentiram o defeito da bomba, apresentando um crescimento na sua amplitude e uma
conseqente diminuio da diferena em dB para a fundamental de 47.0 dB para 43.7 dB.

Figura 4.46: Sobreposio dos espectros com destaque para as componentes da correia


123
Em azul, a assinatura da bomba defeituosa. Em verde, a assinatura da bomba em
boas condies. Na Regio das componentes caractersticas da bomba, o espectro
encontra-se bastante ruidoso, no sendo possvel a identificao do padro de falha.

Figura 4.47: Sobreposio dos espectros com destaque para as componentes de passagem de ps

2) Compressores

Os ensaios foram realizados nos dias 22 e 30 de Abril de 2004, na empresa MAHLE
COFAP em Itajub, nos compressores com identificao 02, 03, 04, e 05. Todos os
compressores fabricados pela Atlas Copco:
Compressor 02 Modelo: GA1407 e Srie: 860454

ltimas manutenes nas unidades compressoras (informao fornecida pela
planta):
Compressor 02 Agosto de 1999
Compressor 03 Janeiro de 2004
Compressor 04 Fevereiro de 2004
Compressor 05 Agosto de 2002

O estudo e o diagnstico de cada uma das unidades compressoras encontram-se
descritos a seguir:

124
Anlise da Carga

Figura 4.48:Esquemtico motor e unidade compressora

Compressor 2 BP3945:

Nmero de Dentes da Coroa = Desconhecido
Nmero de Dentes do Pinho = Desconhecido

Unidade Compressora
Freqncias
caractersticas
Vibrao
Freqncias
caractersticas
MCSA
Diferena
em dB
MCSA
Freqncia de Rotao do Motor 30Hz 89.90Hz 57.32
Freqncia de Rotao do Macho
No disponvel
111.83Hz 61.51
Freqncia de Rotao da Fmea
No disponvel
94.58Hz 78.20
Freqncia de Pulsao de Carga
No disponvel
267.10Hz 81.98

Figura 4.49: Componentes relativas frequncia
de rotao do motor
de rotao do parafuso macho

125

de rotao do parafuso fema
de pulsao de ar

Observa-se que as componentes caractersticas das partes da unidade compressora
so bastante claras no espectro de corrente. Apesar de no ter sido identificado os nmeros
de dentes das engrenagens do sistema pinho-coroa, a comparao com os relatrios de
vibrao de 01 de maro de 2004 comprovaram as componentes evidenciadas na anlise
da assinatura da corrente.
As magnitudes apresentadas nos espectros de corrente apontam um nvel elevado
de excentricidade, o que pode ser observado nas componentes de freqncia de rotao do
motor, que bastante caracterstica, porm no alarmante. O mesmo acontece com a
componente de rotao do parafuso macho.
Uma vez identificadas todas as componentes referentes unidade compressora,
necessrio ento o acompanhamento da tendncia das mesmas para concluses acerca da
severidade da falha.


Nmero de Dentes da Coroa = Desconhecido
Nmero de Dentes do Pinho = Desconhecido

Unidade Compressora
Freqncias
caractersticas
Vibrao
Freqncias
caractersticas
MCSA
Diferena
em dB
MCSA
Freq Rotao do Motor
No disponvel
89.89Hz 69.33
Freq Rotao do Macho 54Hz 114.08Hz 66.02
Freq Rotao da Fmea 36Hz 96.07Hz 74.99
Freqncia de Pulsao de Carga 216Hz 276.29Hz 81.46


126

de rotao do motor

de rotao do parafuso fema
de pulsao de ar

Neste compressor, observa-se tambm que foram identificadas todas as
componentes sendo que aqui elas apresentam magnitudes menores se comparado com o
compressor 2, porm todas elas se mostraram bastantes caractersticas e, portanto
necessria a monitorao dessas a fim de se acompanhar a ocorrncia de falhas nas partes
relacionadas unidade compressora.


Nmero de Dentes da Coroa = 63
Nmero de Dentes do Pinho = 30


127
Unidade Compressora
Freqncias
caractersticas
Vibrao
Freqncias
caractersticas
MCSA
Diferena
em dB
MCSA
Freq Rotao do Motor
Sem relatrio
89.76Hz 70.28
Freq Rotao do Macho
Sem relatrio
122.39Hz 52.69
Freq Rotao da Fmea
Sem relatrio
96.07Hz 79.49
Freqncia de Pulsao de Carga
Sem relatrio
309.35Hz 74.61

de rotao do motor

de rotao do motor

Observa-se tambm que foram identificadas todas as componentes sendo que aqui
as componentes relacionadas freqncia de rotao do macho apresentam uma
magnitude maior que dos outros compressores, porm as componentes relacionadas com a
rotao da fmea e pulsao no esto bem definidas. necessria a monitorao dessas

128
componentes a fim de se acompanhar a ocorrncia de falhas nas partes relacionadas
unidade compressora.


Nmero de Dentes da Coroa = 53
Nmero de Dentes do Pinho = 32

Unidade Compressora
Freqncias
caractersticas
Vibrao
Freqncias
caractersticas
MCSA
Diferena
em dB
MCSA
Freq Rotao do Motor
No disponvel
89.82Hz 53.47
Freq Rotao do Macho
No disponvel
109.14Hz 88.59
Freq Rotao da Fmea
No disponvel
92.90Hz 82.87
Freqncia de Pulsao de Carga 196.25Hz 257.28Hz 89.11

de rotao do motor

de rotao do motor

129
Tambm foram identificadas todas as componentes, sendo que neste compressor as
componentes relacionadas rotao do motor apresentaram uma magnitude maior que dos
outros compressores. As componentes relacionadas rotao da fmea e pulsao ainda
no esto bem definidas. necessria a monitorao dessas componentes a fim de se
acompanhar a ocorrncia de falhas nas partes relacionadas com a unidade compressora.
A freqncia de rotao mais elevada pode indicar problemas como desalinhamento
do eixo, excentricidade do air gap, falha localizada no engrenamento e reflexos de
problemas na carga.

Comparao entre os Compressores

A comparao de magnitudes das componentes entre os compressores no
conclusiva, uma vez que os compressores so diferentes, operam em rotaes diferentes e
tambm possuem diferente nmero de horas trabalhadas. Porm pode-se apresentar esta
comparao envolvendo as partes da unidade compressora para uma primeira avaliao do
estado de operao dos compressores.
Em seguida so apresentados os grficos para comparao das magnitudes
(diferena em dB) das componentes relacionadas com a excentricidade do motor, da
freqncia de rotao do macho, da freqncia de rotao da fmea e da freqncia de
pulsao da Carga:

Frequncia de Excentricidade do Motor
2
3
4
5
0
10
20
30
40
50
60
70
80
2 3 4 5
Compressores
D
i
f
.

d
B

Figura 4.65: Comparao entre as Componentes relativas frequncia de rotao compressores

130
Frequncia de Rotao Macho
2
3
4
5
0
20
40
60
80
100
2 3 4 5
Compressores
D
i
f
.

d
B

Figura 4.66: Comparao entre as componentes relativas rotao do parafuso macho

Frequncia de Rotao Fmea
2
3
4
5
70
72
74
76
78
80
82
84
2 3 4 5
Compressores
D
i
f
.

d
B

Figura 4.67: Comparao entre as Componentes relativas rotao do parafuso fmea

Frequncia de Pulsao da Carga
2
3
4
5
65
70
75
80
85
90
95
2 3 4 5
Compressores
D
i
f
.

d
B

Figura 4.68: Comparao entre as componentes relativas frequncia de pulsao

131
Concluses:

Com a tcnica de MCSA foi possvel apontar o padro espectral de cada parte
componente do compressor: parafusos macho e fmea e freqncia de
pulsao.

Existiam algumas dvidas acerca de algumas freqncias, j que as
engrenagens que hoje esto operando nos compressores 02 e 03 foram
trocadas e esse registro no foi encontrado. Porm a comparao com a
anlise de vibrao comprovou a troca das engrenagens e permitiu a
identificao sem nenhuma dvida das componentes caractersticas de falha
na unidade compressora.

O compressor 02 apresentou um nvel de excentricidade considervel,
prximo do nvel de ateno. Com relao as componentes caractersticas da
unidade compressora, destaca-se a componente do macho, sendo assim
recomenda-se o acompanhamento da tendncia desta componente. O
possvel problema associado a essas duas componentes mais caractersticas
na assinatura da corrente pode estar relacionado com desalinhamento do
conjunto, folgas ou falha localizada no engrenamento.

O compressor 03 apresentou uma excentricidade do airgap considerada
normal. Apresentou tambm todas as componentes caractersticas da
unidade compressora bem definidas. Isto no implica em problemas, mas
essa primeira medio pode ser adotada como referncia para se analisar a
tendncia dessas componentes em anlise futuras.

O compressor 04 foi o que apresentou maior amplitude das componentes
relacionadas com o parafuso macho e pulsao. Como esse compressor
sofreu manuteno em fevereiro de 2004, sugere-se verificar quais as
atividades realizadas nessa manuteno e realizar o acompanhamento de
tendncia. bom ressaltar que essa condio pode ser normal para o
compressor, dependendo das manutenes que foram efetuadas, tempo de
uso da mquina, etc.

O compressor 05 apresentou a maior amplitude de excentricidade do air
gap quando comparado aos outros compressores. O nvel de severidade de

132
ateno e a origem do problema pode estar relacionada com falha localizada
no sistema de engrenagem, desalinhamento do conjunto motor/carga e
folgas.

3) Ventiladores

Este caso real ocorreu na Novelis planta de Pindamonhangaba. Trata-se de um
motor acoplado a um ventilador de oito ps atravs de um redutor de engrenagens com
relao de 1:7.7.

Perodo Analisado: Maio 2004 Abril de 2005
Aquisies: 06

Figura 4.69: Caractersticas do motor e da carga acoplada

Verificou-se, no perodo analisado, um crescente aumento relacionado com a
rotao do ventilador.

Figura 4.70: Comparao entre as componentes de rotao do parafuso fmea


133
Na tendncia:

Figura 4.71: Tendncia da rotao do ventilador

Este efeito pode ser observado tambm no sinal no tempo. E a modulao
apresentada tem como freqncia a mesma apontada pela Rotao do Ventilador:

Figura 4.72: Modulao do sinal no tempo

V-se tambm um crescimento no to grande das componentes relacionadas com a
freqncia de rotao:

Figura 4.73: Tendncia da frequncia de rotao do motor

134
Suspeitas:

1) Aumento de excentricidade do Ventilador provocada por empeno de ps ou folga na
fixao com eixo;
2) Aumento de excentricidade no eixo de sada do redutor provocada por empeno do eixo ou
folga no rolamento;
3) Aumento de folga no sistema redutor provocado por desgastes nas engrenagens;

Recomendaes:

1) Realizar inspeo visual do ventilador com o motor parado buscando por empeno de ps;
2) Verificar folga no elemento redutor;
3) Verificar rudo audvel provocado por desgaste de rolamento do eixo de sada do redutor.

Foi feita a interveno e detectada folga no redutor

Como era de se esperar, aps o reparo foi observada a reduo das amplitudes das
componentes relacionadas rotao do ventilador.

Figura 4.74: Sobreposio de espectros com destaque para as componentes da rotao do ventilador

Na tendncia:

135

Figura 4.75: Tendncia da frequncia de rotao do ventilador

Contudo, a freqncia de rotao do motor aumentou substancialmente, indicando
um possvel problema no alinhamento quando da substituio do redutor.

Figura 4.76: Sobreposio de espectros com destaque para as componentes da rotao do ventilador
aps reparo


136

Figura 4.77: Tendncia da frequncia de rotao do motor

Recomendaes:
1) Verficar alinhamento do conjunto.

4.3 _ Resultados da Aplicao de TCA Manunteo preditiva de
MITs

No estabelecimento dos problemas a serem abordados neste trabalho e
apresentados no captulo introdutrio, foi dito que a TCA seria aplicada manuteno
preditiva de MITs com os seguintes objetivos:

1) Decidir dentre vrias tcnicas qual a melhor ou mais vivel economicamente
na deteco de um determinado tipo de falha.
2) Reproduzir o conhecimento de especialistas em preditiva, tornando
automtico o processo de diagnstico de falhas em MITs e fazendo com que
emprego de sistemas on-line torne-se extremamente atraente.
3) Dentro de uma nica tcnica (no caso MCSA), definir os parmetros que so
realmente importantes na classificao da falha.

O problema 1 descrito a seguir, apresenta os resultados da aplicao de TCA
visando os dois primeiros objetivos. J o problema 2 contempla o terceiro objetivo.


137
Problema 1:

As tcnicas de manuteno preditiva de motores de induo trifsicos tm sido
largamente utilizadas na indstria. Dentre todas as tcnicas, as que merecem maior
destaque so as tcnicas no invasivas como: anlise acstica, de vibrao e assinatura da
corrente eltrica.
Atualmente, a anlise de vibrao largamente utilizada na deteco de falhas em
mquinas rotativas. Apesar das razes que justificam a grande difuso da tcnica, existem
determinados problemas associados a mesma que estimulam o estudo e aplicao de
outras tcnicas como visto anteriormente. Um dos focos de problema da anlise de vibrao
se encontra no processo de aquisio do sinal de vibrao pelos acelermetros. Os
principais problemas so:

1. O sinal de vibrao colhido por um acelermetro um sinal local e em alguns
casos no produzir informao no outro extremo da mquina;
2. A anlise depende da orientao do transdutor;
3. O efeito do caminho de transmisso do sinal que pode atenuar as componentes
caractersticas de falha.

Considerando estes e outros problemas, torna-se interessante a anlise de outras
tcnicas. Alguns pesquisadores tem destacado os benefcios da utilizao de microfones em
mquinas alternativas ao invs da utilizao de acelermetros. As vantagens principais so:

1. a instalao e localizao de um nico microfone para monitorao acstica
mais fcil que a instalao de acelermetros. Os requisitos so a instalao
prxima a mquina e o microfone deve estar direcionado diretamente para a
mesma;
2. o microfone um sensor remoto, sem contato, o que elimina preocupaes com
a faixa de temperatura de contato do dispositivo e problema do sensor se
desprender da mquina;
3. o mtodo acstico, em muitos casos, pode ser usado como um mtodo de
deteco global de falhas, eliminando a necessidade do emprego de vrios
sensores de vibrao em diferentes pontos da mquina.

No caso especfico de motores de induo, cujos aspectos construtivos so
relativamente simples e se contrapem complexidade de seu princpio de funcionamento e
relao entre parmetros predominantemente eltricos e mecnicos, tm-se condies de

138
monitoramento intrinsecamente complicadas e por isso merecem um estudo mais detalhado.
O estudo aqui relatado compara a aplicao de trs tcnicas de anlise e submete as
informaes oriundas de cada uma delas ao classicador de falhas que possibilitar
importantes concluses no diagnstico de falhas em MIT.
Os sinais analisados so oriundos de [4.1] e foram submetidos a uma etapa de
processamento digital, cujo resultado foi submetido ao algoritmo de classificao de falhas.
Os resultados obtidos permitem avaliar as vantagens e desvantagens de cada anlise
(acstica, vibrao e corrente) alm de fornecer as caractersticas indispensveis de cada
uma para a classificao robusta de uma falha em potencial. Desta forma, espera-se
contribuir para uma tomada de deciso com relao a que tipo de tcnica se utilizar e/ou
quo vantajoso o emprego conjunto das anlises. E ainda, fornecer um conjunto mnimo
de atributos para serem analisados de forma a se obter uma classificao segura e
confivel.

O Sistema experimental:

O motor de induo foi ensaiado pela equipe do Doutor Bradley Payne do Strategic
Research Center da Rolls Royce no Reino Unido. A montagem utilizada compem-se de um
MIT acoplado a um gerador DC conectado a um banco de carga eltrica que dissipa a
energia eltrica em forma de calor. Existem cinco acelermetros instalados, trs
transdutores de efeito hall e um microfone. A aquisio dos sinais foi feita simultaneamente
com uma freqncia de amostragem de 25,6 KHz, 160.000 amostras por canal e ainda foi
realizado a mdia de cinco aquisies.

Figura 4.78: Esquemtico da Montagem Utilizada


139
As Falhas Monitoradas

Foram analisados dois tipos de falhas: desequilbrio de tenso em uma das fases e
barras quebradas. A cada falha foram atribudos dois graus de severidade e cinco nveis de
carga: vazio, 25%, 50%, 75% de carga e plena carga.

1) Desequilbrio de tenso em uma fase

Nos ensaios realizados foram induzidos 20V e 40V de desequilbrio, os espectros
dos sinais com a falha foram comparados com a operao normal do motor.
A ttulo de ilustrao so apresentados os espectros dos testes efetuados com plena
carga. Os espectros apresentados so do acelermetro posicionado no drive end, do
microfone e do sensor hall instalado na fase B.
Como pode ser observado na figura 4.79, a componente de interesse nos espectros
de vibrao e acstica que apresenta um aumento considervel de magnitude a
componente de 100 Hz (2 vezes a freqncia de alimentao), sendo que a anlise acstica
respondeu de forma mais evidenciada que a anlise de vibrao.
J as componentes de interesse no espectro de corrente so: 50, 150 e 250 Hz. A
componente de 150 Hz tem sua amplitude sempre acrescida, j a de 250 Hz reduzida.
Para um diagnstico eficaz de desequilbrio de tenso atravs da assinatura da corrente
torna-se necessrio a anlise de pelo menos duas fases, j que no se pode prever onde
ocorrer o desequilbrio de tenso [4.2].

2) Barras quebradas

A falha de quebra de barras em MIT comum em algumas aplicaes industriais. As
elevadas correntes de partida, quando a ventilao baixa, resultam em um stress trmico
e mecnico que levam quebra de barras, que comumente detectada pela presena de
bandas laterais de duas vezes a freqncia de escorregamento da freqncia de
alimentao no espectro de corrente [4.3]. A seguir, so apresentados os espectros dos
testes efetuados com plena carga para a falha em questo.
Como pode ser observado da figura 4.80, o diagnstico de quebra de barras atravs
dos espectros de vibrao e acstica feito atravs das seguintes componentes
caractersticas: 24, 48, 72 e 96 Hz (freqncia de rotao em Hz, 2, 3 e 4 harmnicos).

140
J a anlise em corrente inspeciona as compontes em torno da fundamental e a
prpria componente fundamental, isto , f+2fs, f-2fs, e f. No espectro em questo: 46, 50 e
54 Hz.
Para este caso de barras quebradas a anlise de corrente mostrou-se mais
adequada, uma vez que as componentes de vibrao e acstica apresentaram oscilaes
mediante o aumento de severidade da falha.

0 20 40 60 80 100 120
0
100
200
300
400
500
600
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Vibrao Motor Saudvel
0 20 40 60 80 100 120
0
100
200
300
400
500
600
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

Vibrao Desequilbrio de Tenso 20V
0 20 40 60 80 100 120
0
100
200
300
400
500
600
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

Vibrao Desequilbrio de Tenso 40V
0 20 40 60 80 100 120
0
200
400
600
800
1000
1200
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Acstico Motor Saudvel
0 20 40 60 80 100 120
0
200
400
600
800
1000
1200
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

Acstico Desequilbrio de Tenso 20V
0 20 40 60 80 100 120
0
200
400
600
800
1000
1200
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

0 50 100 150 200 250
0
500
1000
1500
2000
2500
3000
3500
4000
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Corrente Motor Saudvel
0 50 100 150 200 250
0
500
1000
1500
2000
2500
3000
3500
4000
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

Corrente Desequilbrio de Tenso 20V
0 50 100 150 200 250
0
500
1000
1500
2000
2500
3000
3500
4000
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro

Figura 4.79: Espectro de vibrao, acstica e corrente na presena de desequilibrio de tenso


141
0 20 40 60 80 100 120
0
20
40
60
80
100
120
140
160
180
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Vibrao Motor Saudvel
0 20 40 60 80 100 120
0
20
40
60
80
100
120
140
160
180
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Vibrao Barra Trincada
0 20 40 60 80 100 120
0
20
40
60
80
100
120
140
160
180
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Vibrao Barra Quebrada
0 20 40 60 80 100 120
0
50
100
150
200
250
300
350
400
450
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Acstica Motor Saudvel
0 20 40 60 80 100 120
0
50
100
150
200
250
300
350
400
450
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Acstica Barra Trincada
0 20 40 60 80 100 120
0
50
100
150
200
250
300
350
400
450
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Acstica Barra Quebrada
20 25 30 35 40 45 50 55 60
0
10
20
30
40
50
60
70
80
90
100
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Corrente Motor Saudvel
20 25 30 35 40 45 50 55 60
0
10
20
30
40
50
60
70
80
90
100
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Corrente Barra Trincada
20 25 30 35 40 45 50 55 60
0
10
20
30
40
50
60
70
80
90
100
Frequncia f(Hz)
A
m
p
litu
d
e
Espectro
Corrente Barra Quebrada
Figura 4.80: Espectro de vibrao, acstica e corrente na presena de barras quebradas

O Classificador

O classificador proposto baseia-se na teoria de conjuntos aproximados. A principal
idia transformar um conjunto de exemplos em um conjunto de regras que representa o
estado operacional de um motor de induo. Os atributos deste classificador so os sinais
processados de vibrao, acstica e corrente.
Desta forma, o algoritmo de classificao prope-se a receber uma massa de dados
oriundos dos sinais processados e reduzir essa massa de dados de modo a se obter um
conjunto reduzido que mantenha a mesma classificao indutiva da massa de dados iniciais.
Ou seja, sero mantidos apenas as informaes essenciais e indispensveis a classificao,
gerando-se assim um conjunto de regras que ter como sada o tipo de falha e seu grau de
severidade.
A partir dos resultados gerados pelo classificador poder-se- concluir quais
informaes de quais sinais so determinantes para uma classificao robusta dos
dados.

142
A proposta transformar um conjunto de exemplos originado dos sinais processados
em um conjunto de regras que especifique o tipo de falha e represente o estado operacional
de um motor de induo (Normal, severidade 1, severidade 2).
Ou seja, os dados do especialista alimentam o algoritimo de sintetizao do
conhecimento. Este algoritmo gera, por sua vez, os conjuntos reduzidos que mantm a
mesma classificao indutiva da massa de dados original baseados no clculo do CORE e
do REDUTO descritos no captulo 3. Alm dos conjunto reduzidos, a proposta deste trabalho
gerar uma reduo ainda maior baseada na gerao de conjuntos reduzidos
ponderados (CRP). Estes CRPs no mantm a mesma classficao indutiva da massa de
dados original, mas leva classificao das falhas a serem diagnosticadas baseados na
seleo dos atributos por critrios definidos pelo usurio. Por fim, o conjunto de regras
ser gerado e o sistema estar prepado para diagnosticar automaticamente as falhas
consideradas pelo analista.
Os critrios estabelecidos pelo usurio para selecionar os atributos de condio para
os conjuntos reduzidos ponderados podem ser os mais diversos: critrios econmicos,
segurana do funcionrio, critrios tcnicos, etc. Esses critrios implicaro no
estabelecimento de pesos para os atributos. Assim, para a gerao do CRP, o algoritmo
considera:
1. Os pesos dos atributos;
2. Se os atributos do conjunto reduzido permitem a classificao de todas as
decises do sistema;
3. Se os atributos do conjunto reduzido no geram inconsistncias na base de
dados.
Assim:

Dados
Bradley
Algoritmo
RS
Conjuntos
Reduzidos
Conjuntos
Reduzidos
Ponderado
s
Conjunto
de Regras
-Estabelecimento de
pesos para os atributos
- Classificao de todas
as aes
-No gerao de
inconsistncias

Figura 4.81: Princpio de funcionamento do classificador com os conjuntos reduzidos ponderados

143
O estado operacional do motor de induo e o modo de falha dependem de
informaes obtidas dos sinais colhidos do motor (vibrao, acstica e corrente).
Obviamente uma anlise mais abrangente, ou seja, com uma grande gama de motores,
exigiria um nmero maior de parmetros de entrada como caractersticas do motor (potncia
nominal, tenso, corrente e velocidade) e caractersticas gerais do processo relacionados ao
tipo de carga e condies de instalao, carga e do ambiente onde o motor est inserido.
A tabela 4.1 apresenta o conjunto de exemplos, relacionando os diferentes atributos
j classificados em faixas (L Low, M Medium, H High magnitude).
Essa massa original de dados foi criada a partir da seleo dos seguintes sensores:
microfone, acelermetro B e sensor hall na fase B. A razo para a escolha desses sensores
justifica-se em funo da melhor resposta s falhas apresentadas pelos mesmos.
Seja cada um dos atributos de entrada:
F1 a F5: 24, 48, 72, 96 e 100 Hz para a anlise acstica;
F6 a F11: 26, 46, 50, 54, 150 e 250 Hz para a anlise de corrente;
F12 a F16: 24, 48, 72, 96 e 100 Hz para a anlise de vibrao;
e Torque.
E ainda os atributos de sada:
Falha (Normal, BQ (barra quebrada), PI (desequilbrio de tenso))
Gravidade (Normal, half (trincada), full (quebrada), 20 e 40V de desequilbrio)
Tabela 4.1: Conjunto de Exemplos
Reg f1 f2 f3 f4 f5 f6 f7 f8 f9 f10 f11 f12 f13 f14 f15 f16 Torque Falha Gravidade
1 L L L L L L L L L H M L M M L L 0 Normal Normal
2 M H L L L L M L M H M M L M M L 0 BQ Half
3 L H L L L L H L H H M M H H H L 0 BQ Full
4 L L L L L L L L L H M L M L M L 25 Normal Normal
5 M L L L L L M L M H M H L M L L 25 BQ Half
6 L M L L L L H L H H M M L H M L 25 BQ Full
7 L L L L L L L L L H M M L M L L 50 Normal Normal
8 M L L L L L M L M H M M L L M L 50 BQ Half
9 L M L M L M H L H H M M L M M L 50 BQ Full
10 L L L L L L L L L H M M L L L L 75 Normal Normal
11 L L M L L L M L M H M H L H H L 75 BQ Half
12 M M L H L M H L H H M L H H M L 75 BQ Full
13 L L L L L L L L L H M L L M L L 100 Normal Normal
14 M L H H L L M L M H M H M H H L 100 BQ Half
15 L M L L L M H L H H M L H H H L 100 BQ Full
16 L L H L M M L M L L M L L H L M 0 PI 20V
17 L M H L H H L H L M M M L M L H 0 PI 40V
18 L M H L M M L M L L M H L H L M 25 PI 20V
19 L M H L H H L H L M M M L H L H 25 PI 40V
20 L M H L M M L M L L M M L H L M 50 PI 20V
21 M L H L H H L H L M M M H M L H 50 PI 40V
22 L L H L M M L M L L M M L H L M 75 PI 20V
23 L M H L H H L H L M M M H M L H 75 PI 40V
24 M L H L M M L M L L M M M H L M 100 PI 20V
25 L L H L H H L H L M M M H M L H 100 PI 40V


144
O conjunto reduzido e as regras de controle foram geradas por um algoritmo
baseado na TCA. De acordo com a proposta inicial, os resultados devem levar as seguintes
concluses: avaliar as vantagens e desvantagens de cada anlise (acstica, vibrao e
corrente) alm de fornecer as caractersticas indispensveis de cada anlise para uma
classificao robusta de uma falha potencial. Assim, sejam os resultados:
A tabela 4.2 apresenta o conjunto reduzido. Observa-se que os atributos F4, F8, F9,
F11 e F16 so dispensveis. importante ressaltar que apesar do nmero maior de linhas
existe um nmero menor de paramtros a serem analisados para classificar a ao.

Tabela 4.2: Conjunto Reduzido
F1 F2 F3 F5 F6 F7 F10 F12 F13 F14 F15
TORQ
FALHA
GRAVIDADE
- - - L - L - - - - - - NORMAL NORMAL
- - - - - M - - - - - - BQ HALF
- - - - - H - - - - - - BQ FULL
- - - M - - - - - - - - PI 20V
- - - H - - - - - - - - PI 40V
- - - - L L - - - - - - NORMAL NORMAL
- - - - M L - - - - - - PI 20V
- - - - H - - - - - - - PI 40V
- - - - - L H - - - - - NORMAL NORMAL
- - - - - - L - - - - - PI 20V
- - - - - - M - - - - - PI 40V
L L L - - - - - - - - - NORMAL NORMAL
M H - - - - - - - - - - BQ HALF
L H - - - - - - - - - - BQ FULL
M L L - - - - - - - - - BQ HALF
M L - L - - - - - - - - BQ HALF
- M L - - - - - - - - - BQ FULL
- M - L - - - - - - - - BQ FULL
- - M - - - - - - - - - BQ HALF
M M - - - - - - - - - - BQ FULL
- - H L - - - - - - - - BQ HALF
M - - - L - - - - - - - BQ HALF
- M - - L - - - - - - - BQ FULL
- - L - M - - - - - - - BQ FULL
- - H - L - - - - - - - BQ HALF
- L - - M - - - - - - - PI 20V
- - H - M - - - - - - - PI 20V
M L - - - - H - - - - - BQ HALF
- M - - - - H - - - - - BQ FULL
- - H - - - H - - - - - BQ HALF
- L - L - - - L - - - - NORMAL NORMAL
M - - L - - - M - - - - BQ HALF
M - - - - - - H - - - - BQ HALF
- L - - - - - H - - - - BQ HALF
- - - L - - - H - - - - BQ HALF
L L - L - - - M - - - - NORMAL NORMAL
M - - - - - - L - - - - BQ FULL
- M - - - - - L - - - - BQ FULL
- M - - - - - H - - - - PI 20V
L L - L - - - - - M - - NORMAL NORMAL
- H - - - - - - - M - - BQ HALF

145
M - - L - - - - - M - - BQ HALF
- H - - - - - - - H - - BQ FULL
L - - - - - - - - L - - NORMAL NORMAL
M - - - - - - - - L - - BQ HALF
- L - L - - - - - H - - BQ HALF
L - - L - - - - - - L - NORMAL NORMAL
- H - - - - - - - - M - BQ HALF
- H - - - - - - - - H - BQ FULL
L L - - - - - - - - M - NORMAL NORMAL
M - - L - - - - - - L - BQ HALF
- M - - - - - - - - M - BQ FULL
M L - - - - - - - - M - BQ HALF
- L - - - - - - - - H - BQ HALF
M - - - - - - - - - H - BQ HALF
- M - - - - - - - - H - BQ FULL
L - - - L - - - - - L - NORMAL NORMAL
- - - - M - - - - - M - BQ FULL
- - - - M - - - - - H - BQ FULL
- - - - M - - - - - L - PI 20V
- L - - - - H L - - - - NORMAL NORMAL
M - - - - - H M - - - - BQ HALF
- - - - - - H H - - - - BQ HALF
L L - - - - H M - - - - NORMAL NORMAL
L L - - - - H - - M - - NORMAL NORMAL
M - - - - - H - - M - - BQ HALF
- L - - - - H - - H - - BQ HALF
L - - - - - H - - - L - NORMAL NORMAL
M - - - - - H - - - L - BQ HALF
L - - - L - - - - M - - NORMAL NORMAL
M - L - - - - - - M - - BQ HALF
- - L - - - - - - H - - BQ FULL
- - - - M - - - - M - - BQ FULL
- - H - - - - - - M - - PI 40V
- - - L - - - L - - L - NORMAL NORMAL
M - - - - - - M - - M - BQ HALF
- - - - - - - M - - H - BQ FULL
L - - - - - - L - - M - NORMAL NORMAL
L - - - - - - M - - M - BQ FULL
- - - L - - - M - - L - NORMAL NORMAL
- - - - - - - H - - H - BQ HALF
- - - - - - - L - - H - BQ FULL
L - - - - - - H - - L - PI 20V
L - - - - - - - M - - - NORMAL NORMAL
- - - L - - - - M - L - NORMAL NORMAL
M - - - - - - - L - - - BQ HALF
- - - L - - - - H - - - BQ FULL
- - - - - - - - H - H - BQ FULL
- - - - - - - - M - M - NORMAL NORMAL
L - - - - - - - L - M - BQ FULL
- - - - - - - - L - H - BQ HALF
- - - - - - - - H - M - BQ FULL
M - - L - - - - M - - - BQ HALF
- - - - - - - - M - H - BQ HALF
- - - - - - - - H - L - PI 40V
M - - - - - - - M - L - PI 20V
- - - - L - - L - - - - NORMAL NORMAL
- - - - L - - H - - - - BQ HALF

146
- - - - L - - M - - L - NORMAL NORMAL
- - - - M - - H - - - - PI 20V
M - - - M - - M - - - - PI 20V
- - - - L - - - M - L - NORMAL NORMAL
- - - - L - - - H - - - BQ FULL
- - - - M - - - H - - - BQ FULL
- - - - M - - - M - - - PI 20V
M - - - - - - - - - - 0 BQ HALF
- - - - L - - - - H - 0 BQ FULL
- - - - - - - - - L - 25 NORMAL NORMAL
M - - - - - - - - - - 25 BQ HALF
- - - - - - - - - M - 25 BQ HALF
- - - - L - - - - H - 25 BQ FULL
L - - - L - - - - - - 50 NORMAL NORMAL
- - - - L - - - - M - 50 NORMAL NORMAL
- - - - - - - - - L - 50 BQ HALF
- - - - - - - - - L - 75 NORMAL NORMAL
- - - - L - - - - H - 75 BQ HALF
M - - - - - - - - - - 75 BQ FULL
L - - - L - - - - - - 100 NORMAL NORMAL
- - - - L - - - - M - 100 NORMAL NORMAL
- - - - L - - - - H - 100 BQ HALF
L - - - M - - - - - - 100 BQ FULL
L - - - - - - - - H - 100 BQ FULL
- - - - M - - - - - - 0 PI 20V
- - - - M - - - - - - 25 PI 20V
- - - - - - - - - H - 50 PI 20V
M - - - - - - - - M - 50 PI 40V
L - - - M - - - - - - 75 PI 20V
- - - - - - - - - M - 75 PI 40V
M - - - M - - - - - - 100 PI 20V
- - - - - - H L - - L - NORMAL NORMAL
- - - - - - H M - - L - NORMAL NORMAL

Visando um reduo ainda maior da massa de dados original estabeleceu-se os
seguinte critrios para a gerao dos conjuntos reduzidos ponderados:

Assim, os atributos F1 a F11 que representam os atributos de anlise acstica e
MCSA receberam pesos maiores que os demais relacionados a anlise de vibrao e
torque.
Com o estabelecimento dos critrios anteriores, uma possibilidade de conjunto
reduzido ponderado que no mantem a mesma classificao indutiva da massa de dados
inicial, mas que permite chegar ao diagstico das falhas em estudo, reflete o conhecimento
Facilidade de se medir sinais acsticos e eltricos;
Monitoramento de mquinas de difcil acesso.

147
do especialista e considera os critrios da viabilidade tcnica e de monitoramento de
mquinas de difcil acesso est baseada na escolha dos atributos F5 e F7.

Tabela 4.3: Conjunto Reduzido Ponderado

PI
Reg f5 f7 Falha Gravidade
1 L L Normal Normal
2 - M BQ Half
3 - H BQ Full
4 M - PI 20V
5 H -

Ou seja, a anlise na freqncia caractersca de 100 Hz no espectro acstico e a
componente de 46 Hz no espectro de corrente so suficientes para classificar a condio
saudvel do motor, e os dois tipos de falha estudados com seus respectivos graus de
severidade.
J as regras de controle so dadas por:

Se f5=L e f7=L ento Falha = Normal e Gravidade = Normal
Se f7=M ento Falha = BQ e Gravidade = H
Se f7=H ento Falha = BQ e Gravidade = F
Se f5=M ento Falha = PI e Gravidade = 20V
Se f5=H ento Falha = PI e Gravidade = 40V

importante ressaltar a existncia de outros conjuntos reduzidos que seguem o
mesmo raciocnio do conjunto anterior. A escolha adequada desses conjuntos baseia-se no
quo simples se obter informaes de cada sensor.
No exemplo em questo, os outros conjuntos reduzidos ponderados possveis so:
(F9, F10), (F8, F9), (F7, F10), (F7, F8), (F6, F9), (F6, F7), (F5, F9), etc.

Concluses

No que diz respeito escolha das anlises (vibrao, corrente e acstica) para o
diagnstico das falhas em questo, tem-se a partir dos resultados obtidos que uma
monitorao atravs da aplicao conjunta das trs anlises desnecessria. O
que de imediato implica numa reduo de custos com sensores e sistemas
desnecessrios.
A anlise acstica apresentou a melhor resposta para a falha de desequilbrio de
tenso. Enquanto que a anlise do espectro da assinatura da corrente se mostrou
mais indicada para deteco de barras quebradas.
40V

148
Contudo no se recomenda a utilizao cega da anlise acstica, ao mesmo passo
que destaca-se a capacidade de deteco de falhas pela anlise da corrente.
O classificador proposto representou de forma extremamente satisfatria o
conhecimento do especialista, alm de fornecer os conjuntos mnimos de atributos
capazes de diagnosticar os tipos de falhas estudados.
Outra importante contribuio do classificador a seleo das freqncias de
interesse que realmente contribuem para o diagnstico de falha, ou seja, tem-se a
definio de qual tcnica se empregar e qual freqncia com suas respectivas
magnitudes se observar.
vlido ressaltar a necessidade de se alimentar o classificador com um nmero
maior de falhas e de exemplos para se obter um conjunto de regras cada vez mais
abrangente.

Problema 2:

Novamente a idia transformar um conjunto de exemplos em um conjunto de
regras que especifique o tipo de falha e ainda informe o estado operacional de um motor de
induo e sua carga acoplada. Contudo, neste caso, empregar-se- apenas MCSA.
O estado operacional do motor de induo e seu modo de falha, apresentado na
figura 4.82, dependem da informao obtida dos dados amostrados de uma fase de corrente
do estator (podendo-se extrair informaes como a frequncia de rotao da mquina,
freqncias caractersticas de falha, etc.), parmetros relacionados s caractersticas
construtivas do motor (dados de placa, nmero de ranhuras estatricas e barras rotricas),
aspectos construtivos do sistema de transmisso e da carga acoplada, e finalmente, outros
atributos como anlise estatstica do sinal, corrente RMS no momento da aquisio, dentre
outros.

Figura 4.82: Estado operacional de um motor de induo e a mudana de seu estado operacional

149
A proposta de soluo para este problema, denominada Lessons Learned, tem
como objetivo fazer com que o sistema de manuteno preditiva aprenda com seu histrico.
O software de aquisio e processamento o responsvel pela formao do histrico. Em
tempos pr-determinados, o software envia o histrico para o classificador que por sua vez
gera um conjunto de regras para o software de aquisio e processamento. A partir de ento
o software passa a executar tambm o diagnstico de falhas. Ou seja:

Software de
Aquisio e
Processamento
Classificador
Regras de
Controle
Histrico
do Motor

Figura 4.83: Princpio do interrelacionamento entre o software de aquisio e processamento e o
classficador

O processo de seleo dos atributos que faro parte da base de conhecimento a ser
informada ao classificador ficar a cargo do analista. tambm de sua responsabilidade
classificar as falhas na primeira vez que elas ocorrerem. Assim considere os possveis
atributos de uma tabela de deciso com tal finalidade:

Tabela 4.4: Estrutura do SRC
Atributos de Entrada Atributos de Sada
Freqncias
Caracersticas
Freqncias
Adicionais
Dados
construtivos
Dados da
Aquisio
Outros
atributos
Tipo de
Falha
Severidade

Sejam as definies de cada um desses atributos:

150
As freqncias caractersticas so aquelas oriundas dos padres de falhas
apresentados no captulo 2. As faixas so dadas pelas cartas de severidade como as
apresentadas para barras quebradas e excentricidade dinmica.

As freqncias adicionais so aquelas componentes de freqncia cujas amplitudes
apresentam-se em destaque no espectro e no pertencem a nenhum padro de
falha. Para isso basta estabelecer um limiar no espectro e selecionar
automaticamente as freqncias que o ultrapassarem, desde que estas no sejam
freqncias caractersticas.

Dados construtivos so os dados de placa do motor, nmero de barras rotricas e
ranhuras estatricas, informaes do acoplamento e da carga acoplada.

Os dados de aquisio so informaes acerca de caractersticas do motor extradas
do sinal tais como: valor RMS, velocidade do motor, paramtros estatsticos que
meam a qualidade do sinal, etc.

Outros atributos esto relacionados a caractersticas consideradas relevantes pelo
analista e de alguma forma podem interferir no diagnstico das avarias.

Tipo de falha e severidade so os atributos de sada.

Isto posto, seja o processo de construo da base de conhecimento formada pelo
histrico acumulado dos casos reais e ensaios de laboratrio fornecidos ao SRC estruturado
de acordo com a tabela 4.4.
O primeiro passo a escolha dos atributos que iro compor a base de conhecimento.
Como dito anteriormente cabe ao analista a escolha desses parmetros. Assim:

Tabela 4.5: Atributos definidos para o SRC
F
1

F
2

F
3

F
4

F
5

F
6

F
7

F
8

F
9

F
1
0

F
1
1

F
1
2

F
1
3

F
1
4

F
1
5

F
1
6

F
1
7

F
1
8

F
1
9

F
2
0

F
2
1

F
2
2

F
2
3

F
2
4

P
o
t
.

I

N
G

F
a
l
h
a

S
e
v
e
r


151
Os atributos de entrada so compostos por freqncias caractersticas (F1 F24),
dados contrutivos (Pot e I) e dados da aquisio (NG). Seja cada um desses atributos:

F1: primeira banda lateral direita da freqncia de rotao do motor;
F2: segunda banda lateral direita da freqncia de rotao do motor;
F3: terceira banda lateral direita da freqncia de rotao do motor;
F4: primeira banda lateral esquerda da freqncia de rotao do motor;
F5: segunda banda lateral esquerda da freqncia de rotao do motor;
F6: terceira banda lateral esquerda da freqncia de rotao do motor;
F7: primeira banda lateral direita da freqncia de barra quebrada;
F8: segunda banda lateral direita da freqncia de barra quebrada;
F9: terceira banda lateral direita da freqncia de barra quebrada;
F10: primeira banda lateral esquerda da freqncia de barra quebrada;
F11: segunda banda lateral esquerda da freqncia de barra quebrada;
F12: terceira banda lateral esquerda da freqncia de barra quebrada;
F13: primeira banda lateral direita da freqncia de correia;
F14: segunda banda lateral direita da freqncia de correia;
F15: terceira banda lateral direita da freqncia de correia;
F16: primeira banda lateral esquerda da freqncia de correia;
F17: segunda banda lateral esquerda da freqncia de correia;
F18: terceira banda lateral esquerda da freqncia de correia;
F19: primeira banda lateral direita da freqncia de rotao do ventilador;
F20: segunda banda lateral direita da freqncia de rotao do ventilador;
F21: terceira banda lateral direita da freqncia de rotao do ventilador;
F22: primeira banda lateral esquerda da freqncia de rotao do ventilador;
F23: segunda banda lateral esquerda da freqncia de rotao do ventilador;
F24: terceira banda lateral esquerda da freqncia de rotao do ventilador;
Potncia do motor;
I
rms
: corrente RMS da aquisio em porcentagem da corrente nominal;
NG: nvel global do espectro.

Os atributos de sada so compostos pelo tipo de falha e sua severidade.


152
Para o segundo passo, deve-se considerar que os motores apresentam assinaturas
diferentes em funo da carga acoplada, do tipo de manuteno efetuada, etc. A primeira
implicao est no nvel dos alarmes que, na maioria dos casos, no podem ser os mesmos
para todos os motores. Logo o processo se inicia com o estabelecimento de faixas para
cada motor em separado baseado no histrico dos dados e se executando um processo de
clusterizao na curva de tendncia para o estabelecimento dos nveis de alarme. Para
ilustrar este procedimento, seja o caso a seguir:

O motor em questo o motor do ventilador 1 DC_C da planta da Novelis em
Pindamonhangaba. As curvas de tendncia a seguir se referem respectivamente
freqncia de rotao do motor e a freqncia de rotao do ventilador.

Figura 4.84: Clusterizao na curva de tendncia para estabelecimento dos nveis de alarme para a
freqncia de rotao do motor do ventilador1 DC_C

Regio de Ateno
para Desalinhamento
Regio Normal para
Desalinhamento

153

Figura 4.85: Clusterizao na curva de tendncia para estabelecimento dos nveis de alarme para a
freqncia de rotao do ventilador

Identificadas as regies que delimitam a condio do motor. Se estabelecem ento
os nveis de alarme. Assim:

Figura 4.86: Curva de tendncia com os nveis de alarme estabelecidos

Logo, os nveis de alarme para a freqncia de rotao do motor e do ventilador so
respectivamente dados por:

Regio de Emergncia para
a rotao do ventilador
Regio normal para a
rotao do ventilador

154
Tabela 4.5: Nveis de alarme para o classificador
Alarme Mnimo Mximo Alarme Mnimo Mximo
E 0 35 E 0 30
A 35 45 A 31 40
N 45 100 N 41 500
Freqncia de Rotao do Motor
Valores em dB
Freqncia de Rotao Ventilador
Valores em dB

O mesmo procedimento vlido para as demais freqncias caractersticas.
J a potncia do motor, a corrente rms em porcentagem da nominal e o nvel global
foram classificados igualmente para todos os motores e seguiram o seguinte critrio:

Tabela 4.6: Nveis de alarme para o classificador (potncia, Irms e NG)
Alarme Mnimo Mximo
Baixa 0 40
Media 41 600
Alta 601 2000
Potncia

Alarme Mnimo Mximo
1 0 25
2 26 50
3 51 75
4 76 101
Irms (%)

Alarme Mnimo Mximo
B 0 0.2
M 0.201 0.4
A 0.401 0.6
Nvel Global

Os valores absolutos extrados das assinaturas do motor foram:

Tabela 4.7: Valores absolutos do motor do ventilador1 DC_C
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16 F17 F18 F19 F20 F21 F22 F23 F24 Pot I NG Fallha Sev
32 79 91 32 92 75 49 57 58 51 53 53 200 200 200 200 200 200 45 63 70 44 68 73 60 61 0.385 Desalinhamento E
48 69 71 47 84 70 54 57 56 48 52 51 200 200 200 200 200 200 20 36 46 18 35 43 60 62 0.284 Frv E
51 68 62 52 84 67 55 58 63 51 52 57 200 200 200 200 200 200 46 60 200 43 60 64 60 61 0.298 Normal N

Baseado no procedimento descrito para classificao em faixas tem-se o seguinte
resultado para o motor do ventilador 1 DC_C:

Tabela 4.8: Valores classificados em faixa do ventilador1 DC_C
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16 F17 F18 F19 F20 F21 F22 F23 F24 Pot Irms (%) NG Fallha Sev
E N N E N N N N N N N N N N N N N N N N N N N N Media 3 M Desalinhamento E
N N N N N N N N N N N N N N N N N N E E A E E E Media 3 M Frv E
N N N N N N N N N N N N N N N N N N N N N N N N Media 3 M Normal N

O terceiro passo a unio de todos os subconjuntos (cada subconjunto equivale a
um motor/exemplo) classificados em faixas numa mesma base de conhecimento. Assim:

Tabela 4.9: Tabela de deciso
F1 F2 F3 F4 F5 F6 F7 F8 F9 F10 F11 F12 F13 F14 F15 F16 F17 F18 F19 F20 F21 F22 F23 F24 Pot I (%) NG Fallha Sev
N N N N N A N N N N N N N N N N N N N N N N N N Media 4 B Normal N
E E E E N E N N N N N N N N N N N N N N N N N N Media 4 B Desalinhamento E
N N N N A E N N N N N N N N N N N N N N N N N N Media 4 A Desalinhamento A
E N N E N N N N N N N N N N N N N N N N N N N N Media 3 M Desalinhamento E
N N N N N N N N N N N N N N N N N N E E A E E E Media 3 M Frv E
N N N N N N N N N N N N N N N N N N N N N N N N Media 3 M Normal N
A N N A N A N N N N N N A A A A E A N N N N N N Baixa 3 B Normal N
N A N N N A N N A N N N A A A A A A N N N N N N Baixa 3 M Correia A
N A N N E N N N N N N N N A N N A N N N N N N N Baixa 4 M Normal N
N A N N E N E E N E E E N A N N A N N N N N N N Baixa 4 A BB E


155
O objetivo se obter as freqncias caractersticas de falhas que realmente sejam
eficazes na classificao robusta de falhas em MIT.
Executando-se o algoritmo de sintetizao do conhecimento, tem-se que os atributos
F3, F4, F8, F10, F11, F12, F15, F16, F17, F18, F20, F22, F23, F24 e Potncia so
dispensveis. Assim, tem o seguinte reduto:

Tabela 4.10: Reduto
F1 F2 F5 F6 F7 F9 F13 F14 F19 F21 I NG Fallha Sev
1 N - - - - - - - - - - B Normal N
2 - - - A - - - - - - - B Normal N
3 E - - - - - - - - - - - Desalinhamento E
4 - - - E - - - - - - - B Desalinhamento E
5 N - - E - - - - - - - - Desalinhamento A
6 - - - E - - - - - - - A Desalinhamento A
7 - - - - - - - - E - - - Frv E
8 N - - N - - - - N - - M Normal N
9 A - - - - - - - - - - - Normal N
10 - - - A - - - - - - - M Correia A
11 - - - N - - - - - - - A BB E
12 - - - - - - - - - A - - Frv E
13 N - - N - - - - - N - M Normal N
14 N N N - - - - - N - - - Normal N
15 - E - - - - - - - - - - Desalinhamento E
16 - - A - - - - - - - - - Desalinhamento A
17 - A N - - - - - - - - - Correia A
18 - - E - N - - - - - - - Normal N
19 - - - - E - - - - - - - BB E
20 N N N - - - - - - N - - Normal N
21 - N - - - - - - - - - B Normal N
22 - N - - - - - - - - - A Desalinhamento A
23 N N - - - - - - N - - M Normal N
24 - - E - - - - - - - - M Normal N
25 - A - - - - - - - - - A BB E
26 - - E - - - - - - - - A BB E
27 N N - - - - - - - N - M Normal N
28 - N - A - - - - - - - - Normal N
29 - N - E - - - - - - - - Desalinhamento A
30 N N - N - - - - N - - - Normal N
31 N - - N N - - - N - - - Normal N
32 - A - A - - - - - - - - Correia A
33 - A - N N - - - - - - - Normal N
34 N N - N - - - - - N - - Normal N
35 N - - N N - - - - N - - Normal N
36 N - - - - N - - N - - M Normal N
37 - - - - - A - - - - - - Correia A
38 - A - - - N - - - - - M Normal N
39 N - - - - N - - - N - M Normal N
40 N - - - - - N - N - - M Normal N

156
41 - N - - - - A - - - - - Normal N
42 - - - - - - A - - - - B Normal N
43 N - - - - - A - - - - - Correia A
44 - A - - - - A - - - - - Correia A
45 - - - - - - A - - - - M Correia A
46 - A - - - - N - - - - M Normal N
47 N - - - - - N - - N - M Normal N
48 N N - - - - - - N - 3 - Normal N
49 - - - - - - - - - - 3 B Normal N
50 - A - - - - - - - - 3 - Correia A
51 - - - - - - - - - - 4 M Normal N
52 N N - - - - - - - N 3 - Normal N
53 N - N - - N - - N - - - Normal N
54 N - N - - N - - - N - - Normal N
55 N - N - - - N - N - - - Normal N
56 N - N - - - N - - N - - Normal N
57 N - N - - - - N N - - - Normal N
58 N - N - - - - A - - - - Correia A
59 N - N - - - - N - N - - Normal N

Ou seja, o conhecimento do especialista pode agora ser representado por regras e
automatizar o processo de diagnstico de falhas de motores de induo. Contudo,
interessante se discutir o resultado encontrado:

1. Num primeiro momento parece que o algoritmo fez aumentar a tabela de deciso.
Essa sensao no verdadeira pois a massa de dados realmente diminuiu com a
eliminao dos atributos dispensveis e com o apontamento apenas dos atributos
que so necessrios para se classificar uma determinada ao.

2. As linhas 3, 7, 19, 43, 44 e 45 refletem exatamente o critrio empregado pelo
especialista para emitir os diagnstico, ou seja, o especialista se baseou somente no
primeiro par de bandas laterais. Seja o exemplo:

Regra 3:

Se F1 = E ento
Falha = desalinhamento e Severidade = Emergncia


157

Figura 4.87: Componente observada pelo analista para o diagnstico de desalinhamento

Do espectro v-se que a regra verdadeira, ou seja, diagnstico correto.

3. Contudo, alm das condies j conhecidas pelo especialista para se diagnosticar
falhas nesse universo de motores, outras condies emergiram da massa de dados,
contribuindo para um diagnstico mais robusto. As linhas 4, 5, 6, 12, 15, 16, 17, 29,
32, 50, e 58 formam um conjunto de informaes extras que pode vir a ser usado
pelo analista. Essas informaes so teis para se diferenciar, por exemplo, falhas
que repercutem na mesma freqncia principal, mas apresentam variaes nas
demais bandas laterais ( segundo e terceiro pares de banda). Seja um exemplo:

Regra 50:

Se F2 = A e I = 3 ento
Falha = Correia e Severidade = Ateno

F1

158

Figura 4.88: Curva de tendncia da componente da
correia
Figura 4.89: Curva de tendncia do segundo par de
bandas da freqncia de rotao

Figura 4.90: Espectro de freqncia com destaque
para a segunda banda lateral direita da rotao
Figura 4.91: Curva de carga (Irms)

Observa-se das figuras anteriores que a regra correta pois, sempre que a segunda
banda lateral da direita da rotao esteve em ateno (figuras 4.89 e 4.90) e o motor
operava entre 51% e 75% de carga (fig. 4.91), a freqncia relativa de falha na correia
tambm esteve no mesmo nvel de alarme (fig. 4.88). Como esta situo no se repete
em nenhum outro exemplo da tabela de deciso, esta passa a ser uma regra vlida para
a massa de dados em questo.

4. As regras 10 e 37 sero automaticamente eliminadas em funo do aumento da
massa de dados. Essas regras resultam do nmero ainda limitado de exemplos na
F2

159
tabela de deciso e apesar de serem corretas para esta massa de dados no trazem
concluses prticas para o diagnstico.

5. Outras regras so oriundas da escolha do Nvel Global do espectro (NG) como
atributo de entrada. Trata-se de um teste para se verificar qual a importncia da
informao contida neste parmetro. As linhas 11, 22, 25 e 26 so resultado direto
desse atributo e vlido se verificar a robustez de dessas regras. Assim:

Regra 27:

Se F5 = E e NG = A ento
Falha = BB e Severidade = Emergncia

Figura 4.92: Curvas de tendncia de barra quebrada e segundo par de bandas da rotao

Figura 4.93: Assinatura da corrente com destaque para a segunda banda lateral da esquerda
F5

160
Observa-se que o atributo F5, ou seja, a segunda banda lateral esquerda da
freqncia de rotao acompanhou a evoluo da falha e juntamente com o NG com
valor alto resultam no diagnstico de quebra de barras em estado de emergncia.

6. A demais regras (linhas 1, 2, 8, 9, 13, 14, 17, 18, 20, 21, 23, 24, 27, 28, 30, 33, 34,
35, 36, 38, 39, 40, 41, 42, 46, 48, 49, 51, 52, 53, 54, 55, 56, 57 e 59) levam
acertadamente a classificao de condio normal dos motores.

161
CAPTULO 5

Concluses

Este trabalho comprova a eficincia das tcnicas de MCSA e TCA aplicadas
manuteno preditiva de motores de induo trifsicos. Alm dessa importante
comprovao, as principais contribuies foram na deteco de falhas na carga acoplada e
na aplicao de TCA ao diagnstico automtico de falhas no motor, no acoplamento e na
carga.
Foi visto que a tcnica de anlise da assinatura da corrente s possvel devido s
perturbaes no fluxo do air gap provocadas pelo aparecimento de falhas mecnicas ou
eltricas. Quanto mais intensas essas perturbaes maior a intensidade da falha. Ao
abordar e comprovar a deteco de falhas na carga acoplada, que est baseada no mesmo
princpio descrito anteriormente, este trabalho ampliou enormemente a aplicabilidade da
tcnica de MCSA como ferramenta de manuteno preditiva.
Foi demonstrado que falhas no sistema de transmisso ou na carga acoplada so
detectadas atravs da identificao de padres que surgem no espectro de corrente. A
amplitude das componentes de interesse proporcional severidade da falha. Alm disso,
foi visto que a presena de falhas na carga se reflete no sistema de transmisso e tambm
no prprio motor de induo. Por esta razo, o motor pode ser usado como um transdutor e
a severidade da falha depender do acoplamento. Quanto mais rgido o acoplamento melhor
para a anlise.
Os resultados reais de casos industriais comprovam que MCSA uma tcnica
eficiente para deteco de falhas em MIT e na carga acoplada.
Outras constataes importantes foram feitas e dentre elas deve-se destacar que o
diagnstico exato de certas falhas, nem sempre fcil de ser atingido pelo analista.
Considerando este problema, mostrou ser importante o conhecimento do histrico da
mquina. com base nesse histrico que peculiaridades do processo ao qual o motor est
inserido sero levantadas e nveis de alarme estabelecidos.
Uma vez possuidores do histrico da mquina, os analistas podem fazer uso do
diagnstico automtico baseado na TCA e proposto neste trabalho.
Como foi visto, o objetivo da aplicao da TCA manuteno preditiva de MITs se
resume ao problema da reduo de tabelas de deciso obtidas a partir de medies e
observaes de diversos atributos. Ou como foi dito, deseja-se chegar a um algoritmo de
Captulo 5 Concluses

162
controle dos dados observacionais obtidos. Como o estado apropriado de operao do
motor basicamente determinado pelo histrico de aquisies passadas e pela experincia
do analista, basta a escolha correta dos atributos e o emprego do algoritmo de reduo dos
dados mantendo-se o conhecimento acerca do estado da mquina.
Utilizando a TCA em manuteno preditiva foi possvel: decidir dentre vrias tcnicas
qual a melhor ou mais vivel economicamente na deteco de um determinado tipo de falha;
reproduzir o conhecimento de especialistas em preditiva, tornando automtico o processo de
diagnstico de falhas em MIT; e finalmente, dentro de uma nica tcnica, definir os
parmetros que so realmente importantes na classificao da falha.
Os resultados obtidos so consistentes e condizentes com publicaes feitas a
respeito do assunto e com a realidade das indstrias.

5.1 _ Trabalhos Futuros

A experincia obtida atravs deste trabalho proporciona a visualizao de trabalhos
futuros para a complementao e aprimoramento do sistema de manuteno preditiva
baseado na assinatura de sinais eltricos e TCA. So eles:

Aplicao da transformada de Wavelets para deteco de problemas em rolamentos
e engrenagens;
Realizar ensaios e testes em indstrias para validao de padres utilizando a
tcnica de EPVA.
Utilizando as tcnicas de MCSA e EPVA levantar padres para mquinas sncronas
e de corrente contnua.
Introduo de critrios estatsticos para anlise da qualidade do sinal colhido e
definio de atributos baseados nesses critrios estatsticos para comporem a tabela
de deciso em TCA.
Considerar a significncia dos atributos como critrio para gerao dos conjuntos
reduzidos ponderados propostos neste trabalho.

163
Referncias Bibliogrficas

[1.1] Xavier, J. N. Manuteno Classe Mundial. www.bhnet.com.br
[1.2] Bonaldi, E. L.: Manuteno Preditiva em Motores de Induo Trifsicos atravs do
Espectro de Corrente do Estator, Dissertao de Mestrado, Escola Federal de
Engenharia de Itajub, 2002.
[1.3] Jean Altweg, Jean-Pierre Dupraz, Joseph Martin, and Christophe Baudart. O Telediagnstico
como Ferramenta de Otimizao da Manuteno. In Proceedings of the XV Seminrio
Nacional de Produo e Transmisso de Energia Eltrica, Outubro de 1999.
[1.4] Dallas Fossum, Allied Services Group. How to Identify Mechanical Faults With Motor
Current Signature Analysis. In Proceedings of the Reliability World 2005.
[2.1] Antnio T. L. de Almeida, Marcelo E. C. Paulino. Manuteno e Operao de Motores de
Induo Trifsicos. Itajub, FUPAI 2001.
[2.2] Marcio T.Almeida e Ricardo D. Gz. Anlise de Vibraes. Itajub, FUPAI 2000.
[2.3] Thomson, W. T. Condition Monitoring of Induction Drives. Virginia, Spectra Quest
2002.
[2.4] Cardoso, A. J. M.: Diagnstico de Avarias em Motores de Induo Trifsicos. Coimbra
Editora, 1991.
[2.5] Oktsu, H.; Suzuki, T. and Morita, I.: Failure Diagnosis of Electric Motors by Means of Frequency
Analysis of the Current; Proceedings of the International Conference on Electrical Machines,
Athens, Greece, Part 3, GP5/4, pp.1947-1954, September 15-17, 1980.
[2.6] Hargis, C.; Gaydon, B. G. and Kamash, K.: The Detection of Rotor Defects in Induction Motors;
International Conference on Electrical Machines Design and Applications, IEE Conference
Publication Number 213, pp. 231-235, 13-15 July 1982.
[2.7] Steele, M. E.; Ashen, R. A. and Knight, L. G.: An Electrical Method for Condition Monitoring of
Motors; International Conference on Electrical Machines Design and applications, IEE
Conference Publication Number 213, pp. 216-220, 13-15 July 1982
[2.8] Thomson, W. T.; Deans, N. D.; Leonard, R. A. and Milne, A. J.: Condition Monitoring of Induction
Motors for Availability Assessment in Offshore Installations 4
th
Euredata Conference, Venice,
Italy, March, 1983.

164
[2.9] Thomson, W. T.; Deans, N. D.; Leonard, R. A. and Milne, A. J.: Monitoring Strategy for
Discriminating between Different Types of Rotor Defects in Inductions Motors; 18
th

Universities Power Engineering Conference, University of Surrey, England, pp. 241-246, April,
1983.
[2.10] Thomson, W. T.; Leonard, R. A.; Milne, A. J. and Penman, J.: Failure identification of Offshore
Motor Systems using On-condition Monitoring; Reliability Engineering Journal, Vol. 9, pp. 49-
64, August, 1984.
[2.11] Gol, O.: Effect of Cage Fractures on the Performance of Asynchronous Machines;
Proceedings of the International Conference on Electrical Machines, Lausanne, Switzerland,
Part 3, pp. 1141-1144, September 18-21, 1984.
[2.12] Kliman, G. B.: The Detection of Faulted Rotor Bars in Operating Induction Motors;
Proceedings of the International Conference on Electrical Machines, Munchen, Germany, Part
2, pp. 500-502, 8-10 September, 1986.
[2.13] Kliman, G. B.; Koegl, R. A.; Stein, J.; Endicott, R. D. and Madden, M. W.: Noninvasive
Detection of Broken Rotors Bars in Operating Induction Motors; IEEE Trans. Energy
Conversion, Vol. EC-3, pp. 873-879, December, 1998.
[2.14] Thomson, W. T. and Rankin, D.: Case Histories of On-line Rotor Cage Fault Diagnosis;
Condition Monitoring87, Ed. Mervin H. Jones, Pub. Pineridge Press, Swansea, U. K., pp. 798-
819, 1987.
[2.15] Thomson, T. W.; Chalmers, S. J. and Rankin, D.: On-line Current Monitoring Fault Diagnosis in
HV Induction motors - Case Histories and Cost Savings in Offshore Installations: Offshore
Europe 87, Aberdeen, U. K., SPE16577/1 SPE16577/10, 8-11 September 1987.
[2.16] Leith,, D.; Deans, N. D. and Thomson, W., T.: A Real-time Expert System for Machine
Condition Monitoring; International Conference on Software Engineering for Real Time
Systems, IERE Publication No. 77, 28-30 September, 1987.
[2.17] Leith,, D.; Deans, N. D. and Thomson, W., T.: Application of Expert Systems in the Condition
Monitoring of Electrical Machines; IEE Computing and Control Division Colloquium on
Knowledge Based Advisory Systems for Monitoring and Supervisory Control, Savoy Place,
London, U. K., 20 October, 1987.
[2.18] Leith,, D.; Deans, N. D. and Stewart, I. D.: Condition Monitoring of Electrical Machines Using a
Real-time Expert System; Proceedings of the International Conference on Electrical
Machines, Pisa, Italy, Vol. III, pp. 297-302, September 12-14, 1988.

165
[2.19] Fillipetti, F.; Franceschini, G.; Martelli, M. and Tassoni, C.: An Approach to a Knowledge
Representation about Induction Machine Diagnostic en Expert Systems; Proceedings of the
International Conference on Electrical Machines, Pisa, Italy, Vol. III, pp. 289-295, September
12-14, 1988.
[2.20] Tavner, P. J.; Armin, K. K. and Hargis, C.: An Electrical Technique for Monitoring Induction
Motor Cages; Third International Conference on Electrical Machines and Drives, IEE
Conference Publication Number 282, pp. 43-46, 16-18 November, 1987.
[2.21] Thomson, W. T. and Stewart, I. D.: On-line Current Monitoring for Detecting Air gap Eccentricity
and Broken Rotor Bars in Inverter Variable Speed Drives; Proceedings of the International
Conference on Electrical Machines, Pisa, Italy, Vol. III, pp. 211-214, September 12-14, 1988.
[2.22] Notelet, F. and Ravalitera, G.: Assessment of the Induction Motor Eccentricity Deduced from
the Fluctuations of the Feeding Currents; Proceedings of the International Conference on
Electrical Machines, Lausanne, Switzerland, Part 3, pp. 1177-1179, September 18-21, 1984.
[2.23] Cameron, J. R.; Thomson, W. T. and Dow, A. B.: Vibration and Current Monitoring for
Detecting air gap Eccentricity in Large Induction Motors; Second International Conference on
Electrical Machines Design and Applications, IEE Conference Publication Number 254, pp.
173-179, 17-19 September, 1985.
[2.24] Thomson, W. T.; Cameron, J. R and Dow, A. B.: On-line Diagnosis of Large Induction Motors;
NATO Advanced Research Workshop on Mechanical Vibration and Audible Noise in
Alternating Current Machines; K. U. Leuven, Belgium, August 4-8, 1986.
[2.25] Edwards, D. G.: Condition Monitoring of Electrical Insulation in High-Voltage Motors; Condition
Monitoring87, Ed. Mervin H. Jones, Pub. Pineridge Press., Swansea, U. K., pp. 788-797,
1987.
[2.26] Randy R. Schoen, Thomas G. Habetler, Farruk Kamram and R. G. Bartheld. Motor Bearing
Damage Detection Using Stator Current Monitoring. IEEE Transactions on Industrial
Eletronics, Vol. 31, NO. 6, November/December 1995, pp. 1274-1279.
[2.27] Randy R. Schoen, Brian K. Lin, Thomas G. Habetler, Jay H. Schlag and Samir Farag. An
Unsupervised, On-line System for Induction Motor Fault Detection Using Stator Current
Monitoring. IEEE Transactions on Industry Applications, Vol. 31, NO. 6, November/December
1995, pp. 1280-1286.
[2.28] A.Bellini, F.Filippeti, G.Franceschini, C.Tassoni, R.Passaglia, M.Saottini, G.Tontini,
M.Giovannini, and Mohamed El Hachemi Benbouzid. ENEL's Experience with On-line

166
Diagnosis of Large Induction Motors Cage Failures. In Proceedings of the 35th Annual
Meeting and World Conference on Industrial Application of Electrical Energy, July 2000.
[2.29] Ramzy R.Obaid, Thomas G.Habetler, and David J.Gritter. A Simplified Technique for
Detecting Mechanical Faults Using Stator Current in Small Induction Motors, In Proceedings
of the 35th Annual Meeting and World Conference on Industrial Application of Electrical
Energy, July 2000.
[2.30] Mohamed El Hachemi Benbouzid. A Review of Induction Motors Signature Analysis as a
Medium for Faults Detection. IEEE Transactions on Industrial Eletronics, Vol. 47, NO. 5.
October 2000, pp. 984-993.
[2.31] Penrose, H.: Pratical Motor Current Signature Analysis: Taking the Mystery Out of MCSA.
www.bjmcorp.com.
[2.32] Mohamed El Hachemi Benbouzid, Michelle Vieira, and Cline Theys. Induction Motor's Faults
Detection and localization Using Stator Current Advanced Signal Processing Techniques.
IEEE Transactions on Power Electronics, Vol. 14, NO. 1, January 1999, pp. 14-22.
[2.33] Diagnostic Technologies India Pvt. Ltd: On-line Condition Monitoring of Motors Using Electrical
signature Analysis. E-mail: diatech@vsnl.com.
[2.34] Cruz, S. M. A., Cardoso. A. J. M.: Diagnosis of the Multiple Induction Motor Faults Using
Extended Parks vector Approach in International Journal of Comadem, 2001, pp 19-25.
[2.35] Cruz, S. M. A., Cardoso. A. J. M.: Diagnosis of Stator Inter-Turn Short Circuits in DTC Induction
Motor Drives in IEEE Transactions on Industry Applications. Vol. 40, NO. 5.
September/October 2004.
[2.36] http://www.dliengineering.com/vibman (Visita realizada em janeiro de 2006)
[3.1] Pawlak, Z.: Rough Sets: Theoretical Aspects of Reasoning About Data. Kluwer Academic
Publishers, 1991.
[3.2] Silva de Carvalho, J. C.: Aplicao de Conjuntos Aproximados Utilizando Banco de Dados
Relacionais. Dissertao de Mestrado, Escola Federal de Engenharia de Itajub, 2000.
[3.3] Assuno, F. O. et alli: Classificador Baseado na Teoria de Conjuntos Aproximados Aplicado ao
Diagnstico de Falhas em Motores de Induo Trifsicos monitorados atravs de Sinais
Acsticos, Eltricos e de Vibrao. Anais do VI Simpsio Brasileiro de Automao
Inteligente, Setembro de 2003.

167
[3.4] Filippetti, F., Franceschini G., Martelli M. and Tassoni C.: An Approach to Knowledge
Representation about Induction Machine Diagnosis in Expert Systems. Proceedings
ICEM88, vol. 3. Pisa, Italy, Sept. 1988. pp. 297-302.
[3.5] Filippetti, F., Franceschini G. and Tassoni C.: Development of Expert System Knowledge Base
to On-line Diagnosis of Rotor Electrical Faults of Induction Motors. Conf. Rec. IEEE-IAS
Annual Meeting, Houston. TX. Oct 1993. pp 92-99.
[3.6] Filippetti, F., Franceschini G. and Tassoni C.: Neural Networks Aided On-line Diagnostics of
Induction Motor Rotor Faults. IEEE Transactions on Industry Aplications, Vol. 31. NO. 4,
July/August 1995.
[3.7] Filippetti, F., Franceschini G. and Tassoni C.: Recent Developments of Induction Motor Drives
Fault Diagnosis Using AI Techniques. IEEE Transactions on Industry Electronics, Vol.47, NO.
5, Oct 2000.
[3.8] Li, B., Chow M., Tipsuwan Y. and Hung J.: Neural-Network-Based Motor Rolling Bearing Fault
Diagnosis. IEEE Transactions on Industry Electronics, Vol.47, NO. 5, Oct 2000.
[4.1] Payne, B. S, Ball, A. D, Gu, F, Li, W.: A Head-to-Head Assessment of the Relative Fault
Detection and Diagnosis Capabilities of Conventional Vibration and Airborne Acoustic
Monitoring. Proceedings of Comadem 2000.
[4.2] Benbouzid, M. E. H, Vieira, M. and Theys, C: Induction Motors Faults Detection and Localization
Using Stator Current Advanced Signal Processing Techniques. IEEE Transactions on Power
Electronics, Vol 14, NO. 1, pp 14 -22
[4.3] Thomson, W. T. and Fenger M: Current Signature Analysis to Detect Induction Motor Faults.
IEEE Industry Applications Magazine, July/August 2001.

0030557

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

0030557

Uploaded by

Copyright:

Available Formats

Universidade Federal de !

denota a disjuno de todas as frmulas em P

You might also like