Gerenciamento de alarmes e predição de falhas usando machine learning aplicado a sistemas inteligentes embarcados em equipamentos de mineração
Predição; classificação; regressão; motores elétricos; resistência de isolamento; aprendizado de máquina.
A identificação do estado de funcionamento de motores elétricos em plantas industriais é fundamental para a continuidade do processo produtivo. A degradação da resistência de isolamento em Motores de Induçãoo Trifásicos (MIT) representa um dos desafios mais críticos na gestão de ativos, pois acarreta paradas não programadas, elevação dos custos com manutenção corretiva, aumento no consumo de energia e, consequentemente, a redução precoce da vida útil do equipamento. O trabalho propõe uma metodologia para inferir a resistência de isolamento corrigida em motores de indução trifásicos industriais utilizando Machine Learning. Por meio da construção de um dataset obtendo dados reais de processo de uma planta que opera seis motores, foi realizado todo o desenvolvimento associados às técnicas e feature engineering e análise de regressão e de classificação aplicando modelos lineares e não lineares. Os resultados preliminares dos modelos não lineares se mostraram melhores para a estimação da resistência de isolamento, porém a solução do problema de classificação apresentaram performance superiores, ambos com relevantes impactos da seleção de atributos. A solução demonstra-se eficaz para otimizar a manutenção preditiva e evitar paradas não programadas.