Aprendizado de máquina aplicado à predição de falhas em inversores de frequência

Abstract

O uso de inversores de frequência em sistemas de automação é amplamente adotado na indústria, pois permitem o controle preciso da velocidade e torque de motores elétricos. A aplicação de técnicas de aprendizado de máquina em inversores de frequência é uma área promissora na automação industrial, isso se deve ao fato de que o aprendizado de máquina permite a análise e o processamento de grandes quantidades de dados, tornando possível a previsão do tempo de vida útil dos inversores de frequência. Além disso, o aprendizado de máquina também pode ser utilizado para identificar fatores críticos que afetam a durabilidade dos inversores, permitindo que medidas preventivas sejam tomadas para prolongar sua vida útil. A utilização combinada de aprendizado de máquina e testes de inversores de frequência oferece uma solução avançada para otimizar a gestão de manutenção, prolongar a vida útil dos sistemas de automação e reduzir os custos operacionais. Essa abordagem permite estimar se um inversor terá problemas futuros e prever o tempo estimado para ocorrência desses problemas. Isso possibilita a implementação de manutenção preventiva, resultando em maior eficiência e confiabilidade dos sistemas. Neste trabalho, é apresentado o uso de aprendizado de máquina para prever se um inversor de frequência vai apresentar defeito e a quantidade de dias que esse defeito demorou para ocorrer após os testes serem realizados. Os resultados demonstram que usando o aprendizado de máquina é possível prever com uma precisão de 83,4% que um inversor vai apresentar defeito e que o erro da previsão para a quantidade de dias que ele vai demorar para apresentar esse defeito foi de 104 dias.