Sistema IIoT para monitoramento da vibração em máquinas com ferramentas rotativas

Abstract

As Revoluções indústrias impulsionaram a transição para a indústria moderna, atualmente marcada pela indústria 4.0, que integra automação avançada, digitalização e a Internet Industrial das Coisas (IIoT). Um dos pilares desse avanço está no uso de sensores e ferramentas de análise de dados para obter informações relevantes sobre os equipamentos fabris, viabilizando a adoção de políticas de manutenção preditiva. A adoção dessa técnica permite aumentar a disponibilidade e desempenho de equipamentos industriais críticos em um cenário de crescente competitividade, que exige linhas de produção eficientes. Neste trabalho, apresenta-se o projeto e implementação de um sistema de monitoramento para um equipamento fabril baseado na análise de sinais de vibração, com o propósito de viabilizar abordagens preditivas de manutenção. Para isso, o sistema foi montado em torno mecânico convencional, exposto a diferentes cenários que simularam a operação do eixo árvore em condições ideais e não ideais. Os dados coletados permitiram a identificação das condições do equipamento, demostrando ser viável adotar estratégias de manutenção antes que os problemas identificados resultassem danos significativos à máquina.

The Industrial revolutions drove the transition to modern industry, now characterized by industry 4.0, which integrates advanced automation, digitalization, and the IIoT One of the pillars of this advancement lies in the use of sensors and data analysis tools to gather relevant information about manufacturing equipment, enabling the adoption of predictive maintenance policies. The adoption of this technique allows for increased availability and performance of critical industrial equipment in a context of growing competitiveness that demands efficient production line. This work presents the design and implementation of a monitoring system for manufacturing equipment based on vibration signal analysis, aimed at enabling predictive maintenance approaches. To this end, the system was implemented on a conventional lathe, subjected to different scenarios simulating spindle operation under ideal and non-ideal conditions. The collected data allowed the identification of the equipment’s condition, demonstrating the feasibility of adopting maintenance strategies before the identified issues could cause significant damage to the machine.