Detecção de falha na montagem de compressores herméticos por redes neurais artificiais

Abstract

Este trabalho consiste no desenvolvimento de uma metodologia para a avaliação da qualidade de montagem dos compressores produzidos. São aqui abordadas as ferramentas de Redes Neurais Artificiais (RNAs), Análise do Modo de Falha e Efeito (FMEA) e a Análise da Árvore de Falha (FTA). Com base nesta abordagem são propostas a análise dos principais modos de falha na montagem de compressores herméticos e a identificação automática destes modos através de redes neurais. Este estudo visa reduzir o número de compressores montados fora dos padrões recomendados pela empresa. Esta proposta objetiva extrair características de um sinal primitivo através de sensores instalados no painel de medição e classificar com uma rede neural os sinais de compressores bons e/ou ruins. Na avaliação da proposta os resultados obtidos são confrontados com o atual modelo de medição. Destaca-se o índice de acerto do modelo proposto que é entre 97% e 100% de padrões identificados corretamente. Sem dúvida, a identificação de problemas através de redes neurais artificiais mostra-se bastante promissora e com um alto índice de acerto.