Detecção automática de defeitos em rolos de transportadores de correia utilizando sensoriamento ultrassônico.

Abstract

Transportadores de correia são os principais equipamentos que compõem a logística de um terminal portuário. As partes rolantes do transportador de correia podem falhar principalmente devido a rolos danificados, que podem causar avarias graves à planta, como rasgar a correia e causar incêndios. Atualmente, a proteção do transportador é feita por sensores que indicam uma anormalidade já ocorrida, ou com inspeção humana que utiliza experiência prática em busca de sinais visuais, sonoros e de temperatura excessiva que indiquem falhas iminentes. Com objetivo de auxiliar o atual sistema corretivo e de inspeção local com análise de dados para detectar falhas mecânicas iminentes, é proposto um modelo de classificação de defeitos em rolos. Foram realizadas gravações de ultrassom em rolos sem ruídos perceptíveis, classificados como “nãodefeituosos” e em rolos que apresentavam ruídos característicos de falhas já perceptíveis, classificados como “defeituosos”. A base de dados montada foi utilizada para treinamento e teste de desempenho de algoritmos de aprendizado de máquina do tipo Random Forest e Multilayer Perceptron. Foram elaborados quatro tipos de experimentos para teste, dois usando dados no domínio do tempo e dois usando dados no domínio da frequência, com atributos estatísticos diferentes. Os resultados obtidos em testes de classificação mostraram que existe um padrão característico na faixa de ultrassons que difere os rolos não-defeituosos de defeituosos, conforme pré-avaliados com métodos tradicionais de inspeção humana. No melhor caso, o experimento usando média móvel dos dados no domínio da frequência apresentou média de classificação correta de rolos de 83,68%, tendo o melhor resultado com taxa de acerto de 90%.