AutoMotorHelp – Deteção de falhas em motores usando padrões sonoros
Entidades: Laboratório de Áudio e Acústica
A deteção de falhas em máquinas é muitas vezes feito por ‘ouvido‘. Ou seja, pela análise de padrões de som o bom ou mau funcionamento de um sistema motorizado pode em certas situações ser avaliado convenientemente.
A Manutenção Preditiva de máquinas prevê falhas, e as ações podem incluir ações corretivas, a substituição do sistema ou até a falha planeada, em oposição à manutenção baseada em Controlo de Condição, que apenas informa se algo está errado ‘aqui e agora’. Isso pode levar a grandes economias de custos (os problemas podem ser detetados à priori sem necessidade de paragem das máquinas), maior previsibilidade e maior disponibilidade dos sistemas. A Internet das Coisas (IoT) e os conceitos de big data oferecem muitas oportunidades para as indústrias gerirem a manutenção de máquinas de forma permanente e descentralizada, parte na borda (edge/fog computing) e parte na nuvem, com uma forte redução de custos.
Este projeto combina algoritmos de aprendizagem automática e inteligência artificial, permitindo a deteção precoce e a previsão de mau funcionamento mecânico de máquinas. Utiliza uma abordagem de computação on edge com redes neuronais,em plataformas de baixo custo, como primeiro nível de análise de padrões sonoros de máquinas.