Monitoramento de vibração para manutenção preditiva

Abstract

O presente trabalho de conclusão de curso aborda o desenvolvimento de um sistema de monitoramento de vibração de baixo custo com foco na aplicação em manutenção preditiva para máquinas industriais. A manutenção preditiva é uma estratégia crucial para a otimização da disponibilidade de equipamentos e a redução de custos operacionais, permitindo a identificação precoce de falhas. O sistema proposto utiliza o microcontrolador ESP32 em conjunto com o sensor de aceleração MPU-6050 para a aquisição de dados de vibração. Os dados coletados são processados por meio da Transformada Rápida de Fourier (FFT) para análise no domínio da frequência, o que possibilita a detecção de assinaturas de falha características. A arquitetura de software inclui a transmissão dos dados para uma plataforma de armazenamento e visualização em tempo real, utilizando ferramentas como influxDB e grafana, que permitem aos operadores monitorarem a saúde do equipamento e tomar decisões proativas. O resultado é um protótipo funcional que demonstra a viabilidade técnica e econômica de implementar soluções de monitoramento de condição acessíveis, contribuindo para a democratização da tecnologia de Manutenção Preditiva.

This final course project addresses the development of a low-cost vibration monitoring system focused on its application in predictive maintenance for industrial machinery. Predictive maintenance is a crucial strategy for optimizing equipment availability and reducing operational costs by enabling the early identification of failures. The proposed system utilizes the ESP32 microcontroller in conjunction with the MPU-6050 acceleration sensor for vibration data acquisition. The collected data is processed using the Fast Fourier Transform (FFT) for frequency domain analysis, which allows for the detection of characteristic fault signatures. The software architecture includes the transmission of data to a real-time storage and visualization platform, employing tools such as influxDB and grafana, enabling operators to monitor equipment health and make proactive decisions. The result is a functional prototype that demonstrates the technical and economic feasibility of implementing accessible condition monitoring solutions, contributing to the democratization of Predictive Maintenance technology.