Orientador: Paulo Roberto Aguiar / Banca: André Luiz Andreoli / Banca: Danilo Hernane Spatti / Resumo: A dressagem é uma operação muito importante para o processo de retificação. O objetivo desta é recondicionar o rebolo para restabelecer suas características de corte perdidas devido ao desgaste produzido após sucessivos passes. Sistemas de monitoramento que utilizam emissão acústica (EA) têm sido propostos para correlacionar os sinais com diversas condições da ferramenta. Este estudo traz uma nova abordagem de processamento de sinais de EA com o objetivo de identificar o momento correto para finalizar a dressagem, o que é essencial em um sistema de controle automático. A partir dos sinais de EA, coletados em testes de dressagem de rebolo de óxido de alumínio com dressador de ponta única, a análise espectral foi realizada por meio da Densidade Espectral de Potência (PSD, Power Spectral Density), selecionando-se bandas de frequências que melhor caracterizam o processo. O parâmetro estatístico "counts" foi aplicado ao sinal original não filtrado e filtrado nas bandas selecionadas para identificar a condição da ferramenta e, por sua vez, para a implementação de um sistema de monitoramento. Os resultados mostraram uma relação expressiva entre as condições de corte da ferramenta e os sinais processados nas bandas selecionadas. Houve uma grande diferença dos sinais filtrados nas bandas selecionadas e sinais não filtrados, refletindo que os filtrados foram mais eficientes em termos de automação de processos. / Abstract: Dressing is an important operation for the grinding process. Its goal is to recondition the wheel tool to re-establish its cutting characteristics, owing to the wear produced after successive passes. Monitoring systems that use acoustic emission (AE) have been studied to correlate the signals with several tool conditions. This study brings a new approach of processing AE signals with the purpose of identifying the correct moment to stop the dressing, which is essential in an automatic control system. From the AE signals collected in dressing tests with aluminium oxide grinding wheel and single-point dresser, spectral analysis was made through power spectral density, selecting frequencies bands that best characterize the process. The statistical parameter 'counts' was applied to the raw signal unfiltered and filtered in the selected bands in order to identify the tool condition and, in turn, towards a monitoring system implementation. Results showed an expressive relation between tool cutting conditions and processed signals in the selected bands. There was a great disparity of the filtered signals in the selected bands and signals unfiltered, reflecting that the filtered ones were more efficient in terms of process automation. / Mestre