Orientador: João Antonio Pereira / Banca: Amarildo Tabone Paschoalini / Banca: Renê Pegoraro / Resumo: As técnicas de termografia vêm atualmente ganhando espaço como técnicas de manutenção preditiva, principalmente, por seu caráter não invasivo (ferramenta de não contato) que possibilita o monitoramento do aquecimento de máquinas e equipamentos em operação ou mesmo energizados. A utilização de câmeras termográficas hoje é uma realidade em vários setores industriais para monitoramento e detecção de falhas com base na temperatura. Entretanto, a utilização de câmaras termográficas na manutenção não deve se restringir apenas à avaliação da temperatura, uma vez que as imagens termográficas são sinais que apresentam padrões complexos que podem captar as diferentes características e condição de operação do equipamento. Outras informações além da temperatura poderiam ser observadas para uma avaliação mais consistente do estado de operação do equipamento. Este trabalho discute a utilização da técnica da estatística multivariada, Análise de Componentes Principais (ACP) para o processamento e análise de um conjunto de imagens termográficas. Essa proposta visa à identificação de padrões associados às variações térmicas das imagens, bem como, a interpretação desses dados em termos da sua variabilidade espacial/temporal para aplicação na manutenção preditiva com base na termografia. Num primeiro momento a técnica foi aplicada para a avaliação de um conjunto de dados (imagens térmicas) obtidos a partir da simulação do aquecimento de um dado componente (chave elétrica), cujo objetivo foi testar e verificar a validade da proposta e do programa desenvolvido. Posteriormente a técnica foi aplicada para o acompanhamento e avaliação do aquecimento de componentes de um modelo simplificado de um painel de telefonia, formado por blocos de alumínio fixados em uma placa de acrílico. A análise no modo espacial e no modo temporal do conjunto de ... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: Thermography techniques are currently gaining ground as predictive maintenance techniques, mainly due to its non-invasive character (non-contact tool) that allows the monitoring of heating condition of machines and equipment also in operation and even energized. The use of thermographic cameras is now a reality in many industrial and electrical sectors for monitoring and fault detection based on temperature. However, the use of thermal imagers in the maintenance should not be restricted to only the evaluation of temperature, since the thermographic images are signs that show complex patterns and they can capture the different characteristics of the actual condition of the monitored equipment. Information other than temperature could be observed for a more consistent evaluation of its state of operation. This paper discusses the propose of use of the multivariate analysis technique, Principal Component Analysis (PCA) for the processing and analysis of a series of thermographic images in order to identify patterns associated with temperature variations of the images, as well as, the interpretation of these data in terms of their spatial/temporal variability. Initially the technique was used to the analysis of data (thermal images) obtained from the simulation of heating conditions of a component (electric switch) aiming at to test and verify the validity of the proposal and program development. Later the technique was applied to the monitoring and evaluation of the heating condition of components of a simplified model of a telephone panel, formed by aluminum blocks fixed in a plate of acrylic. The analysis in the spatial and temporal mode of the set of thermograms obtained for different heating conditions of the blocks, it showed that it is possible to verify and establish correlations between the Principal Components and the thermal profile of the system / Mestre