Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico. Programa de Pós-Graduação em Engenharia Mecânica. / Made available in DSpace on 2012-10-20T03:14:11Z (GMT). No. of bitstreams: 1
184497.pdf: 1476621 bytes, checksum: 80a4988396ec203bf3aaa957b63dfb68 (MD5) / Este trabalho consiste no desenvolvimento de uma metodologia para a avaliação da qualidade de montagem dos compressores produzidos. São aqui abordadas as ferramentas de Redes Neurais Artificiais (RNAs), Análise do Modo de Falha e Efeito (FMEA) e a Análise da Árvore de Falha (FTA). Com base nesta abordagem são propostas a análise dos principais modos de falha na montagem de compressores herméticos e a identificação automática destes modos através de redes neurais. Este estudo visa reduzir o número de compressores montados fora dos padrões recomendados pela empresa. Esta proposta objetiva extrair características de um sinal primitivo através de sensores instalados no painel de medição e classificar com uma rede neural os sinais de compressores bons e/ou ruins. Na avaliação da proposta os resultados obtidos são confrontados com o atual modelo de medição. Destaca-se o índice de acerto do modelo proposto que é entre 97% e 100% de padrões identificados corretamente. Sem dúvida, a identificação de problemas através de redes neurais artificiais mostra-se bastante promissora e com um alto índice de acerto.
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufsc.br:123456789/83770 |
Date | January 2002 |
Creators | Dencker, Fabiano Alves |
Contributors | Universidade Federal de Santa Catarina, Lenzi, Arcanjo, Dias, Acires |
Publisher | Florianópolis, SC |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | ii, 92 f.| il., tabs., grafs. |
Source | reponame:Repositório Institucional da UFSC, instname:Universidade Federal de Santa Catarina, instacron:UFSC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.002 seconds