Desenvolvimento de aplicativo para análise de padrões de vibração de compressores

João Vitor Gouveia de Lima; Meuse Nogueira de Oliveira Júnior

doi:10.47236/2594-7036.2026.v10.1887

Autores

João Vitor Gouveia de Lima Instituto Federal de Pernambuco https://orcid.org/0009-0005-2501-0621
Meuse Nogueira de Oliveira Júnior Instituto Federal de Pernambuco https://orcid.org/0000-0001-7670-0765

DOI:

https://doi.org/10.47236/2594-7036.2026.v10.1887

Palavras-chave:

Análise de vibrações, Desenvolvimento de software, IoT, Manutenção preditiva, Processamento de sinais

Resumo

Este trabalho apresenta o desenvolvimento de um aplicativo para análise de padrões de vibração em compressores utilizados em sistemas de climatização. O objetivo principal foi validar uma arquitetura de software capaz de processar, armazenar e visualizar sinais provenientes de sensores MEMS ruidosos, comuns em cenários de recursos limitados. A metodologia baseou-se no desenvolvimento de uma aplicação desktop em Python, integrando captura via protocolo MQTT, persistência em banco de dados PostgreSQL e processamento de sinais via algoritmos de Transformada Rápida de Fourier (FFT) e Transformada de Fourier de Curto Prazo (STFT). Para a validação da aplicação, utilizou-se um nó de aquisição baseado no ESP8266 e sensor MPU-6050 em um motor de indução. Os resultados demonstraram que o sistema processou buffers de 256 amostras com uma latência de transmissão e renderização de 3,4 segundos. A análise espectral identificou a frequência fundamental de vibração em torno de 120 Hz a 125 Hz, apresentando um desvio aceitável em relação ao esperado teórico (120 Hz) dada a resolução espectral imposta pela janela de amostragem. Conclui-se que o modelo desenvolvido é eficaz para triagem e monitoramento remoto, compensando as limitações de hardware através de técnicas robustas de processamento e visualização, oferecendo uma alternativa de favorável custo-benefício que atua como uma central de monitoramento para auxiliar equipes de manutenção.

Downloads

Não há dados estatísticos.

Métricas

Carregando Métricas ...

Biografia do Autor

João Vitor Gouveia de Lima, Instituto Federal de Pernambuco

Estudante do curso de Tecnologia em Análise e Desenvolvimento de Sistemas do Campus Recife, do Instituto Federal de Pernambuco. Recife, Pernambuco, Brasil. Endereço eletrônico: jvgl@discente.ifpe.edu.br. Orcid: https://orcid.org/0009-0005-2501-0621. Currículo Lattes: http://lattes.cnpq.br/3176336326143248.

Meuse Nogueira de Oliveira Júnior, Instituto Federal de Pernambuco

Doutor em Ciência da Computação pela Universidade Federal de Pernambuco. Professor das áreas de Engenharia Biomédica e Ciência da Computação do Ensino Básico, Técnico e Tecnológico no Campus Recife, do Instituto Federal de Pernambuco. Recife, Pernambuco, Brasil. Endereço eletrônico: meusejunior@recife.ifpe.edu.br. Orcid: https://orcid.org/0000-0001-7670-0765. Currículo Lattes: http://lattes.cnpq.br/8250068675147894.

Referências

BALDISSARELLI, L. N.; FABRO, E. Manutenção preditiva na indústria 4.0. Scientia cum Industria, [S. l.], v. 7, n. 2, p. 12-22, 2019. Disponível em: https://sou.ucs.br/etc/revistas/index.php/scientiacumindustria/article/view/6835. Acesso em: 9 fev. 2026. DOI: https://doi.org/10.18226/23185279.v7iss2p12

CYRINO, L. Diagnóstico de falhas das vibrações. 2017. Disponível em: https://www.manutencaoemfoco.com.br/diagnostico-de-falhas-das-vibracoes/. Acesso em: 8 jan. 2025.

FINLEY, W. R.; HODOWANEC, M. M.; HOLTER, W. G. An analytical approach to solving motor vibration problems. In: IEEE INDUSTRY APPLICATIONS SOCIETY ANNUAL MEETING, 46., 1999, Phoenix. Conference Record [...]. Phoenix: IEEE, 1999. p. 217–232. DOI: https://doi.org/10.1109/PCICON.1999.806440

HARRIS, C. R. et al. Array programming with NumPy. Nature, London, v. 585, n. 7825, p. 357–362, 2020. DOI: https://doi.org/10.1038/s41586-020-2649-2

HUNTER, J. D. Matplotlib: A 2D graphics environment. Computing in Science & Engineering, New York, v. 9, n. 3, p. 90–95, 2007. DOI: https://doi.org/10.1109/MCSE.2007.55

JARDINE, A. K. S.; LIN, D.; BANJEVIC, D. A review on machinery diagnostics and prognostics implementing condition-based maintenance. Mechanical Systems and Signal Processing, Amsterdam, v. 20, n. 7, p. 1483-1510, 2006. DOI: https://doi.org/10.1016/j.ymssp.2005.09.012

KANBAN UNIVERSITY. The Kanban Guide. 2021. Disponível em: https://kanban.university/kanban-guide/. Acesso em: 20 jan. 2025.

LEE, J.; BAGHERI, B.; KAO, H.-A. A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems. Manufacturing Letters, [S.l.], v. 3, p. 18-23, 2015. DOI: https://doi.org/10.1016/j.mfglet.2014.12.001

MCFEE, B. et al. Librosa: Audio and Music Signal Analysis in Python. In: PYTHON IN SCIENCE CONFERENCE, 14., 2015, Austin. Proceedings [...]. Austin: SciPy, 2015. p. 18-24. DOI: https://doi.org/10.25080/Majora-7b98e3ed-003

OPPENHEIM, A. V.; SCHAFER, R. W. Discrete-Time Signal Processing. 3. ed. Upper Saddle River: Pearson, 2010.

PDOC. Pdoc Documentation. 2025. Disponível em: https://pdoc.dev/docs/pdoc.html. Acesso em: 25 set. 2025.

PEREIRA, A. C.; SIMONETTO, E. O. Indústria 4.0: conceitos e perspectivas para o Brasil. Revista da Universidade Vale do Rio Verde, Três Corações, v. 16, n. 1, p. 1-12, 2018. DOI: https://doi.org/10.5892/ruvrd.v16i1.4938

POSTGRESQL GLOBAL DEVELOPMENT GROUP. PostgreSQL 16.1 Documentation. 2025. Disponível em: https://www.postgresql.org/docs/. Acesso em: 11 jan. 2025.

SAFIZADEH, M. S.; LAKIS, A. A.; THOMAS, M. Using Short-Time Fourier Transform in Machinery Diagnosis. In: INTERNATIONAL CONFERENCE ON CONDITION MONITORING AND DIAGNOSTIC ENGINEERING MANAGEMENT, 18., 2005, Cranfield. Proceedings [...]. Cranfield: COMADEM, 2005. p. 305-314.

SCHWABER, K.; SUTHERLAND, J. The Scrum Guide: The definitive guide to Scrum. 2020. Disponível em: https://scrumguides.org/scrum-guide.html. Acesso em: 20 jan. 2025.

SMITH, S. W. The Scientist and Engineer's Guide to Digital Signal Processing. San Diego: California Technical Publishing, 1997.

THINGSBOARD. ThingsBoard Documentation. 2025. Disponível em: https://thingsboard.io/docs/. Acesso em: 25 set. 2025.

VAVASSORI, M. M. et al. Análise de falhas em equipamentos utilizando sensores de baixo custo, como método de manutenção preditiva. Periódico Científico da UniSATC, Criciúma, v. 7, n. 2, p. 136–194, 2022.

VISUAL STUDIO CODE. Documentation. 2025. Disponível em: https://code.visualstudio.com/docs. Acesso em: 11 jan. 2025.