Desarrollo de una aplicación para el análisis de patrones de vibración en compresores
DOI:
https://doi.org/10.47236/2594-7036.2026.v10.1887Palabras clave:
Análisis de vibraciones, Desarrollo de software, IoT, Mantenimiento predictivo, Procesamiento de señalesResumen
Este trabajo presenta el desarrollo de una aplicación para el análisis de patrones de vibración en compresores utilizados en sistemas de climatización. El objetivo principal fue validar una arquitectura de software capaz de procesar, almacenar y visualizar señales provenientes de sensores MEMS ruidosos, comunes en escenarios con recursos limitados. La metodología se basó en el desarrollo de una aplicación de escritorio en Python, integrando la captura mediante protocolo MQTT, persistencia en una base de datos PostgreSQL y procesamiento de señales vía algoritmos de Transformada Rápida de Fourier (FFT) y Transformada de Fourier de Corto Tiempo (STFT). Para la validación de la aplicación, se utilizó un nodo de adquisición basado en ESP8266 y sensor MPU-6050 en un motor de inducción. Los resultados demostraron que el sistema procesó búferes de 256 muestras con una latencia de transmisión y renderizado de 3,4 segundos. El análisis espectral identificó la frecuencia fundamental de vibración en torno a 120 Hz a 125 Hz, presentando una desviación aceptable respecto al esperado teórico (120 Hz) dada la resolución espectral impuesta por la ventana de muestreo. Se concluye que el modelo desarrollado es eficaz para el triaje y monitoreo remoto, compensando las limitaciones del hardware a través de técnicas robustas de procesamiento y visualización, ofreciendo una alternativa con una favorable relación costo-beneficio que actúa como una central de monitoreo para auxiliar a los equipos de mantenimiento.Descargas
Referencias
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.
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.
HARRIS, C. R. et al. Array programming with NumPy. Nature, London, v. 585, n. 7825, p. 357–362, 2020.
HUNTER, J. D. Matplotlib: A 2D graphics environment. Computing in Science & Engineering, New York, v. 9, n. 3, p. 90–95, 2007.
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.
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.
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.
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.
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.
Descargas
Archivos adicionales
Publicado
Número
Sección
Licencia
Derechos de autor 2026 João Vitor Gouveia de Lima, Meuse Nogueira de Oliveira Júnior
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Permite el intercambio, la adaptación y el uso para cualquier fin, incluso comercial, siempre que se otorgue la debida atribución a los autores y a la Revista Sítio Novo.
Los autores declaran que el trabajo es original y que no ha sido publicado previamente, ni total ni parcialmente, salvo en servidores de preprints reconocidos, siempre que se declare, y que ningún otro manuscrito similar de su autoría se encuentra publicado ni en proceso de evaluación por otra revista, ya sea impresa o electrónica.
Declaran que no han violado ni infringido ningún tipo de derecho de propiedad de terceros, y que todas las citas en el texto son hechos verídicos o están basadas en investigaciones con exactitud científicamente comprobable.
Los autores conservan los derechos de autor de los manuscritos publicados en esta revista, permitiendo el uso irrestricto de su contenido, siempre que se cite adecuadamente la autoría original y la fuente de publicación.
