Como já escrevemos aqui no nosso blog, o presente e o futuro da engenharia mecânica são computadorizados. As redes neurais e outras formas de Inteligência Artificial fazem parte do nosso cotidiano e auxiliam em diversas etapas do nosso trabalho.

Aqui na Vibroacustica, o conhecimento em machine learning e em algoritmos genéticos e evolutivos (genetic algorithms, evolutionary algorithm), por exemplo, fazem parte do rol de soluções que oferecemos aos clientes, dentro do nosso trabalho com simulações para otimizar tempo e recursos.

Dentro da inteligência artificial, as redes neurais estão entre as mais avançadas e também podem ser usadas na engenharia. Um exemplo recente são as simulações de vida útil de componentes, que vamos apresentar rapidamente neste texto.

O que é uma rede neural?

Em resumo, as redes neurais são sistemas de computador inspirados no cérebro humano. Elas replicam, em máquinas, a forma como seres humanos aprendem – e assim como nós, se aprimoram com o tempo. 

São vários nós interconectados e que funcionam como os neurônios. Assim, elas conseguem identificar padrões e encontrar respostas para problemas complexos com pouca interferência humana. Dito de outra forma, elas reconhecem padrões e correlações em bancos de dados.

As redes neurais são pesquisadas desde a década de 1940 e, atualmente, são úteis em diversos segmentos da indústria, auxiliando desde a área médica até as indústrias químicas e, claro, de engenharia.

Um exemplo recente do uso de redes neurais em nosso segmento de atuação é uma pesquisa da Universidade de Osaka, no Japão, que utilizou a aprendizagem de máquina para prever a vida útil de rolamentos.

Redes neurais para simulação de componentes

O modelo desenvolvido analisa especificamente a vida útil restante de rolamentos, componentes de diversos equipamentos rotativos, como compressores. 

Ele combina redes neurais convolucionais (convolutional neural network) para analisar imagens digitais, com a modelagem hierárquica bayesiana (hierarchical bayesian regression) para avaliação de hipóteses por meio de probabilidade estatística.

Esse sistema, basicamente, analisa por quanto tempo o equipamento funcionará, através de uma relação entre progressão do dano x tempo de vida útil restante do rolamento.

Por meio do espectro de vibração das peças, os cientistas conseguem prever a vida útil restante. Quanto mais o defeito piora, maior é a oscilação da amplitude de vibração. 

A rede neural é treinada por meio de um espectrograma com diferentes frequências de vibração ao longo do tempo, para que seja capaz de prever como será o desgaste no rolamento. 

O modelo da Universidade de Osaka reduziu em 32% os erros de previsão sobre a vida útil restante de rolamentos. Além disso, ao saber com maior precisão quando uma peça vai falhar, a manutenção do maquinário industrial se torna mais eficiente.

Você pode ler o estudo completo (em inglês) aqui.

Inovação é chave na indústria

Soluções cada vez melhores são desenvolvidas para solucionar problemas, seja na engenharia, seja em outras áreas. Por isso, estamos sempre atualizados em relação às principais formas de solucionar e predizer problemas em projetos de engenharia mecânica de nossos clientes.

 Entre nossos esforços, estão parcerias estratégicas importantes, como a HBK e o CTR da Randon, um dos maiores centros de tecnologia da América Latina. Conheça mais sobre nosso trabalho aqui!