Detecção de Falhas em Bombas Industriais usando Frequências Cíclicas com Random Forest

Daniela M Silva, Luiz F. Q. Silveira

DOI: 10.14209/sbrt.2025.1571157332

Evento: XLIII Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2025)

Keywords: detecção de falhas aprendizado de máquina sinais cicloestacionários densidade espectral cíclica

Abstract

Máquinas industriais desempenham um papel fundamental no setor produtivo, e a detecção de anomalias por meio de aprendizado de máquina é essencial para melhorar a confiabilidade. Este estudo propõe um método de detecção de falhas em bombas industriais, baseado no cálculo da Densidade Espectral Cíclica (SCD) e na classificação utilizando o Random Forest. A SCD extrai características dos sinais sensoriados, objetivando aprimorar a acurácia da classificação. O método foi avaliado com dados reais, alcançando até 96,5% de acurácia, F1-score médio de 0,80 e 100% de precisão, demonstrando seu potencial para o diagnóstico de falhas industriais.

Download