ISSN 2594-360X
37° Seminário de Logística — vol. 37, num.37 (2018)
Título
Autoria
DOI
Downloads
Resumo
Utilizar os conceitos da indústria 4.0 na análise de trincas em dutos pressurizados é uma forma de tornar este processo independente da análise humana, diminuir custos e perda de tempo com inspeções do equipamento. O método de Emissão Acústica se destaca entre os ensaios não destrutivos pela possibilidade de analisar a integridade de equipamentos durante o seu uso. Utilizar redes neurais para analisar os sinais de emissão acústica provenientes de trincas pode ser uma forma de inspeção em tempo real. Deformações em materiais podem ser classificadas em sem propagação, propagação estável e propagação instável, e é importante corrigi-las antes que a última classe seja alcançada. O objetivo deste trabalho é o uso de redes neurais supervisionadas para determinar os estágios de propagação de trincas utilizando parâmetros de sinais de emissão acústica. Esta pesquisa analisa fissuras em tubos pressurizados com 40 m, sendo uma continuação de um trabalho que analisa fissuras em tubulações com 1,81 m. A rede neural da pesquisa com dutos mais curtos alcançou aproximadamente 91% de sucesso e, até o momento, esse novo trabalho, com dutos mais longos, obteve sucesso de quase 94%, mostrando que a técnica desenvolvida para dutos curtos também pode ser utilizada em dutos longos.
Using industry 4.0 concepts in the analysis of cracks in pressurized pipelines is one way of making this process independent of human analysis, reducing costs and wasting time with equipment inspections. The Acoustic Emission methods stands out among nondestructive testing for the possibility of analyzing the integrity of the equipment during its use. Using neural networks to analyze acoustic emission signals from cracks can be a form of real time inspection. Deformations in materials can be classified into no propagation, stable propagation and unstable propagation, and it is important to correct it before the last class be reached. The objective of this work is the use of supervised neural networks to determine the stages of crack propagation using acoustic emission signal parameters. This research analyses cracks in pressurized pipelines with 40 m, being a continuation of a work that analyses cracks in pipelines with 1.81 m. The neural network of the research with shorter pipelines has reached approximately 91% success and, so far, this new work, with longer pipelines, has succeeded almost 94%, showing that the technique developed for short pipelines can also be used in longer ones.
Palavras-chave
Rede Neural; Emissão Acústica; Classificador Supervisionado; Ensaio Não Destrutivo.
Neural Network; Acoustic Emission; Supervised Classifier; Nondestructive Testing.
Como citar
Marnet, Luiza Ribeiro;
Costa, Luiz Rennó;
Pinto, Carlos Fernando Carlim;
Noseda, Francesco;
Calôba, Luiz Pereira;
Soares, Sergio Damasceno;
Clarke, Thomas Gabriel Rosauro;
Jacques, Ricardo Callegari.
MONITORAMENTO DE DEFEITOS EM DUTOS RÍGIDOS POR PARÂMETROS DE EMISSÃO ACÚSTICA E REDES NEURAIS
,
p. 853-867.
In: 37° Seminário de Logística,
São Paulo,
2018.
ISSN: 2594-360X
, DOI 10.5151/2594-360X-31736
