Campus Salvador Dissertações
Use este identificador para citar ou linkar para este item: https://repositorio.ifba.edu.br/jspui/handle/123456789/541
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSilva, Hugo Diego Araújo da-
dc.date.accessioned2024-02-29T16:39:30Z-
dc.date.available2024-01-17-
dc.date.available2024-02-29T16:39:30Z-
dc.date.issued2023-12-14-
dc.identifier.citationSilva, Hugo Diego Araújo da. Determinação da espessura da camada de óxido de ferro em tubos de Radiant Shield de caldeira aquatubular através de processamento de sinais de ultrassom e uso de classificadores. Dissertação (Mestrado Profissional em Engenharia de Materiais) - Instituto Federal da Bahia, Salvador, 2023.pt_BR
dc.identifier.urihttps://repositorio.ifba.edu.br/jspui/handle/123456789/541-
dc.description.abstractWater boilers are equipment of great importance for the industrial park, making the industrial process economically viable. However, they are equipment that present different failure modes, highlighting the failures in the thermal exchange tubes caused by the growth of magnetite present in the internal part of the tubes. Currently, magnetite measurement techniques can be carried out through tests in laboratories (destructive method) or through ultrasound tests with high frequencies (≥20 MHz). In this case, the objective of this work was to develop a method of greater practical applicability for measuring magnetite for thickness 0 µm, 100 µm and 200 µm using a 15 MHz transducer, signal processing and classification techniques, aiming to identify the magnetite thickness classes present in the samples. For this purpose, samples of tubes taken from a water boiler that had a history of failures due to overheating caused by the excessive thickness of the magnetite were used. Subsequently, the ultrasonic signals collected from the samples formed a database, which were treated using mathematical methods and static techniques, then classifying algorithms were used, the classifiers that showed the best performance were selected and finally tests were carried out to validate the method. Test results indicated satisfactory performance in signal classification and testing, showing it to be a promising method for determining magnetite thickness.pt_BR
dc.languageporpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia da Bahiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectMagnetitapt_BR
dc.subjectUltrassompt_BR
dc.subjectProcessamento de sinaispt_BR
dc.subjectCaldeira aquatubularpt_BR
dc.subjectClassificadorespt_BR
dc.subjectMagnetitept_BR
dc.subjectUltrasoundpt_BR
dc.subjectSignal Processingpt_BR
dc.subjectWater Boilerpt_BR
dc.subjectClassifierspt_BR
dc.titleDeterminação da espessura da camada de óxido de ferro em tubos de radiant shield de caldeira aquatubular através de processamento de sinais de ultrassom e uso de classificadorespt_BR
dc.typeDissertaçãopt_BR
dc.contributor.advisor1Silva, Ivan Costa da-
dc.contributor.advisor1ID4865445293974312pt_BR
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4865445293974312pt_BR
dc.contributor.referee1Silva, Ivan Costa da-
dc.contributor.referee2Araújo, José Mário-
dc.contributor.referee3Souza, Carlos Augusto de-
dc.description.resumoAs caldeiras aquatubulares são equipamentos de grande importância para o parque industrial, tornando o processo industrial economicamente viável. Entretanto são equipamentos que apresentam diversos modos de falhas, principalmente as falhas nos tubos de troca térmica causadas pelo crescimento da magnetita presente na parte interna dos tubos. Atualmente, as técnicas de medição da magnetita podem ser realizadas através de ensaios em laboratórios (método destrutivo) ou através de ensaios de ultrassom com altas frequências (≥20 MHz). Nesse sentido, o objetivo deste trabalho foi desenvolver um método de maior aplicabilidade prática para medição da magnetita para as classes de espessura de 0 µm, 100 µm e 200 µm com o uso de transdutor de 15 MHz e técnicas de processamento e classificação dos sinais, visando estimar as classes de espessuras de magnetita presentes nas amostras. Para o referido propósito, foram utilizadas amostras de tubos retirados de uma caldeira aquatubular que apresentava histórico de falhas devido sobreaquecimento causado pela espessura excessiva da magnetita. Posteriormente, os sinais ultrassônicos coletados nas amostras formaram um banco de dados, que foram tratados através de métodos matemáticos e técnicas de estatística; em seguida, foram utilizados algoritmos classificadores, e foram selecionados os classificadores que apresentaram melhores desempenhos. Por último, foram realizados testes para validação do método. Resultados dos testes indicaram desempenho satisfatório na classificação e testes dos sinais, mostrando que esse método é promissor para determinação da espessura de magnetita.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentPrograma de Pós-Graduação em Engenharia de Materiais(PPGEM)pt_BR
dc.publisher.programMestrado Profissional em Engenharia de Materiais (PPGEM)pt_BR
dc.publisher.initialsIFBApt_BR
dc.subject.cnpqCNPQ::ENGENHARIAS::ENGENHARIA DE MATERIAIS E METALURGICApt_BR
dc.relation.referencesALPAYDIN, E.Introduction to Machine Learning. MIT Press, 2ª Edição, 2010. ANGELO J. D., BENNECER A., KACZMARCZYK S., PICTON P., “Modelling of termal behaviour of iron oxide layers on boilers tubes.” Journal os Physics:Conference Series 721, 2016, 1-9. ASDRUBAL, A.,Limpeza química de caldeira, TT243 – 9ª Coteq, Salvador-Ba, 2007. ASTM G1-90 Standard Practice for Preparing, Cleaning and Evaluating Corrosion Test Specimens, 1999. BARTOLLO, C. F.Aumento da Eficiência e Produção de Vapor com estudo de caso em uma caldeira aquatubular. Dissertação (Mestrando em Engenharia Mecânica) - Universidade de Santa Cecília, Santos, 2015. CARDOSO, B. R., COMELI, F. W., SANTANA, R. M., FURTADO H. C.,Previsão da vida em tubos de caldeiras com base na medição da espessura da camada de óxido por ultrassom. Revista Matéria, v. 16, n. 4, pp 819 -829, 2011. CERVANTES, J., LAMONT, F. G., MAZAHUA, L. R., LOPEZ, ASDRUBAL.A comprehensive survey on support vector machine Classification: Applications, Challenges and trends. Neurocomputing, v. 408, p. 189-215, 2020. CHEN, X., HOU, D., ZHAO, L., HUANG, P., ZHANG, G.Study on defect. Classication in multi-layer structures based on fisher linear discriminate analysis by using pulsed eddy current technique. NDTE International, v. 67, p. 46-54, 2014. CHEN, S.Z., FENG, D.C., HAN, W.S., WU, G.Development of data-driven prediction model for CFRP-steel bond strength by implementing ensemble learning algorithms.Construction and Building Materials, v. 303, 2021. DE BRAGA, R. M.Medição de Camada de Óxido em Tubos de Superaquecedores de Caldeiras Aquatubulares por Ultrassom. Tese (Doutorado em Engenharia Minas, Metalúrgica e Materiais) - Universidade Federal do Rio Grande do Sul, Porto Alegre, 2009. DE LIMA, C.R., PINTO, A.L., FURTADO, H.C., DE ALMEIDA, L.H., DE SOUZA, M.F.P.Quantitative observations of precipitationin 2.25Cr-1Mo steel exposed to different creep conditions in a power station. Engineering Failure Analysis, vol. 16, pp1493-500, 2009. DIÓRIO, A.Geração e Distribuição de Vapor. Londrina: Educacional S.A., 2019. P.101-166. DRAI R., SELLIDJ F., KHELIL M., BENCHAALA A.Elaboration of some signal processing algoritms in ultrasonic tecnique: application to materialsNDT. Ultrasonics, vol. 38, pp 503-507, 2000. Eficiência Energética no Uso do Vapor. Rio de Janeiro: Eletrobrás, 2005. Falta d´água em caldeira causou explosão em cervejaria em Jacareí. G1 News, 2016. Disponivel em: https://g1.globo.com/sp/vale-do-paraibaregiao/noticia/2016/11/falta-dagua-em-caldeira-causou-explosao-em-cervejaria-emjacarei.html . Acesso em: 16 set. 2023. FERRABOLLI, R.Slides do Curso Inspeção de Caldeira do IBP– Jul. a Jun. 2017. FIGUEIREDO, V. P. R., MOREIRA, V. E., HASSEGAWA, O. I., FARIA, R. F.Método não destrutivo para medição da camada de óxido da superfície interna de tubos de caldeira. O papel, vol. 79, 69-73, 2018. FILHO, E. F. S., JUNIOR, M. M. S., FARIAS, P. C.M.A., ALBUQUERQUE M. C. S., SILVA, C. S., FARIAS, C. T.T.Flexible decision support system for ultrasound evaluation of fiber-metal laminates implemented in a DSP. NDT&E International, vol. 79, pp 38-45, 2016. FRY A., OSGERBY S., WRIGHT M., “Oxidation of Alloys in Steam Enviroments – A Review”, NPL Materials Centre, 2002, pp. 1-39. FUKUOKA, F. T.Introdução ao método dos elementos espectrais. Trabalho de Conclusão de Curso (Bacharelado em Engenharia Mecânica) – Faculdade de Engenharia, Universidade Federal da Grande Dourados, Doourados, MS, 2018. GENTIL, Vicent.“Corrosão”, 7ª Edição, Rio de Janeiro, LTC – Livros Técnicos e Científicos Editora S.A., 2022. GRAHAM, R. Lobley; WALEED, L Al-Otaibi.Diagnosing Boiler Tube Failures Related to Overheating. Advanced Materials Research Vols 41-42, pp 175-181, 2008. HAMED, Y., SHAFIE, A., MUSTAFA, Z. B., IDRIS, N. R. B.An application of knearest neighbor interpolation on calibrating corrosion measurements collected by two non-destructive techniques. IEEE 3rd International Conference on Smart Instrumentation, Measurement and Applications, p. 1-5, 2015. Y. Hamed, A. Shafie, Z. B. Mustaffa and N. R. B. Idris, "An application of K-Nearest Neighbor interpolation on calibrating corrosion measurements collected by two nondestructive techniques," 2015 IEEE 3rd International Conference on Smart Instrumentation, Measurement and Applications (ICSIMA), Kuala Lumpur, Malaysia, 2015, pp. 1-5, doi: 10.1109/ICSIMA.2015.7559030. HAN, J., KAMBER, M., PEI, J.Data Mining: Concepts and Tecniques. [S.I.]: Morgan Kaufmann Series in Data Mangement Systems, 2012. HAYKIN, S.Neural Networks and Learning Machines. Pearson Education, p. 7 and 19, 2009. HARIBHAKTI, P.; JOSHI, P.B.; KUMAR, R.Failure Investigation of Boiler Tubes – A Comprehensive Approach. ASM International, 147-204, 2018. HE, Y., PAN, M., CHEN, D., LUO, F.PEC defect. Automated Classification in aircraft multi-ply structures with interlayer gaps and lift-offs. NDTE International, v. 53, p. 39-46, 2013. HO, G. Linear Discriminant Analysis for Starters. 2017. Disponível em: https://www.georgeho.org/lda/ HONGYU, K., SANDANIELO, V. L. M., JUNIOR, G. J. O.Principal Component Analysis: theory, interpretation and applications. Engineering and Science, 2015. JIMÉNEZ A. A.; GÓMEZ MUÑOZ C. Q.; GARCÍA MÁRQUEZ, F.P.Dirt and mud detection and diagnosis on a wind turbine blade emplotying guided waves and supervides learning classifiers.Reliability Engineering System Safety, 184, 2-12, 2019. LABRECK S., KASS D., NELLIGAN T.,Ultrasonic Thickness Measurement of Internal Oxide Scale in Steam Boiler Tubes. ECNDT, Mo.2.8.3, 2006. LAROCCA, C. B.Ensemble de Classificadores para avaliação de chapas de IF utilizando corrente parasitas pulsadas.Dissertação (Mestrado em Engenharia Elétrica) – Instituto Federal de Educação, Ciência e Tecnologia (IFBA), Bahia, Salvador, 2023. MOHRI, M., ROSTAMIZADEH, A., TALWALKAR, A.Foundations of Machine Learning. The MIT Press, 2018. LE, M., LOUNG, V. S., NGUYEN, D. K., LE, D. K., LEE, J. .Auto-detection of hidden corrosion in na aircraft strutucure by electromagnetic testing: A machinelearning approach. Applied Sciences, v. 12, n. 10, 2022. KINGSFORD, C., SALZERBERG, S. L. What are decision trees?Nature Biotechnology, v. 26, p. 1101-1103, 2008. KONNG, Q.; SIAUW, T.; BAYEN, A.Python Programming and Numerical Methods. A Guide for Engineers and Scientists. Academic Press, 2020. KUMAR, R.Linear Discriminant Analysis. 2018. MORAIS, D.; RODRIGUES, D. L.; POSSANI, D.; CORREIA, F. C.Ondas Ultrassônicas: teoria e aplicações industriais em ensaios não destrutivos, Revista Brasileira de Física Tecnológica Aplicada, v. 4, n. 1, p.16-33, 2017. MOYA, A. High.Temperature corrosion in exhaust application for heavy-duty trucks(Dissertation), 2019. NAQA, I. E., MURPHY, M. J.What Is Machine Learning?.In: El Naqa I., Li R., Murphy M.(eds) Machine Learning in Radiation Oncology. Cham Springer, 2015. OLIVEIRA, M. A., FILHO, E. F. S., ALBUQUERQUE M. C. S., SANTOS, Y. T. B., DA SILVA, I. C., FARIAS, C. T. T.Ultrasound-based idenitfication of damage in wind turbine blades using novelty detection. Ultrasonics, vol. 108, 2020. NEVES, A. S. B., A Formação da Camada Protetora de Magnetita em Caldeira – 6ª Coteq – Salvador – Bahia -2002. PATERSON, S.R., MOSER, R., RETTING, T.W.,“The oxidation of boiler tubes”, In: Proceedings of an International Conference on Iteraction of Iron-Based Materials with Water and Steam, pp. 8.1-8.25, Heidberg, Jun. 1992. RANGEL, R. F. Transformada de Fourier em Visão Computacional. Medium, 2021. RODRIGUES, L. F. et al.Carburization level identification in industrial HP pipes using ultrasonic evaluation and machine learning.Ultrasonics, v. 94, p. 145-151, 2019. ROKACH, L.Decision forest: Twenty years of research. Information Fusion, v. 27, p. 111-125, 2016. RUSSEL, S. J., NORVING, P.Artificial Intelligence: A Modern Approach. 2º Edição. Prentice-Hall, 2002. SHEYKHMOUSA,M., MAHDIANPARI, M., GHANBARI, F., MOHAMMADIMANESH, P. GHAMISI and S. HOMAYOUNI,"Support Vector Machine Versus Random Forest for Remote Sensing Image Classification: A Meta-Analysis and Systematic Review," in IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 13, pp. 6308-6325, 20204. SOPHIAN, A., TIAN, G. Y., TAYLOR, D., RUDLIN, J.A feature extraction technique based on principal component analysis for pulsed Eddy Current NDT. NDT&E International, v. 36, pp 37-41, 2003. SOUZA, L. A. M.Guia de Inspeção de Caldeira do IBP. Rio de Janeiro: Instituto Brasileiro de Petróleo de Gás (IBP), 2020. SPILSBURY, M. J., EUCEDA, A.,Transformada Rápida de Fourier. Revista La Escuela de Física, vol. IV, No 2, pp 45-52. STANGE, R. L.Adaptabilidade em aprendizado de Máquina: Conceito e estudo de Caso. Dissertação (Engenharia Elétrica) - Escola Politécnica da Universidade de São Paulo, São Paulo, 2011. THARWAT, A., TAREK, G., ABDELHAMEED., ELLA, H. A.Linear Discriminant analysis: A detailed tutorial. AI Communications, v. 30, p. 169-190, 2017. VESELA J., MARES P., JANURA R.,Internal oxide thickness measurement by ultrasonic method. Materials at High Temperature, 2019. VIKRANT K.S.N., RAMAREDDY G.V., PAVAN A.H.V., SING K., “Estimation of residual life of boiler tubes using steamside oxide scale thickness”International Journal of Pressure Vessels and Pipping, vol. 104, pp 69-75, 2013. VISWANATHAN R.Residual life techniques for plant life extension. Materials Science and Engineering, vol. 103, pp 131 a 139, 1988. VISWANATHAN R.Life-assessment tecnology for fossil power plants. Eletric Power Research Institute, vol. 20, pp 301 a 329, 1995. WARDLE TJ. Creep-rupture assessment of superheater tubes using nondestructive oxide thickness measurements. International conference on life management and life extension of power plant. 2000. WEEKS, M.Processamento Digital de Sinais – Utilizando o MATLAB e Wavelets. Editora Gen – LTC, 2ª Edição, São Paulo, 2012. ZHANG, W., CHEN, X., LIU, Y., XI, Q.A distributed storage and computation knearest neighbor algoritmo based cloud-edge computing for cyber-physicalsocial systems. IEEE, v. 8, p. 118 -130, 2020.pt_BR
Aparece nas coleções:Dissertações

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Dissert_Hugo Diego Silva_PPGEM.pdfDissertação12.47 MBAdobe PDFVisualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons

Ferramentas do administrador