Trabalhos de Conclusão de Curso

URI Permanente para esta coleção

https://repositorio.fei.edu.br/handle/FEI/3178

Navegar

Agora exibindo 1 - 5 de 6

Tecnologia IoT de baixo consumo de energia para monitoramento de máquinas e diagnóstico de falhas para manutenção preditiva
(2023-06-14) Silva, Bianca Dias Alcântara da ; Rua, Guilherme Almir Nunes ; Pinto, Lucas dos Santos Alves ; Silva, Matheus Chagas da Silva ; Silva, Matheus Orlandi Pereira da
Combinar Inteligência Artificial com sensores IoT para coleta de dados automaticamente, sem a necessidade da presença humana para o monitoramento é uma das novas tendências tecnológicas. A requisição de dados de sensores automatizados está se tornando cada vez mais acessível e lucrativa para empresas com o propósito em melhorar o setor de manutenção, portanto o investimento em análise de grandezas de um motor elétrico trifásico (corrente, temperatura e vibração), é extremamente importante para a indústria, pois pode antecipar falhas inesperadas que prejudicam o bom rendimento da máquina. Com a implementação de um sistema conectado utilizando o conceito de Harvest Energy, é possível observar essas grandezas em tempo real, e assim salvar as informações coletadas em um banco de dados. Após o monitoramento dos parâmetros com o auxílio de uma inteligencia artificial, pode-se prevenir e combater possíveis erros, os quais venham afetar a vida útil do motor.
Sheikah arm
(2023-06-14) Matheus, Ricardo H. A. ; Araki, Daniel K. S. ; Nunes, Rafael O. ; Leal, Gustavo N.
O presente trabalho tem como objetivo o desenvolvimento de um protótipo de prótese mioelétrica de mão desenvolvida em uma impressora 3D, cuja intensão do usuário seja detectada pela utilização de técnicas de aprendizado de máquina para o reconhecimento de padrões de sinais mioelétricos. Foram estudados os principais componentes e conceitos da solução, partindo do modelo de prótese open source, da leitura de sinais mioelétricos coletados pela Myo Armband, do processamento dos sinais através de aprendizado de máquina utilizando a ferramenta Classification Learner e do Matlab e, por fim, comunicação Wi-Fi com o Raspberry Pi Zero W, responsável pelo controle do movimento final, realizado através do acionamento dos servomotores do protótipo. Utilizando como classificador o SVM Quadrático, a acurácia média obtida nos teste,s com aquisição de dados online, foi de 90,8%, para distinguir cinco movimentos: mão aberta, preensão, pinça, extensão do indicador e extensão do polegar.
Desenvolvimento de um gerador linear para aplicação em equipamentos de academia
(2022-12-07) Bardelin, Andre Cisneros; Silva, Bruno Haruske Kuroki da; Ferreira, Caio Augusto Eneas Muzetti; Caroba, Caio Gomes
O Fit Magnet possui como objetivo auxiliar a sociedade brasileira no que diz respeito à sustentabilidade e fontes de energia alternativa, além de incentivar a prática do exercício físico. Será criado um gerador linear plano para ser acoplado a um equipamento de academia que a cada movimento realizado durante os exercícios de musculação, a energia mecânica humana desenvolvida pelo movimento resultante da realização do exercício no aparelho, gerará energia elétrica que pode ser utilizada para minimizar o consumo de energia elétrica mensal.
Automatização do processo de calibração do regulador de pressão
(2022-12-06) Matos, Bianca de Sousa; Kimoto, Caio Yuzo; Schiavetto, Gabriel Marques; Rissi, Matheus Cruz; Carvalho, Matheus Rodrigues; Zhu, Ronaldo
O regulador de pressão é um dos componentes de um veículo automotor, responsável por ajustar a pressão em toda linha de combustível e são líderes de vendas da empresa DS Tecnologia Automotiva. Antes do regulador de pressão entrar no mercado consumidor é necessário calibrá-lo, este trabalho de conclusão de curso tem como objetivo automatizar o processo de calibração deste componente e avaliar o desempenho especificado, perante sua qualidade, efetividade e velocidade. Para alcançar o resultado, foram levantados as informações e dados necessários sobre o sistema de calibração manual, anteriormente utilizado pela empresa, e então iniciou-se os estudos a fim de implementar a automatização. Os componentes a serem utilizados foram definidos e comprados, peças a serem manufaturadas foram projetadas e usinadas, e as programações do Controlador Lógico Programável e Interface Homem Máquina foram desenvolvidas, e por fim, o projeto foi confeccionado e implementado no setor de produção da empresa. Após sua implementação, os resultados obtidos com a automatização foram avaliados e considerados benéficos para a empresa. Perante tal estudo, conclui-se a importância e eficácia da automatização de processos dentro das indústrias.
Sleep-IA, monitoramento do sono
(2021-06-15) Rodrigues, Bruno Lolli; Paula, Guilherme Braga de; Costamilan, Lucas de Moraes; Cervi, Paulo Henrique Vidal
A humanidade luta constantemente contra doenças para sua sobrevivência, existem tantas formas diferentes dessas doenças atacarem que é notório o desenvolvimento de soluções para antecipar essas doenças de acordo com os sinais que ocorpohumanodemonstra.Dentre esses sinais,o sono é um dos que menos é conhecidoe que apresenta várias informações importantes. Em especial, tem-sea qualidade do sono,poistanto a parte física como a parte mental estão interligadas,fornecendo informações constantemente das possíveis causas de distúrbios e baixa qualidade do sono.Estudos de laboratórios neste setor mostram que através desses sinais que estãosendo liberados durante o sonoé possível identificar problemas respiratórios, cardíacos, mentais dentre outros.O foco do projeto consiste na criação deuma Inteligência Artificial focada na área médica no setor do sono, dando inícioem umestudocom déficitde ferramentas e recursos, criando um incentivo para novas pesquisasvisando a identificação de doenças e distúrbios do sono.Ao utilizar um algoritmo de rede neural para uma resposta binária, ou seja, identificando se o indivíduo está acordado ou dormindo obteve 82.19% de acurácia, para um algoritmo que identifica se o indivíduo está no sono de Rapid Eye Movement, seestá acordado ou se está fora do Rapid Eye Movementobteve 68.21% e por fim o algoritmo para identificar todos os estágios do sono obteve 59.09%.

Navegar

Submissões Recentes