Type

Data source

Date

Thumbnail

Search results

24 records were found.

Descrição baseada em: Ano 4, nº 6 (Jan./Mar. 2004)
This paper presents an approach for automatic anomaly detection through vibration analysis based on machine learning algorithms.The study focuses on induction motors in a predictive maintenance context, but can be applied to other domains. Vibration analysis is an important diagnostic tool in industrial data analysis to predict anomaliescaused by equipment defects or in its use, allowing to increase its lifetime.It is not a new technique and is widely used in the industry, however withthe Industry 4.0 paradigm and the need to digitize any process, it gainsrelevance to automatic fault detection. The Isolation Forest algorithm isimplemented to detect anomalies in vibration datasets measured in anexperimental apparatus composed of an induction motor and a coupling system with shaft alignment/misalignment capabilities. The results showthat it is possible to detect anomalies automatically with a high level ofprecision and accuracy.
É objectivo deste trabalho estudar a Actividade Física no dia a dia das crianças, assim como o seu nível de Independência de Mobilidade, no meio urbano. A amostra deste estudo incidiu em crianças com idades compreendidas entre os 11 e os 12 anos, residentes na cidade de Castelo Branco. As principais conclusões foram: - As crianças que fizeram parte do estudo dizem ter um dia muito movimentado, mas pouco cansativo, apresentando como actividades mais exigentes em termos físicos, as praticadas nos clubes ou a actividade lúdica praticada fora de casa. - Relativamente à Independência de Mobilidade, as crianças apresentam níveis elevados, comprovando este aspecto, o facto de na sua maioria poderem deslocar-se sozinhos ou com amigos para vários locais da cidade.