Sobre a proposta de aplicação na pré-montagem de compressores

Os testes de capacidade de elevação de pressão também são realizados no meio da linha de montagem de compressores. Nesse estágio, o compressor ainda se encontra aberto e os testes são feitos objetivando encontrar defeitos que possam ser reparados antes que a tampa seja selada ao corpo do mesmo. Para a realização desse primeiro

teste, o equipamento conta com uma tampa móvel, que, sobre pressão, sela temporariamente o compressor. As variáveis características do ensaio são obtidas de maneira semelhante ao teste realizado nos painéis da montagem final (MFC), com exceção da medição do ruído vibroacústico, nesse caso obtido por meio de um transdutor de pressão sonora. Devido ao local onde estão posicionados, esses painéis de elevação de pressão são denominados PMC (pré-montagem de compressores). Nesses painéis os testes também são realizados em 7 segundos. A análise nos painéis PMC pode se revelar mais complexa, função da influência de outras características da etapa do processo, como tampa solta, vedação hermética e queda de pressão. Entretanto, sugere-se avaliar a aplicabilidade das ferramentas desenvolvidas, para inferir valores de COP, consumo e mínima tensão de partida, a partir das variáveis resultantes dos testes nesses painéis.

REFERÊNCIAS

ABLAMEYKO S. et al. Neural Networks for Instrumentation, Measurement and Related Industrial Applications. NATO Science Series: Computer & Systems Sciences, v. 185, 2003.

ABLOW, C. M.; KAYLOR, D. J. A Committee Solution of the Pattern Recognition Problem. IEEE Transaction on Information Theory, v. 11, n. 3, pp. 453-455, 1965.

ABNT. NBR 5383-1: Máquinas Elétricas Girantes Parte 1: Motores de Indução Trifásicos – Ensaios. 2002.

ADAMOWICZ, E. C.; SAMPAIO; M. E. C. S.; BARBOZA, A. O. Reconhecimento de Padrões de Análise Econômico-Financeira de Empresas. XXII Encontro Nacional de Engenharia de Produção. Curitiba. Enegep, 2002.

AHMAD, Z.; ZHANG, J. A Comparison of Different Method for Combining Multiple Neural Network Models. Proceedings of the International Joint Conference on Neural Network, v. 1, pp. 828-833, May 2002.

ALBERTAZZI, A.; SOUSA, A. R. Fundamentos de Metrologia Científica e Industrial. Malone, 2008. 407 p.

ARCAKLIOĞLU, E.; ÇAVUŞOĞLU, A.; ERIŞEN, A.

Thermodynamic Analyses of Refrigerant Mixtures Using Artificial Neural Networks. Applied Energy, n 78, pp. 219-230, 2004.

ARENCIBIA, K.; TRICIO, V. Evaluación Experimental de Compressores Herméticos em Condiciones de Clima Tropical. Eficiencia y Capacidad Frigorífica. Informacion Tecnológica, Vol. 25, nº 2, pp. 103-110, 2014.

ASHRAE STANDARD. ANSI/ASHRAE 23-2005: Methods of testing for rating positive displacement refrigerant compressors and condensing units. Atlanta, EUA, 2005.

BARBOSA, B. H. G. Computação Evolucionária e Máquinas de Comitê na Identificação de Sistemas Não-lineares. 224 f. Tese (Doutorado em Engenharia Elétrica) – Programa de Pós-graduação em Engenharia Elétrica, Universidade Federal de Minas, Belo Horizonte, 2009.

BARBOSA, F. Q. Redução de Incertezas nas Medições de

Grandezas Elétricas em uma Bancada de Ensaio de Desempenho de Compressores. 190 f. Dissertação (Mestrado em Metrologia Científica e Industrial) – Programa de Pós-graduação em Metrologia Científica e Industrial, Universidade Federal de Santa Catarina, Florianópolis, 2006. BARRON, W. R. Princípios de Termometria com Infravermelho. Manual de referência técnica de temperatura. OMEGA, pp. 68-71, 2014. BASHEER, I. A.; HAJMEER, M. Artificial Neural Networks:

Fundamentals, Computing, Design, and Application. Journal of Microbiological Methods, v. 43, pp. 3-31, 2000.

BASTES, J. M.; GRANGER, C. W. J. The Combination of Forecasts. Operations Research Quartely, 20, pp. 451-468, 1969.

BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP, OIML. JCGM 100: Evaluation of measurement data – Guide to the expression of uncertainty in measurement. Sep. 2008a. 134 p.

BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP, OIML. JCGM 101: Supplement 1 to the “Guide to the expression of uncertainty in measurement” – Propagation of distributions using a Monte Carlo method. Sep. 2008b. 90 p.

BISHOP, C. M. Neural Networks for Pattern Recognition. Clarendon Press, Oxford, 1995.

BJÖRCK, Å. Numerical Methods for Least Squares Problems. SIAM. Philadelphia, 1996.

BOYER, C. B; MERZBACH, U. C. História da Matemática. Tradução Helena Castro. 3. ed. Editora Blucher, São Paulo, 2012.

BREIMAN, L. Bagging Predictors. Machine Learning, n. 24, pp. 123- 140, 1996.

CARDOSO, R. B. Avaliação da Economia de Energia Atribuída ao Programa Selo Procel em Freezers e Refrigeradores. Dissertação (Mestrado em Engenharia da Energia) – Programa de Pós-graduação em Ciências me Engenharia da Energia, Universidade Federal de Itajubá, Itajubá, 2008.

CASELLA, A. V. Ferramenta Fuzzy-Bayesiana para Identificação do Instante de Entrada no Regime Permanente em Ensaios de Desempenho de Compressores. 110 f. Dissertação (Mestrado em

Metrologia Científica e Industrial) – Programa de Pós-Graduação em Metrologia Científica e Industrial, Universidade Federal de Santa Catarina, Florianópolis, 2008.

CICHOCKI, A.; UNBENHAUEN. Neural Networks for Optimisation and Signal Processing. New York. John Wiley & Sons: 1993.

COLORADO, D. et al. Error Propagation on COP Prediction by Artificial Neural Network in a Water Purification System

Integrated to an Absorption Heat Transformer. Renewable energy. n. 36, 2011. pp. 1315-1322.

CORAL, R. et al. Development of a Committee of Artificial Neural Networks for the Performance Testing of Compressors for Thermal Machines in Very Reduced Times. Metrologia i Systemy Pomiarowe/ Metrology and Measuring Systems. v. 22, PP. 79-88, 2015.

CORAL, R. Método para Estimar a Capacidade de Refrigeração de Compressores Herméticos Integrável à Linha de Produção. 238 f. Tese (Doutorado) – Curso de Pós-Graduação em Engenharia Mecânica, Departamento de Engenharia Mecânica, Universidade Federal de Santa Catarina, Florianópolis, 2014.

COSTA, J. G. F. Automação de Ensaios de Compressores de Refrigeração Operando sob Condições Extremas. 195 f. Dissertação (Mestrado em Metrologia Científica e Industrial) – Programa de Pós- Graduação em Metrologia Científica e Industrial, Universidade Federal de Santa Catarina, Florianópolis, 2010.

CYBENKO, G. V. Approximation by Superpositions of a Sigmoidal Function. Mathematics of Control, Signal and Systems. Vol. 2, n. 4, PP. 303-314, 1989.

CHRYSSOLOURIS, G.; LEE, M.; RAMSEY, A. Confidence Interval Prediction for Neural Network Models. IEEE Transactions on Neural Networks, v. 7, n. 1, pp. 229-232, Jan. 1996.

DAQSYS. Sistema de Teste de Compressores. (Manual do usuário). 2008.

DENCKER, R. B. Detecção de Falha na Montagem de Compressores Herméticos por Redes Neurais Artificiais. Dissertação (Mestrado em Engenharia Mecânica) – Programa de Pós-Graduação em Engenharia Mecânica, Universidade Federal de Santa Catarina, Florianópolis, 2002.

DEVORE, J. L. Probabilidade e Estatística para Engenharia e Ciências. Tradução Joaquim P. N. da Silva. Editora Thomson, São Paulo, 2006.

DIN – DEUTSCHES INSTITUT FÜR NORMUNG. EN 12900: