LOGIN / Acesse o sistema

Esqueceu sua senha? Redefina aqui.

Ainda não possui uma conta? Cadastre-se aqui!

REDEFINIR SENHA

Insira o endereço de email associado à sua conta que enviaremos um link de redefinição de senha para você.

Ainda não possui uma conta? Cadastre-se aqui!

Este conteúdo é exclusivo para membros ABCM

Inscreva-se e faça parte da comunidade

CADASTRE-SE

Tem uma conta?

Torne-se um membros ABCM

Veja algumas vantagens em se manter como nosso Associado:

Acesso regular ao JBSMSE
Boletim de notícias ABCM
Acesso livre aos Anais de Eventos
Possibilidade de concorrer às Bolsas de Iniciação Científica da ABCM.
Descontos nos eventos promovidos pela ABCM e pelas entidades com as quais mmantém acordo de cooperação.
Estudantes de gradução serão isentos no primeiro ano de afiliação.
10% de desconto para o Associado que pagar anuidade anntes de completar os 12 meses da última anuidade paga.
Desconto na compra dos livros da ABCM, entre eles: "Engenharia de Dutos" e "Escoamento Multifásico".
CADASTRE-SE SEGUIR PARA O VIDEO >

Tem uma conta?

Eventos Anais de eventos

Anais de eventos

CREEM2024

CREEM 2024 - XXX Congresso Nacional de Estudantes de Engenharia Mecânica

Desenvolvimento de uma Ferramenta de Diagnóstico para Sistemas de Refrigeração Comerciais e Industriais Utilizando Inteligência Artificial

Submission Author: José Ricardo Ferreira Oliveira , MG
Co-Authors: Amanda Aparecida Alves Silva , Dimas Jose Rua Orozco, Osvaldo Jose Venturini, José Ricardo Ferreira Oliveira, Euler Horta, Tiago Mendes
Presenter: Amanda Aparecida Alves Silva

doi://10.26678/ABCM.CREEM2024.CRE2024-0142

 

Abstract

The use of Artificial Intelligence (AI) in the diagnosis of commercial and industrial refrigeration systems is a powerful tool to improve their performance and reliability. By integrating real-time operational data with AI techniques, it is possible to detect degradations and failures, contributing to the energy performance of these systems. Mathematical and computational models are used to predict the behavior of systems under different operating conditions, allowing the training of AI algorithms to monitor them and identify problems. This not only helps reduce energy consumption and sustainability, but also predicts failures and integrates with technologies such as the Internet of Things (IoT) and automation. The proposed work aims to provide a methodology to monitor and diagnose the performance of refrigeration system.

Keywords

Sistemas Térmicos, Refrigeração industrial, Detecção de Falhas, termoeconomia

 

DOWNLOAD PDF

 

‹ voltar para anais de eventos ABCM