Inspeções robóticas autónomas em ambiente industrial: Implementação do Robot e Desenvolvimento de um Modelo de Análise Acústica para suporte à Manutenção Preditiva
Breno Alves Fernandes · Open Repository of the University of Porto (University of Porto) · 2026
A presente dissertação foi desenvolvida na fábrica da Sonae Arauco em Oliveira do Hospital, no contexto de um projeto piloto de inspeções robotizadas com o robot quadrúpede ANYmal.O trabalho surge da necessidade de ultrapassar limitações associadas às inspeções manuais em ambientes industriais adversos, caracterizados por elevados níveis de poeiras, ruído, variações térmicas e acessos condicionados.A implementação do sistema incluiu o mapeamento das áreas produtivas, a definição de 1106 pontos de inspeção distribuídos por 428 ativos industriais, e a configuração de 11 missões autónomas.A recolha de dados multimodais (visuais, térmicos, acústicos e ultrassónicos) permitiu validar a viabilidade técnica da solução, com deteção e validação de três anomalias térmicas em motores elétricos e identificação de múltiplas fugas de ar comprimido.A componente central de investigação centrou-se no desenvolvimento de um modelo de análise acústica baseado em Machine Learning, combinando um classificador Random Forest supervisionado com o algoritmo Isolation Forest não supervisionado.O pipeline desenvolvido em Python extrai 15 features espectrais e temporais dos sinais acústicos exportados pelo robot, treina o modelo com dados de 18 ativos rotulados (14 saudáveis, 4 anómalos) e aplica-o em modo de inferência global à totalidade dos 214 ativos monitorizados.A avaliação por validação cruzada por grupos (GroupKFold) produziu uma precisão média de 82,4%, com separação robusta entre ativos saudáveis e anómalos (scores > 0,88 para todos os anómalos conhecidos).Os resultados são integrados num modelo de visualização Power BI com quatro páginas interativas, permitindo monitorização contínua, análise de tendências e priorização de intervenções de manutenção.Os resultados demonstram a viabilidade operacional e metodológica do sistema, com potencial para evolução progressiva para manutenção preditiva baseada em dados à medida que o histórico de medições aumenta.