This work presents a system combining hardware and embedded software to simplify the acquisition of acoustic emission signals using a wireless IoT sensor. Integrated into a larger ecosystem, this system supports fault diagnosis, feature extraction, pattern classification, and a cloud interface. It consolidates complex apparatus into a single tool, enabling remote sensor configuration during tests. The system also incorporates computational models for feature extraction and failure analysis, organizing tests through forms without needing external computers. This innovation advances the use of acoustic emission sensors in line with Industry 4.0, enhancing IoT sensor applications and improving manufacturing process efficiency.

Este estudo investigou o papel da Feira das Profissões como um ambiente estratégico para a integração entre academia e sociedade, promovendo a Gestão do Conhecimento (GC) e o aprendizado coletivo. Fundamentado no modelo SECI de Nonaka e Takeuchi, que descreve os processos de socialização, externalização, combinação e internalização do conhecimento, a pesquisa utilizou uma abordagem quali-quanti para explorar como eventos educativos catalisam a troca e aplicação de saberes. Os dados foram coletados de 67 participantes por meio de questionários estruturados, combinando escalas de 0 a 10 e campos abertos para comentários. Os resultados indicaram altos níveis de satisfação, com média de 9,88 para a recepção e as apresentações, refletindo a eficácia das práticas interativas e do acolhimento personalizado. A análise qualitativa destacou a valorização de demonstrações técnicas, identificando também oportunidades de melhoria, como estratégias de engajamento para públicos menos representados. Conclui-se que a Feira das Profissões é eficaz na aplicação do modelo SECI, consolidando-se como um espaço inclusivo de gestão do conhecimento e propondo a realização de estudos longitudinais para avaliar impactos a longo prazo. Recomenda-se ampliar a inclusão de públicos menos representados e realizar estudos longitudinais para avaliar impactos a longo prazo.

Industry 4.0 has allowed an increase in process quality through Tool Condition Monitoring (TCM) techniques, as they enable the identification of anomalous behaviors caused by tool wear, for instance, by analyzing extracted features from real-time signals collected during machining processes. Thus, increasing understanding of the tool wear process is relevant to maintaining process quality and reducing machining downtime and catastrophic failure occurrences. This work analyzes the tool wear of five different hard metal tools through different feature extraction techniques, along with other signal metrics like the Root Mean Squared Deviation (RMSD), the Correlation Coefficient Deviation Metric (CCDM), the Rank-based Entropy (RBE), the Fractal Geometry Indicator (FGI), and the Chaos Quantifier (CQ). The features were extracted from Acoustic Emission (AE) signals collected during an experimental drilling process of a Carbon Fiber Reinforced Polymer (CFRP) plate. Although some works have already employed quantitative approaches based on these techniques to gain insight into tool wear characteristics, this research innovates by combining and comparing techniques from time, frequency, and time–frequency domains, and other feature metrics to obtain a fuller comprehension of the signal attributes that help to differentiate tool wear states. It also presents results from features that have only been recently employed in AE feature extraction, such as RBE, FGI, and CQ. Results indicate that the extracted characteristics, when analyzed together, allow for a clearer visual differentiation of tool wear states.

Industry 4.0, in its search for improvements to processes and efficient products, has increasingly invested in the use and development of high-performance materials for its production lines. This is exemplified by the introduction of CFRP in the aeronautical industry, since this composite material has reduced the weight of aircraft and improved their performance. For the construction of large structures, drilling processes are also necessary to fix parts. However, this machining process can cause failures in the structure as a whole. These structural failures occur due to fragmentation, tearing, or detachment of the matrix fiber, significantly reducing the quality and reliability of the final equipment. In this scenario, it is important to preventively detect these intrinsic production failures that lead to the condemnation of the final parts. One indirect detection method is acoustic emission. This work presents a feasibility study focused on the application of data-driven methods for delamination detection and tool wear monitoring in composite machining. A setup for a helical interpolation end-milling drilling process was performed under varying machining conditions, from mild to severe, on CFRP composite plates. Acoustic emission (AE) signals were acquired at each machining pass. The methodology involved selecting an optimal frequency band to obtain information about the wear of the drilling tool through RMS and power spectral density (PSD) analysis, followed by using correlation indices to characterize tool wear progression. The results demonstrate the potential of spectral and statistical techniques to support real-time monitoring and decision-making in advanced composite manufacturing.

O processo de usinagem de Materiais Compósitos Reforçados por Fibras Sintéticas (MCRFS) difere da usinagem convencional de materiais metálicos. MCRFS possuem propriedades abrasivas e produzem cavacos em forma de pó, embora fáceis de usinar e dispensem o uso de refrigerantes, a remoção dos cavacos é recomendada ser feita por meio de aspiração. O processo de furação em MCRFS é muito utilizado na manufatura de peças e equipamentos em várias áreas da engenharia, porém é notável ocorrer o fenômeno de delaminação o que é nocivo ao desempenho dos compósitos, contribuindo para propagação de trinca e falha prematura do MCRFS. Este trabalho estudou o desgaste de fresas inteiriças na furação helicoidal de placas de compósitos laminadas com fibras de carbono.

Os processos de usinagem vêm evoluindo com novas tecnologias. Nos últimos anos, estamos presenciando a quarta revolução industrial onde o monitoramento dos processos de usinagem por meio de sensores vem aprimorando a usinagem, promovendo redução de refugos, melhor controle da vida útil das ferramentas e por consequência melhor produtividade. As informações sobre o monitoramento dos processos de usinagem podem ser enviadas à nuvem e com esses dados, decisões podem ser tomadas quanto aos processos de usinagem. Neste trabalho é abordado o monitoramento por meio de captação de sinal de frequência e a geração de um mapa acústico que permite avaliar as condições da ferramenta, efeito de delaminação no material usinado e contribui com a melhoria da produtividade.