Guilherme Mauri Faria da Cunha

Guilherme Mauri Faria da Cunha

Auto-generated profile, based on publicly available information

Guilherme Mauri Faria da Cunha

Instituto de Cincias Matemticas e de Computao, University of So Paulo, So Carlos, So Paulo, Brazil

Research Focus & Metrics

Academic Career Length

3Years (2024-Present)

(Calculated once Scilit publication data is synced: current year − year of first publication + 1)

Representative Publications

View All Publications
4 March 2026 in IEEE Open Journal of Instrumentation and Measurement
Verified
Journal Article
Open access
VFVictor Z. Ferreira
Victor Z. Ferreira
EBEduardo M. Brito
Eduardo M. Brito
GCGuilherme M. F. Da Cunha
Guilherme M. F. Da Cunha
FPFelipe A. R. Perez
Felipe A. R. Perez
ERErico D. W. Dos Reis
Erico D. W. Dos Reis
Francisco  LouzadaFrancisco Louzada
Francisco Louzada
This article presents a deep autoencoder-based methodology for unsupervised anomaly detection in centrifugal pumps under limited failure data conditions, focusing on real-world applications in the oil and gas industry. The autoencoders are designed to reconstruct input sequences from supervisory control and data acquisition (SCADA) data, including pressure, temperature, vibration, and electric current, with anomaly detection derived from the reconstruction error. Anomaly detection is based on a moving-minimum anomaly score (MMAS), designed to suppress transient fluctuations and highlight consistent deviations. Each autoencoder was trained on prefault operational windows and evaluated on sequences encompassing registered failures. The autoencoder detected anomalies up to 74 days before the actual fault detection by the maintenance team, with consistent warnings of two to three days in additional cases. The architecture, training parameters, and data preprocessing steps are proposed, including pressure differential computation and idle-state filtering. The findings demonstrate the viability of unsupervised deep learning in industrial fault detection scenarios characterized by limited failure annotations in an industrial environment.

10 December 2024 in Revista Brasileira de Mecatrônica
Verified
Journal Article
Open access
ASAndré Roberto da Silva
André Roberto da Silva
GCGabriel de Carvalho
Gabriel de Carvalho
GCGuilherme Mauri Faria da Cunha
Guilherme Mauri Faria da Cunha
JJJosé Sérgio Medeiros Junior
José Sérgio Medeiros Junior
PRPaulo José Rodolpho
Paulo José Rodolpho
Tony Emerson MarimTony Emerson Marim
Tony Emerson Marim
O clinching é um método de união mecânica amplamente utilizado em peças estampadas, baseado na deformação local de chapas metálicas sem a adição de elementos externos. Este artigo explora o desenvolvimento de um sistema de monitoramento de ferramenta para controlar o processo de clinch para empresas de manufatura, visando melhorar a qualidade, manutenção e custos. A análise abrange desde a descrição do processo e controle atual até a implementação de um sistema supervisório para monitoramento contínuo da vida útil das ferramentas de clinch. O estudo destaca a importância da informatização dos dados do processo para prever quebras e otimizar a manutenção. A revisão bibliográfica discute o histórico, características e aplicações do clinch, comparando-o com outros métodos de união e abordando modos de falha e métodos de inspeção. O processo é vantajoso por sua rapidez e simplicidade, mas exige controle rigoroso para evitar falhas, que são monitoradas por testes destrutivos e não destrutivos. A integração de controladores programáveis (CPs) e redes industriais, como Supervisory Control and Data Acquisition (SCADA), para a automação e controle em tempo real, possibilita melhorar a eficiência e a segurança dos sistemas industriais. No desenvolvimento do sistema, foi utilizado um CP Siemens S7-1200 e o software SCADA Wonderware Indusoft. O sistema SCADA desenvolvido oferece funcionalidades para monitoramento remoto, geração de relatórios e análise de tendências, melhorando a gestão da vida útil de punções e matrizes e resultando em economias significativas. O estudo sugere a implementação de um banco de dados para um monitoramento mais eficiente no futuro.