The use of modern maintenance techniques in rotating machinery has changed the scenario in energy companies, both concerning generation, such as in hydroelectric, thermoelectric, and wind power plants, and the exploitation of resources such as oil and natural gas. The quest for excellence makes new sophisticated and refined tools more necessary and, in this way, academic research is increasingly approaching industrial reality. Wishing to contribute to the answer to such demand, so that in the future new integration and asset management tools can be developed for industrial applications, this work proposes a hybrid methodology in which already recognized techniques are applied and integrated to highlight their qualities and overcome their weaknesses. Applying model-based techniques, inverse methods, Bayesian inference, and data-driven statistical methods, the proposed methodology enables machines and faults modeling and simulation, providing information that would allow the identification, detection, and diagnosis of malfunctions in real machines. To illustrate the methodology, three examples were developed, in which different machines with mechanical unbalance were considered.

O uso de técnicas modernas de manutenção em máquinas rotativas mudou o cenário nas empresas de energia, tanto em relação à geração, como em usinas hidrelétricas, termoelétricas e eólicas, quanto na exploração de recursos como petróleo e gás natural. A busca pela excelência faz com que novas ferramentas, mais sofisticadas e refinadas sejam necessárias e, com isso, a pesquisa acadêmica está cada vez mais próxima da realidade industrial. Desejando contribuir com a resposta a tal demanda e vislumbrando que em um futuro próximo novas ferramentas de integração e gestão de ativos possam ser desenvolvidas e aplicadas em ambientes industriais, este trabalho apresenta a proposta de uma metodologia híbrida na qual são utilizadas técnicas já reconhecidas, integrando-as de tal forma que suas qualidades possam ser destacadas e suas fraquezas superadas. Aplicando técnicas baseadas em modelos, métodos inversos, inferência Bayesiana e métodos estatísticos para análise de dados, a metodologia proposta possibilita a modelagem e simulação de máquinas e falhas, fornecendo informações que permitiriam identificar, detectar e diagnosticar defeitos em máquinas reais. Para ilustrar a metodologia, três exemplos foram desenvolvidos, nos quais diferentes máquinas com desbalanceamento mecânico foram consideradas.