O que é FFT e como interpretar na análise de vibração industrial

Entender o que é FFT (Fast Fourier Transform) é essencial para profissionais de manutenção preditiva e confiabilidade que buscam interpretar corretamente os sinais de vibração de seus equipamentos.

Assim, se trata de uma técnica matemática que permite transformar dados do tempo em informações no domínio da frequência, revelando detalhes sobre o comportamento dinâmico de motores, bombas, redutores e outros ativos industriais.

Na prática, a FFT na manutenção preditiva é o que possibilita identificar falhas incipientes, como desbalanceamentos, desalinhamentos e defeitos em rolamentos, antes que elas se tornem paradas não programadas.

Dessa forma, por meio da análise do espectro de frequência, o engenheiro consegue visualizar picos e harmônicos que indicam a origem do problema, tornando o diagnóstico mais rápido, preciso e embasado em dados reais coletados pelos sensores de vibração IoT.

Neste artigo, você vai entender o que é FFT, como ela funciona e de que forma pode ser aplicada na análise de vibração industrial. Também vamos mostrar como interpretar gráficos de FFT, quais parâmetros influenciam a leitura, e como a Dynamox utiliza sensores e a Dynamox Platform para automatizar diagnósticos e aumentar a confiabilidade operacional.

O que é FFT?

Para compreender o que é FFT, é importante lembrar que todo equipamento em operação gera vibrações, e essas vibrações contêm informações valiosas sobre o estado mecânico da máquina.

A Transformada Rápida de Fourier (FFT) é um algoritmo matemático que permite decompor um sinal complexo — como o de uma peneira vibratória — em suas frequências constituintes, o que permite exibir informações escondidas no sinal.

Em outras palavras, o que antes era apenas um sinal oscilando no tempo passa a ser visualizado como um espectro de frequência, permitindo identificar quais componentes (rolamentos, engrenagens, eixos) estão contribuindo para a vibração total.

Dessa forma, a FFT é uma forma prática e eficiente de aplicar a Transformada de Fourier, uma técnica fundamental em engenharia e física para análise de sinais (vibrações). Enquanto a transformada original demanda alto poder computacional, a versão rápida (FFT) simplifica o cálculo, permitindo que sensores e plataformas digitais processem dados de vibração em curtos espaços de tempo. Logo, essa eficiência é o que torna possível a análise contínua de ativos em ambientes industriais, viabilizando a manutenção preditiva com base em dados confiáveis.

FFT na prática

Entender o que é FFT na prática, é essencial diferenciar os dois tipos de representação de um sinal:

• Domínio do tempo: mostra como o sinal varia ao longo do tempo. É a forma bruta capturada pelo sensor, exibindo variações de amplitude, picos e oscilações..
• Domínio da frequência: mostra como a energia do sinal se distribui entre diferentes frequências. Cada pico no gráfico de FFT corresponde a uma fonte de vibração, associada a um componente específico da máquina (como o eixo, o rolamento ou a engrenagem).

Portanto, ao converter o sinal do tempo para a frequência, a FFT revela padrões de comportamento que seriam invisíveis a olho nu. Por exemplo, um aumento na amplitude em uma determinada faixa de frequência pode indicar desbalanceamento, enquanto múltiplos harmônicos podem sugerir desalinhamento ou folgas mecânicas.

Por que a FFT é essencial na manutenção baseada em vibração?

Na manutenção preditiva, a FFT é a base para o diagnóstico de falhas mecânicas. Ela permite identificar sintomas de degradação antes que a falha ocorra, ajudando os engenheiros a planejar intervenções com antecedência.

Sem a FFT, os sinais de vibração seriam apenas oscilações complexas e difíceis de interpretar. Entretanto, com ela, é possível associar frequências específicas a causas conhecidas de falha, como por exemplo:

• Desbalanceamento: pico na frequência de rotação do eixo.
• Desalinhamento: presença de harmônicos múltiplos da frequência fundamental.
• Folgas mecânicas: amplitude irregular e harmônicos dispersos.
• Defeitos em rolamentos: picos em frequências específicas (BPFO, BPFI, BSF, FTF).

Por isso, entender o que é FFT é compreender o coração da análise de vibração. Essa técnica transforma dados brutos em informações de valor, permitindo decisões assertivas, redução de paradas e aumento da confiabilidade operacional.

Como a FFT é aplicada na manutenção preditiva?

Entender o que é FFT e como aplicá-la é o primeiro passo para transformar dados de vibração em diagnósticos de alta precisão. Na manutenção preditiva, a FFT converte os sinais coletados pelos sensores de vibração, como os DynaLoggers, em informações úteis.
Essas informações indicam condições anormais de operação antes que a falha se manifeste de forma crítica.

Função da FFT na análise de vibração

A principal função da FFT é isolar as frequências de vibração presentes em um equipamento, o que permite correlacioná-las aos seus componentes mecânicos. Desse modo, cada parte da máquina — eixo, rolamento, engrenagem, acoplamento — vibra em uma frequência característica.

Assim, quando ocorre uma anomalia, como desgaste, desbalanceamento ou folga, essa frequência sofre alteração e o gráfico FFT exibe um pico específico ou harmônicos adicionais, permitindo ao analista identificar a origem do problema.

Dessa forma, a FFT funciona como um “raio X” do comportamento dinâmico do ativo. Ela oferece uma assinatura vibracional que pode ser comparada com medições anteriores para detectar tendências de falha. Essa análise contínua sustenta a manutenção baseada em condição, uma das etapas mais avançadas da jornada preditiva.

Diferença entre o sinal no tempo e o espectro de frequência

O sinal no domínio do tempo é a vibração registrada diretamente pelo sensor, refletindo a forma bruta do movimento. Esse sinal é, na verdade, uma combinação de várias componentes mais simples (ou frequências do sinal), cada uma relacionada a diferentes partes ou fenômenos da máquina. No entanto, quando analisamos apenas no tempo, essas componentes estão sobrepostas, o que dificulta a identificação e interpretação individual.

Ao aplicar FFT, o sinal é convertido para o domínio da frequência, onde cada frequência aparece isolada, permitindo visualizar sua intensidade e identificar sua origem, o que torna a análise de falhas muito mais precisa e eficiente.

Assim, enquanto o sinal no tempo mostra quando uma vibração ocorre, o espectro de frequência revela por que ela ocorre, indicando a origem física do problema. Essa é a diferença fundamental entre observar o comportamento aparente e compreender a causa raiz da falha.

Por isso, a FFT é considerada o elo entre o dado bruto e a decisão técnica. Ela traduz o comportamento da máquina em um formato que o engenheiro pode interpretar, correlacionar e utilizar para planejar intervenções com antecedência, reduzindo custos e evitando paradas não programadas.

Como interpretar um gráfico FFT

Entender o que é FFT é fundamental, mas o verdadeiro valor da técnica está em interpretar o espectro de frequência. O gráfico FFT revela como a energia vibracional se distribui entre diferentes frequências, permitindo identificar padrões de falha mecânica com base em picos, harmônicos e ruídos.

Significado dos eixos: frequência e amplitude

Um gráfico FFT é composto por dois eixos principais:

• Frequência (Hz): mostra quantas vezes o movimento vibratório se repete por segundo. Cada componente da máquina vibra em uma frequência característica.
• Amplitude: indica a intensidade da vibração em cada frequência, ela pode ser exibida em aceleração (g, m/s²), velocidade (mm/s) ou deslocamento (µm). Quanto maior o pico, maior a energia associada àquela vibração.

Cada unidade destaca um fenômeno físico distinto:

• Alta frequência é melhor observada em aceleração;
• Falhas moderadas e equilíbrio dinâmico, em velocidade;
• Baixíssimas frequências, em deslocamento.

O que são harmônicos, picos e ruídos

Harmônicos, picos e ruídos compõem o “vocabulário” do espectro. Por isso, entender sua origem física é decisivo para associá-los a causas de falha.

• Picos fundamentais: correspondem à frequência de excitação principal (ex.: 1×RPM). Dessa maneira, seu crescimento em amplitude costuma indicar condições anormais associadas ao mesmo mecanismo de excitação.
• Harmônicos (n× fundamental): múltiplos inteiros da frequência principal. Indicam não linearidades e assimetrias mecânicas, comuns em desalinhamento e folgas, por exemplo. Ademais, a razão de amplitudes entre harmônicos auxilia na classificação.
• Bandas laterais (sidebands): picos regularmente espaçados ao redor de uma dada frequência (ex.: engrenamento). Sugerem modulação por variação de carga, excentricidade ou defeitos periódicos. Quando espaçadas pela frequência de rotação, são característicos de modulação mecânica.
• Ruído de fundo: elevação difusa do nível espectral sem picos definidos. Pode decorrer de turbulência, atrito generalizado, interferências elétricas ou acoplamento estrutural. Assim, a evolução do ruído em alta frequência pode indicar defeitos iniciais em rolamentos. O aumento do ruído em alta frequência pode indicar estágio inicial de falhas em rolamentos, sendo ainda mais sensível quando analisado via técnicas de demodulação (envelope).

Parâmetros que influenciam a análise FFT

A qualidade da análise de vibração depende diretamente da forma como o sinal é adquirido e processado. Por isso, mesmo compreendendo o que é FFT e como interpretar o espectro, erros na configuração dos parâmetros de medição podem distorcer o resultado e levar a diagnósticos incorretos.

Entre os fatores mais importantes estão a taxa de amostragem, a resolução espectral, o tipo de janela aplicada ao sinal e o tempo total de coleta. Dessa forma, cada um desses elementos define o nível de detalhe e a fidelidade das informações obtidas. Confira a seguir:

Taxa de amostragem, resolução e número de linhas

A taxa de amostragem determina quantos pontos por segundo o sistema coleta do sinal de vibração. De acordo com o Teorema de Nyquist, a frequência máxima (Fmax) analisável é igual à metade da taxa de amostragem. Por isso, investigações de defeitos em alta frequência, como falhas iniciais em rolamentos, exigem taxas elevadas para garantir cobertura adequada da faixa de interesse.

A resolução espectral depende da quantidade de linhas de análise (N) e da Fmax configurada. A relação entre elas é:

Uma resolução maior (mais linhas) permite diferenciar picos muito próximos, o que é essencial para distinguir, por exemplo, a frequência de rotação de um eixo das frequências harmônicas de uma engrenagem.

Por outro lado, resoluções excessivamente altas aumentam o tempo de processamento e o volume de dados, portanto as equipes devem balanceá-las conforme o tipo de ativo monitorado.

Boas práticas de análise de espectrais

Em medições industriais práticas, muitos analistas utilizam 1.600 linhas de resolução como ponto de partida para monitoramento de valores globais. Para equipamentos com maior conteúdo de frequência costuma-se ampliar para 3.200, 6.400 ou mais linhas, a fim de capturar detalhes em frequências superiores. Além disso, o número ideal depende da faixa de frequência máxima (Fmax), da criticidade do ativo e da capacidade do sistema de aquisição. Confira a tabela abaixo:

Nesse cenário de diagnósticos avançados, as soluções de monitoramento sem fio da Dynamox, como os DynaLoggers HF+, elevam a capacidade de análise ao permitir configurações de altíssima fidelidade. 

Nossos sensores são capazes de coletar dados e gerar espectros com até 98.304 linhas de resolução (LOR) em medições uniaxiais e  32.768 em medições triaxiais. Esse poder de processamento garante a resolução espectral necessária para distinguir até mesmo as frequências harmônicas mais tênues em falhas complexas de rolamentos e engrenagens, atendendo aos ativos mais críticos e exigentes.

Tipos de janelas: Hanning, Hamming e Flat Top

Durante a coleta, o sinal de vibração raramente contém o número inteiro de ciclos. Para evitar descontinuidades entre o início e o fim da amostra, o que causa um fenômeno conhecido como vazamento espectral (leakage), aplica-se uma janela de ponderação, que suaviza as bordas do sinal antes de calcular a FFT.

• Janela Hanning: a mais utilizada em medições de vibração. Oferece bom equilíbrio entre resolução em frequência e precisão em amplitude, sendo indicada para diagnóstico geral.
• Janela Hamming: similar à Hanning, mas com atenuação lateral ligeiramente menor. A Janela de Hamming reduz o leakage de forma mais agressiva, porém com leve perda na capacidade de separar frequências muito próximas. É usada quando se deseja minimizar descontinuidades, mesmo sacrificando um pouco a resolução fina.
• Janela Flat Top: ideal quando a prioridade é medir a amplitude absoluta com alta precisão, mesmo sacrificando a resolução. Indicada para calibrações e testes comparativos.

Assim, a escolha da janela influencia diretamente a clareza e a confiabilidade do espectro FFT. Em medições industriais, a Hanning é geralmente o padrão recomendado por norma (ISO 10816 e ISO 20816).

Tempo de coleta e cuidados para evitar aliasing

O tempo total de coleta determina o intervalo no qual a FFT será calculada. Desse modo, tempos de amostragem muito curtos reduzem a resolução; coletas longas podem incluir variações transitórias que distorcem o espectro.

Por isso, o ideal é selecionar uma duração que capture ciclos completos de rotação do ativo, garantindo estabilidade no sinal.

Outro cuidado fundamental é evitar o aliasing, erro que ocorre quando a taxa de amostragem é insuficiente para representar corretamente as frequências do sinal. Nesses casos, picos falsos aparecem em regiões erradas do espectro, comprometendo a análise.

• Recomendação prática: em medições vibracionais defina a taxa de amostragem com margem de segurança adequada em relação à frequência máxima de interesse (Fmax). Isso garante a atuação eficaz do filtro antialiasing.
  
  Assim, o espectro FFT representa fielmente o comportamento do sinal. Em termos técnicos, a Fmax deve permanecer abaixo da metade da taxa de amostragem, conhecida como frequência de Nyquist, para evitar aliasing e distorções no espectro.

No caso dos sensores DynaLoggers esse risco é eliminado por filtros antialiasing que garantem que a Fmax de interesse esteja dentro da Frequência de Nyquist. Isso assegura que o espectro FFT reflita apenas a vibração real da máquina, protegendo a análise contra artefatos e distorções.

Por fim, compreender o que é FFT também significa entender como configurá-la corretamente. Assim, a escolha adequada de amostragem, janela e tempo de coleta garante espectros confiáveis e diagnósticos precisos, reduzindo ruído analítico e aumentando a sensibilidade à detecção de falhas incipientes.

Como a Dynamox utiliza a análise de vibração para apoiar diagnósticos preditivos

A Dynamox oferece um ecossistema completo de monitoramento de condição para manutenção preditiva, combinando sensores IoT, gateways, software analítico e inteligência artificial. Assim, a integração permite transformar dados de vibração e temperatura em informações práticas para o diagnóstico de falhas e gestão de ativos.

Os sensores DynaLogger monitoram vibração e temperatura de forma contínua, registrando tendências e espectros de frequência que refletem o comportamento dinâmico dos ativos. Em seguida, os DynaGateways enviam automaticamente os dados para a Dynamox Platform, que organiza as medições em dashboards e relatórios intuitivos, facilitando a visualização de padrões e anomalias.

O módulo de inteligência artificial, o DynaDetect, complementa o processo, analisando os sinais coletados e emitindo alertas automáticos de possíveis falhas mecânicas, como desbalanceamentos, desalinhamentos ou defeitos em rolamentos. Essa automação agiliza a interpretação técnica, aumenta a confiabilidade dos diagnósticos e reduz o tempo de resposta das equipes de manutenção.

Em conjunto, essas ferramentas tornam o monitoramento mais eficiente, padronizado e orientado por dados, contribuindo para maior disponibilidade operacional e confiabilidade dos ativos industriais.

Para saber mais, fale com um especialista da Dynamox e descubra como aplicar análise de vibração, sensores inteligentes e inteligência artificial para aumentar a confiabilidade e reduzir custos de manutenção na sua indústria.

Case de sucesso

A precisão dos parâmetros da FFT é essencial em ativos críticos, como os transportadores de correia de baixa rotação. Em um case de sucesso na Ferro+ Mineração, os DynaLoggers e a Dynamox Platform comprovaram o valor da alta resolução espectral. 

A equipe conseguiu detectar e isolar a frequência exata de uma falha na pista externa do rolamento (BPFO), mesmo com a máquina operando a apenas 60 RPM.

Em baixas velocidades, as amplitudes características dos rolamentos ficam naturalmente baixas no espectro bruto, o que torna essencial usar sinais e resolução de alta fidelidade. O diagnóstico preciso permitiu à mineradora planejar a troca do componente, evitando uma falha catastrófica e paradas não programadas. 

Descubra como as soluções Dynamox transformam dados brutos em um diagnóstico preditivo de alta confiança. Clique e leia o case completo. 

FAQ – Perguntas frequentes sobre FFT