A Yorkshire Water prepara uma nova etapa de £ 5,4 milhões em manutenção preditiva no saneamento, mas o aspecto mais importante da contratação não está no valor nem na inteligência artificial. A utility britânica quer uma solução capaz de acompanhar continuamente motores e bombas, identificar anomalias antes da falha, validar os diagnósticos com especialistas humanos e integrar os alertas aos sistemas que comandam a operação e a manutenção.
O contrato, previsto inicialmente para julho de 2027 a junho de 2030 e prorrogável até 2035, mostra até onde uma estratégia de monitoramento baseado em condição pode chegar quando deixa de ser um projeto isolado de inovação e passa a integrar o modelo operacional da companhia. O aviso oficial de contratação exige integração com SCADA, telemetria, SAP, GIS e sensores já existentes. Também estabelece atendimento 24 horas por dia e validação humana dos achados antes das notificações operacionais.
Esse detalhe muda completamente a leitura do caso.
A questão deixa de ser simplesmente “a IA consegue detectar que uma bomba está com problema?” e passa a ser outra: como transformar milhares de sinais de equipamentos em decisões de manutenção confiáveis, priorizadas e executáveis?
É justamente aí que a experiência britânica oferece uma das lições mais interessantes para empresas brasileiras.
O que a Yorkshire Water está contratando
O processo CM3437, publicado em setembro de 2026, prevê a contratação da Samotics para fornecer uma plataforma de Electrical Signature Analysis, ou ESA, acompanhada de um serviço gerenciado de manutenção preditiva.
O valor informado é de £ 5,4 milhões sem VAT, equivalente a £ 6,48 milhões com o imposto britânico. O aviso indica assinatura estimada para 1º de julho de 2027, vigência até 30 de junho de 2030 e possibilidade de extensões até junho de 2035.
A contratação foi publicada como direct award, ou contratação direta. Segundo a justificativa formal da própria Yorkshire Water, uma avaliação de mercado concluiu que outros fornecedores poderiam oferecer componentes individuais — como análise de vibração, termografia, análise de corrente e analytics de telemetria —, mas a empresa considerou que a Samotics reunia, em uma única oferta, todas as capacidades exigidas para seu modelo operacional.
É importante diferenciar fato de avaliação do comprador: a alegação de exclusividade técnica é a justificativa apresentada pela Yorkshire Water no processo, e não uma conclusão independente de que não existam tecnologias concorrentes capazes de desempenhar funções semelhantes.
A especificação ajuda a entender a ambição. A solução deverá detectar condições como bloqueios e ragging — acúmulo de materiais que prejudicam bombas de esgoto —, airlock, cavitação, operação a seco, perda de escorva, rompimentos de linhas de recalque, operação fora da curva de maior eficiência e consumo excessivo de energia.
Portanto, não se trata apenas de monitorar a saúde elétrica de motores.
A companhia procura enxergar, por meio do comportamento elétrico, o que está acontecendo também com o processo hidráulico associado ao equipamento.
Como a Electrical Signature Analysis consegue “enxergar” uma bomba
A Electrical Signature Analysis utiliza medições de corrente e tensão do motor elétrico. No modelo especificado pela Yorkshire Water, a aquisição ocorre no Motor Control Centre — MCC, o centro de controle de motores.
Essa arquitetura possui uma vantagem importante no saneamento: o sensor não precisa necessariamente ser instalado fisicamente na bomba.
Em uma bomba submersível de uma elevatória de esgoto, por exemplo, instalar, acessar, alimentar e manter sensores diretamente sobre o equipamento pode ser mais complexo do que em uma máquina instalada em ambiente industrial seco e facilmente acessível.
O princípio técnico parte do fato de que a carga mecânica imposta ao motor modifica seu comportamento elétrico. Alterações no torque, na rotação, no carregamento e em componentes mecânicos podem produzir padrões observáveis nos sinais de corrente e tensão. A análise espectral de corrente de motores é uma técnica estudada há décadas para diagnóstico não invasivo de condições elétricas e mecânicas. A literatura técnica também vem incorporando métodos de machine learning para classificação de falhas em motores que acionam bombas centrífugas.
Na prática, o processo pode ser entendido assim:
motor funcionando → sinais elétricos → aquisição contínua → processamento → reconhecimento de padrão → identificação de anomalia → diagnóstico provável → avaliação de criticidade → ação de manutenção.
Entretanto, esse fluxo possui uma condição fundamental: nem toda anomalia elétrica significa necessariamente uma falha do equipamento.
Mudanças de rotação, acionamento por inversores de frequência, variações hidráulicas, alterações na tensão de alimentação, diferentes regimes de bombeamento e mudanças operacionais podem modificar os sinais observados.
Por isso, manutenção preditiva não é simplesmente instalar sensores e configurar alarmes.
Por que a manutenção preditiva no saneamento precisa de pessoas
Um dos requisitos mais reveladores da Yorkshire Water é o chamado human-in-the-loop.
Os resultados gerados pelos modelos deverão ser analisados e validados por especialistas em monitoramento de condição antes de determinadas notificações chegarem à operação. O serviço deverá funcionar continuamente, 24 horas por dia.
Essa decisão ataca um dos maiores problemas da digitalização operacional: a fadiga de alarmes.
Uma plataforma que produz centenas de alertas, mas não consegue explicar quais exigem intervenção imediata, pode apenas substituir um problema por outro. Em vez de ausência de informação, surge excesso de informação.
O valor operacional aparece quando o processo informa, por exemplo:
“Esta bomba apresenta uma assinatura compatível com bloqueio progressivo; a severidade está aumentando; existe risco operacional; recomenda-se inspeção.”
É diferente de simplesmente informar:
“Anomalia detectada.”
O profissional de manutenção continua sendo decisivo. Entretanto, muda o momento em que sua experiência é empregada: menos tempo pode ser gasto procurando aleatoriamente equipamentos com problemas e mais tempo pode ser direcionado para diagnóstico, priorização e solução.
Yorkshire já saiu da fase de experimento
A nova contratação não nasce do zero.
O Pollution Incident Reduction Plan 2026 da Yorkshire Water informa que o monitoramento baseado em condição já havia sido instalado em 1.715 ativos de bombeamento de esgoto. Os alertas são encaminhados ao Central Control e condições fora do comportamento normal acionam investigação das equipes operacionais. O documento associa essa estratégia à identificação antecipada de falhas, bloqueios, airlocks e cavitação.
Outro dado ajuda a dimensionar a escala. Em junho de 2026, a fornecedora Samotics informou que a parceria iniciada em 2022 já abrangia aproximadamente 2.500 ativos, com previsão de adicionar mais 1.200 ativos de estações elevatórias de esgoto e outros 300 ligados ao abastecimento de água nos 18 meses seguintes. Esses números de expansão são informações divulgadas pela fornecedora e devem ser interpretados nessa condição.
Mais relevante ainda é o resultado informado diretamente pela Yorkshire Water. Em abril de 2026, a companhia afirmou que seu programa “predict to protect”, associado ao monitoramento ESA, havia ajudado a evitar mais de 35 incidentes de poluição e reduzir em 15% as visitas reativas aos sites. São resultados reportados pela própria utility, não uma auditoria independente de desempenho.
O caso mostra, portanto, uma sequência importante:
teste → implantação → integração operacional → expansão → contratação de longo prazo.
Essa é uma trajetória muito diferente de projetos de inovação que terminam depois da prova de conceito.
A tecnologia faz parte de uma estratégia maior de inteligência operacional
Outro aprendizado aparece quando o programa ESA é observado junto às demais iniciativas da Yorkshire.
A empresa também está executando um programa de £ 53 milhões para ampliar sensores e alarmes na rede de esgoto, com expectativa de instalar mais de 92 mil dispositivos até 2030 e atingir aproximadamente 130 mil monitores no total. Nesse projeto, dados de nível, chuva, rios e águas subterrâneas são combinados em modelos analíticos para identificar comportamentos anormais da rede.
É essencial não confundir os projetos.
Os milhares de sensores de esgoto não são os mesmos dispositivos ESA instalados para monitoramento de motores e bombas.
A importância está justamente nessa diferença.
A Yorkshire está construindo camadas complementares de observabilidade:
rede hidráulica sendo monitorada por telemetria e sensores; equipamentos eletromecânicos acompanhados por análise de condição; dados ambientais e meteorológicos adicionando contexto; e equipes de controle utilizando essas informações para decidir onde agir.
Portanto, a tendência não parece ser escolher entre “sensor de vibração”, “telemetria”, “ESA” ou “IA”.
A tendência é combinar sinais diferentes para compreender melhor o sistema físico.
A pressão regulatória ajuda a explicar a mudança
Há ainda um contexto que não pode ser ignorado.
Em março de 2025, a Ofwat concluiu uma investigação sobre a gestão das estações de tratamento de esgoto e redes da Yorkshire Water. O regulador apontou falhas relevantes no cumprimento das obrigações da companhia e aceitou compromissos que incluem £ 40 milhões adicionais em ações ambientais, financiados pela empresa e pelos acionistas, e não pelas tarifas dos clientes.
Documentos do próprio processo regulatório mostram que, a partir do fim de 2019, a companhia chegou a utilizar uma política de “fix on fail” para determinadas bombas abaixo de 7,5 kW, isto é, substituir após a falha em circunstâncias específicas. A Ofwat registrou os riscos ambientais desse modelo e informou, posteriormente, que a Yorkshire vinha desenvolvendo uma transformação da manutenção baseada em dados e condition monitoring.
Essa comparação histórica é extremamente relevante.
A evolução não é apenas:
manutenção tradicional → inteligência artificial.
Ela é:
corretiva → preventiva → baseada em condição → preditiva → integrada ao risco operacional e ambiental.
Ao mesmo tempo, a Ofwat aprovou para a Yorkshire Water uma despesa total permitida de £ 8,3 bilhões entre 2025 e 2030, acima dos £ 5,4 bilhões do ciclo anterior. A confiabilidade dos ativos passa, portanto, a ter peso ainda maior dentro de um programa de investimentos de grande escala.
Manutenção preditiva no saneamento no Brasil: já existe benchmarking
A experiência britânica não é completamente distante da realidade brasileira.
Sabesp já testou a mesma classe de tecnologia
A Samotics publicou em novembro de 2025 um estudo de caso envolvendo a Sabesp e bombas submersíveis.
Segundo a fornecedora, um piloto de seis meses combinou ESA com dados existentes de vazão, altura manométrica e funcionamento das bombas. A análise teria identificado potencial anual de economia de 1.050 MWh de energia, redução de € 46 mil a € 52 mil em custos e 450 toneladas de CO₂ evitáveis.
A expressão potencial é fundamental.
Esses números foram divulgados pela empresa fornecedora como oportunidades identificadas durante o piloto. Na apuração realizada para esta reportagem, não foi localizada publicação primária da Sabesp confirmando que toda essa economia projetada tenha efetivamente se materializado.
Ainda assim, o caso é tecnicamente interessante porque mostra a aplicação da mesma lógica de manutenção preditiva no saneamento brasileiro, inclusive associando condição do equipamento com desempenho energético.
Um exemplo relatado foi a comparação entre diferentes combinações de bombas operando em paralelo. Segundo o estudo, uma combinação entregava a vazão necessária com menor consumo específico de energia.
Isso revela outra oportunidade pouco percebida: a análise da assinatura elétrica pode ir além de “prever quebra”.
Ela pode ajudar a responder como operar melhor o ativo enquanto ele está saudável.
Águas Cuiabá mostra que não existe uma única tecnologia
Outro caso brasileiro oferece um contraponto importante.
Trabalho técnico apresentado no 21º SILUBESA, da Associação Brasileira de Engenharia Sanitária e Ambiental, analisou a implantação de aproximadamente 150 sensores IoT em motores e bombas, acompanhando vibração e temperatura continuamente.
O período observado foi de aproximadamente 14 meses, entre março de 2023 e maio de 2024. O estudo estimou R$ 393.752 em custos evitados relacionados a paradas não programadas, peças, mão de obra, interrupções no abastecimento e danos adicionais. O próprio trabalho informa custo aproximado de R$ 22 mil por mês para manter os 150 sensores e a tecnologia associada.
A ABES/PNQS identifica iniciativa de IoT para prevenção de falhas em equipamentos eletromecânicos na Águas Cuiabá, operação do grupo Iguá.
Novamente, é necessário cuidado: os R$ 393 mil são estimativas produzidas pela metodologia do estudo, não equivalentes automaticamente a caixa efetivamente economizado.
Mas existe uma lição valiosa.
A operação brasileira utilizou principalmente vibração e temperatura, enquanto Yorkshire aposta fortemente na assinatura elétrica. As duas abordagens podem ser válidas.
A pergunta adequada não é “qual tecnologia é melhor?”.
A pergunta é:
qual modo de falha precisa ser detectado, em qual ativo, com qual acessibilidade, criticidade, custo e antecedência necessária?
O que outras utilities internacionais estão fazendo
A Yorkshire não está sozinha.
A Anglian Water renovou em 2026 por mais dois anos seu framework de condition monitoring com a Samotics. A parceria, iniciada em 2020, cobre mais de 250 ativos de água potável, além da expansão para novas estações de bombeamento do Strategic Pipeline Alliance.
A própria Anglian resume bem o objetivo operacional: conseguir fazer a “manutenção certa, no momento certo”, antecipando problemas e planejando melhor a utilização dos engenheiros.
Na Southern Water, o movimento ganhou escala ainda maior. A empresa estruturou um acordo de £ 7 milhões por seis anos para aplicação da mesma tecnologia. Fontes do setor informaram 1.458 ativos críticos inicialmente monitorados em aproximadamente 600 locais, enquanto o Pollution Incident Reduction Plan 2026 da companhia prevê uma implantação de milhares de unidades de condition monitoring.
Uma publicação mais recente da própria Southern Water afirma que a implantação está avançando para mais de 3.500 unidades até o fim de 2026, depois de um alerta ter ajudado equipes a identificar uma condição anormal em uma estação elevatória antes de uma falha potencial.
O benchmarking internacional sugere, portanto, que a ESA está ultrapassando a fase de pilotos pontuais em parte do mercado britânico.
O mais significativo não é uma empresa ter comprado a tecnologia.
É várias utilities estarem incorporando condition monitoring aos processos de manutenção em escala de centenas ou milhares de ativos.
O que muda para empresas de saneamento
A manutenção preditiva no saneamento pode produzir impactos em várias áreas ao mesmo tempo.
Operação
A primeira mudança é na utilização das equipes.
Uma elevatória distante pode ser inspecionada porque existem sinais concretos de deterioração, e não apenas porque chegou o dia definido em um calendário.
Isso não elimina inspeções periódicas. Porém, permite ajustar frequência, criticidade e prioridades.
Meio ambiente
Em esgotamento sanitário, uma bomba parada não representa apenas indisponibilidade mecânica.
Dependendo da redundância, volume afluente e capacidade de armazenamento da elevatória, a falha pode evoluir para extravasamento e poluição.
Por isso, antecipar um bloqueio possui valor ambiental que não aparece apenas na conta da oficina.
Energia
Bombas operando fora de condições adequadas podem continuar funcionando sem “falhar”, mas consumindo energia de maneira ineficiente.
Nesse caso, manutenção baseada em condição aproxima engenharia de manutenção e eficiência energética.
Finanças
O business case não deve contabilizar apenas “peças que deixaram de quebrar”.
Uma avaliação consistente pode considerar horas de equipes, deslocamentos, caminhões, energia, indisponibilidade, produção perdida, atendimento emergencial, impactos ambientais e custo do próprio monitoramento.
Planejamento de ativos
Quando o histórico de anomalias é armazenado corretamente, surgem informações para decisões de renovação.
Um determinado modelo de bomba pode apresentar tipos recorrentes de falha. Um grupo de instalações pode sofrer problemas hidráulicos semelhantes. Um fabricante ou configuração pode ter performance diferente.
A manutenção passa também a produzir inteligência para engenharia e gestão patrimonial.
No Brasil, a regulação não obriga ESA — mas cobra desempenho
A Norma de Referência ANA nº 9/2024 é outro elemento importante dessa discussão.
A norma estabelece indicadores operacionais para os serviços de abastecimento de água e esgotamento sanitário e inclui explicitamente manutenção e operação dos sistemas dentro de seu escopo.
A NR 9 não determina que prestadores adotem Electrical Signature Analysis, sensores IoT ou inteligência artificial.
Essa distinção precisa ficar clara.
Entretanto, quanto mais a regulação evolui para indicadores de qualidade, eficiência e desempenho, maior tende a ser a necessidade de ferramentas que permitam conhecer melhor o comportamento dos ativos.
A tecnologia é um meio.
O resultado regulatório continua sendo desempenho.
O que gestores devem observar antes de escalar
A experiência da Yorkshire indica que manutenção preditiva no saneamento não deveria começar pela compra do sensor. Um roteiro mais consistente exige respostas para algumas perguntas:
- Quais ativos realmente são críticos? A consequência de falha precisa ser conhecida antes de decidir onde monitorar.
- Quais modos de falha precisam ser antecipados? Bloqueio, rolamento, desalinhamento, cavitação, operação a seco e ineficiência energética exigem capacidades diferentes.
- Qual tecnologia possui melhor aderência ao ativo? ESA, vibração, temperatura, pressão, corrente, ultrassom e telemetria podem ser complementares.
- Quem receberá o alerta? Sem responsável definido, uma informação tecnicamente perfeita pode não gerar nenhuma ação.
- Como o alerta se transforma em ordem de serviço? A integração com SAP, Maximo ou outro EAM/CMMS é tão importante quanto o algoritmo.
- Como será comprovado o resultado? É necessário criar baseline de falhas, horas de parada, visitas, custos, energia e ocorrências antes do projeto.
- Como a equipe de campo devolve informação ao sistema? A confirmação de que determinada anomalia correspondia a cavitação, bloqueio ou desgaste melhora tanto o processo quanto os modelos analíticos.
- Qual é o risco de dependência tecnológica? Interoperabilidade, propriedade dos dados, APIs, portabilidade do histórico e saída contratual precisam ser avaliadas antes da expansão.
Essa última questão merece destaque.
A Yorkshire procura explicitamente integração com SCADA, SAP, GIS, telemetria e dispositivos existentes. Isso demonstra que o valor futuro não está apenas no sensor, mas na capacidade de conectar o dado novo ao ecossistema tecnológico já utilizado pela companhia.
O que pode dar errado
O maior erro seria acreditar que algoritmos eliminam a necessidade de engenharia de manutenção.
Não eliminam.
Um modelo pode indicar uma mudança estatística. Quem compreende o processo precisa determinar o significado operacional daquela mudança.
Outro risco é instrumentar milhares de ativos sem possuir capacidade para responder aos alertas. Nesse cenário, a empresa aumenta sua visibilidade sobre problemas que continuará sem resolver.
Também existe o problema da qualidade cadastral. Equipamento identificado incorretamente, potência desatualizada, troca de motor não registrada, inconsistência entre cadastro e campo ou ausência de histórico dificultam qualquer modelo de asset health.
Além disso, a manutenção preditiva não substitui indiscriminadamente manutenção preventiva, inspeção ou renovação.
O próprio caso Yorkshire ilustra isso. Além da inteligência operacional, seu plano de redução de poluição relata substituições de bombas, limpeza de poços, inspeções e programas para linhas de recalque.
Prever uma falha não recupera um ativo degradado.
A previsão serve para permitir uma decisão melhor sobre o que fazer antes que a consequência apareça.
A maior oportunidade talvez não esteja na inteligência artificial
Existe uma tendência recorrente de apresentar projetos desse tipo como “IA aplicada ao saneamento”.
É uma descrição incompleta.
O diferencial do modelo da Yorkshire está na união de cinco componentes:
instrumentação + dados + analytics + especialistas + processo operacional.
Se qualquer uma dessas partes falhar, o valor diminui.
Uma companhia pode ter excelente machine learning e um cadastro de ativos ruim.
Pode identificar uma anomalia corretamente e não gerar a ordem de serviço.
Pode gerar a ordem e não possuir equipe disponível.
Pode executar a manutenção e não registrar o diagnóstico encontrado.
Pode economizar energia e não possuir metodologia para contabilizar a economia.
Portanto, a verdadeira transformação não acontece quando uma bomba passa a produzir dados.
A transformação acontece quando a organização aprende a decidir melhor usando esses dados.
Lições para profissionais de saneamento
A expansão da manutenção preditiva no saneamento aumenta o valor de competências que tradicionalmente ficavam separadas.
O eletromecânico conhece o comportamento físico do equipamento. O operador entende como aquela bomba reage ao sistema hidráulico. O profissional de automação conhece os sinais disponíveis. A equipe de manutenção sabe quais intervenções são possíveis. TI integra os sistemas. Engenharia avalia eficiência e renovação. Gestão de ativos define criticidade. Meio ambiente entende as consequências de uma falha.
A inteligência operacional surge quando esses conhecimentos se encontram.
Por isso, a tecnologia tende a valorizar profissionais capazes de interpretar mais de uma dimensão do problema.
O especialista do futuro não será necessariamente aquele que conhece apenas o algoritmo.
Será aquele capaz de responder:
“O que esse dado significa para a operação e qual decisão deve ser tomada agora?”
Conclusão: manutenção preditiva vira modelo de operação
O novo contrato da Yorkshire Water representa algo maior do que uma compra de sensores.
Ele mostra a manutenção preditiva no saneamento evoluindo de iniciativa tecnológica para infraestrutura de decisão operacional.
A companhia já possui milhares de ativos monitorados, está conectando informações de diferentes fontes, encaminha alertas ao controle operacional e agora pretende contratar uma estrutura 24/7 com validação especializada e integração aos sistemas corporativos.
Ao mesmo tempo, experiências da Sabesp, Águas Cuiabá, Anglian Water e Southern Water indicam que diferentes tecnologias já estão encontrando aplicações reais no setor.
O aprendizado para o Brasil não é simplesmente replicar a solução britânica.
É replicar a lógica de maturidade.
Primeiro, identificar ativos e riscos. Depois, selecionar a tecnologia adequada. Em seguida, medir resultados, conectar o monitoramento à manutenção, criar responsabilidades, incorporar o conhecimento das equipes e somente então escalar.
No futuro, a divisão mais importante talvez não esteja entre empresas que usam ou não inteligência artificial.
Estará entre aquelas que possuem milhares de dados e continuam reagindo às falhas — e aquelas que construíram processos capazes de transformar sinais antecipados em manutenção, confiabilidade, eficiência e prevenção de problemas antes que o cliente ou o meio ambiente percebam que algo deu errado.
Fontes e referências
Sell2Wales / Yorkshire Water Services Limited
Condition Based Monitoring – ESA Devices – Procurement Reference CM3437
3 de setembro de 2026
Acessar o aviso oficial de contratação
Yorkshire Water
£53m AI sewer monitoring programme predicts great results
1º de abril de 2026
Acessar a publicação da Yorkshire Water
Yorkshire Water
Pollution Incident Reduction Plan 2026
Março de 2026
Acessar o plano de redução de incidentes
Ofwat — Water Services Regulation Authority
Enforcement case in Yorkshire Water’s management of its sewage treatment works and sewerage networks
20 de março de 2025
Acessar o processo regulatório da Ofwat
Ofwat — Water Services Regulation Authority
Notice of Ofwat’s decision to accept section 19 undertakings from Yorkshire Water
2025
Acessar a decisão da Ofwat
Ofwat — Water Services Regulation Authority
Overview of Yorkshire Water’s PR24 final determination
Dezembro de 2024
Acessar o PR24 da Yorkshire Water
Agência Nacional de Águas e Saneamento Básico — ANA
Resolução ANA nº 211, de 19 de setembro de 2024 — Norma de Referência nº 9/2024
19 de setembro de 2024
Acessar a Resolução ANA nº 211/2024
ABES — Associação Brasileira de Engenharia Sanitária e Ambiental
Implementação de sensores IoT para monitoramento de motores e bombas em uma empresa de saneamento: uma transição para manutenção preditiva
21º SILUBESA, 2024
Acessar o trabalho técnico
PNQS / ABES
Cases selecionados — IGS Transformação Digital — Ciclo 2023
2023
Acessar os cases do PNQS
Iguá Saneamento
Operações da Iguá Saneamento se destacam no PNQS 2023
2023
Acessar a publicação da Iguá
Samotics
Yorkshire Water scales AI-driven asset monitoring
29 de junho de 2026
Acessar a publicação sobre a expansão
Samotics
Improving submersible pump efficiency at Sabesp
26 de novembro de 2025
Acessar o estudo de caso da Sabesp
WaterBriefing
Anglian Water extends Samotics condition monitoring framework
1º de setembro de 2026
Acessar o benchmarking da Anglian Water
Southern Water
Car Key Chaos Averted by Smart Tech
2026
Acessar o caso da Southern Water
Southern Water
Pollution Incident Reduction Plan 2026
2026
Acessar o plano da Southern Water
IEEE Transactions on Industrial Electronics
Review of induction motors signature analysis as a medium for faults detection
2000
Acessar a referência técnica sobre análise de assinatura de motores
