Compressores herméticos são amplamente utilizados nos mais diversos sistemas de refrigeração encontrados comercialmente. Durante a manufatura, a avaliação de parâmetros de operação dos compressores é realizada de maneira invasiva. Para realizar os ensaios das pressões de sucção e descarga, é necessária a abertura do dispositivo para acoplamento de transdutores específicos, levando à descaracterização dos produtos em análise. Tal prática exige que as fábricas tenham laboratórios específicos para realizar as avaliações, elevando o tempo e custo de produção. Estudos realizados no LABMETRO demonstraram a aplicabilidade de técnicas de aprendizado de máquina , como Redes Neurais,  a fim de realizar a avaliação de parâmetros dos compressores a partir de dados de vibração medidos no corpo dos mesmos, sem a necessidade de descaracterizar o objeto em teste . Este trabalho propõe a ampliação dos estudos realizados e, a partir de um conjunto de dados de vibração, desenvolver técnicas objetivando aprimorar os resultados obtidos para determinar a temperatura de evaporação dos compressores. Os trabalhos anteriores foram realizados utilizando como entrada para as Redes Neurais dados de vibração avaliados no domínio da frequência com bandas de frequência de largura fixa. Neste trabalho, foi explorado o uso de dados de vibração no domínio da frequência com bandas de frequência de largura variável a fim de obter ganhos no desempenho da rede. Inicialmente, este estudo teve o objetivo de realizar a identificação de região de ressonância em compressores a partir de transdutores de baixo custo. Porém, devido a pandemia da COVID-19 e o desenvolvimento dos trabalhos de maneira remota, o plano de atividades foi alterado para estender os estudos realizados anteriormente no LABMETRO.