Você já deve ter ouvido falar sobre os recursos de automação da Inteligência Artificial (IA) e os benefícios consideráveis do monitoramento baseado em condição (MBC). Ao unir esses conceitos, é possível ter mais automação na fabricação e manutenção. Hoje, vamos abordar os conceitos básicos de MBC e IA. Também falaremos sobre as principais etapas críticas a seguir com o intuito de se preparar para o futuro da gestão de ativos corporativos.
Monitoramento baseado em condição e aplicativos de IA
Falhas imprevisíveis de equipamentos e ativos representam 75% das causas que levam a paralisações e perdas financeiras consideráveis. A fim de mitigar os efeitos do tempo de inatividade dos equipamentos, foram desenvolvidos frameworks de MBC — um modelo de negócios da Indústria 4.0.
A abordagem MBC envolve o uso de sensores IIoT, dispositivos de borda e máquinas inteligentes para monitorar o desempenho em tempo real dos equipamentos de produção.
E, a partir disso, detectar e acionar automaticamente um alerta se algo estiver fora do intervalo normal. Obviamente, o objetivo é evitar um evento de avaria que leve a uma intervenção de manutenção.
Aplicativos de IA, como aprendizado de máquina (Machine Learning ou ML), trazem maior eficiência para a análise do monitoramento baseado em condição. Além disso, ajudam a criar avisos avançados sobre um problema iminente.
A implementação bem-sucedida de estratégias de MBC requer a adoção de ferramentas analíticas e coleta de dados para obter insights sobre o desempenho do equipamento.
Tipos de monitoramento da condição de ativos
O monitoramento baseado em condições pode ser tão simples quanto realizar rodadas de inspeção para obter e registrar leituras de medição de sensores de pressão, níveis de óleo, medidores de temperatura e muito mais. O MBC utiliza dispositivos IIoT para dar um passo adiante.
Assim, substitui as ações humanas ao inspecionar, coletar e avaliar medidas em relação a parâmetros predefinidos e acionar o alerta. Confira alguns tipos e usos comuns de monitoramento da condição de ativos:
| Medição | Problemas detectados | Ativos comuns |
| Vibração | Falhas mecânicas, como desequilíbrio, desalinhamento, folga e falha nos rolamentos | Peças rotativas como bombas centrífugas, motores, compressores |
| Temperatura | Desde simples leituras de temperatura até termografia infravermelha para detectar irregularidades de temperatura que podem ser causadas por um desalinhamento de peça ou problema na correia | Motores, rolamentos, caixas de engrenagens |
| Nível e condição do óleo | Teste de lubrificantes e outros fluidos em relação ao nível, propriedades químicas, contaminação, viscosidade e partículas estranhas indicando degradação da superfície da máquina (como ferro, silício, silicato de alumínio) | Compressores, caixas de engrenagens, veículos de transporte |
| Som | Teste de ultrassom quando há alteração nos parâmetros operacionais normais, pois a origem do problema, pode variar muito. Pode ser qualquer coisa, desde vazamento de gases, lubrificação insuficiente ou excessiva, até peças mal assentadas | Uma ampla gama de ativos, incluindo equipamentos que possuem fluidos de alta pressão |
| Elétrico | Mudanças nos parâmetros elétricos, incluindo indução, resposta de pulso e frequência, capacitância e resistência. | Motores e outros sistemas elétricos |
Outras técnicas para o monitoramento da condição de ativos incluem eletromagnetismo, radiação, interferometria a laser, análise de circuito do motor e mais. O ponto chave é definir bem a escolha dos ativos — o que é mais importante medir e como fazer a medição a fim de gerar resultados com o melhor custo-benefício.
Vantagens do monitoramento de condições
O MCB coordena as atividades de manutenção com base na condição do ativo em comparação às tarefas de manutenção preventiva programadas regularmente. Também reduz o potencial de avarias repentinas. Ambos os impactos resultam em maior eficiência e práticas de manutenção mais econômicas. Além disso:
- Melhora a confiabilidade e disponibilidade dos ativos para trazer maior eficiência de produção;
- Aumenta o desempenho e a longevidade dos ativos;
- Reduz o tempo de inatividade não planejado.
A extensão do benefício é determinada pelo grau de planejamento, treinamento e uso da tecnologia com o intuito de auxiliar na coleta e análise de dados.
IA em manutenção e monitoramento baseado em condição
As tecnologias da indústria 4.0 e 5.0, bem como os recursos de análise de dados tornam o MBC realmente preditivo. Isto é, você pode ganhar um aviso antecipado de 60 ou 90 dias sobre uma mudança de condição e até mesmo identificar um mau funcionamento subjacente.
Esse tipo de análise requer a inclusão de muitos dados de vários sistemas de medição em um banco de dados central onde a inteligência artificial é usada para analisar as tendências. Essa estrutura no SAP S/4HANA foi projetada especificamente para esta finalidade.
“O S/4HANA oferece ferramentas que ajudam as empresas a passar da manutenção programada para a manutenção preditiva, conquistando um tempo de atividade mais eficiente do equipamento e custos de serviço mais baixos.”
Jim O'Donnell, TechTarget, SAP quer centralizar conceito de empresa inteligente, mas as empresas têm opções, junho de 2021
A aplicação do Machine Learning traz outro nível de eficiência. Em vez de determinar e definir os parâmetros para cada medição manualmente, os modelos podem ser gerados automaticamente. Isso proporciona uma economia significativa de tempo para seus engenheiros e técnicos.
Impactos adicionais incluem:
“A taxa de incidência de alarmes falsos (falsos positivos) e alarmes ausentes (falsos negativos) foi reduzida em mais de 90%. Isso diminui os esforços de engenharia humana no diagnóstico de falhas da máquina em mais de 60% e os orçamentos de manutenção, além de melhorar a disponibilidade da máquina em cerca de 10%.”
Dr. Patrick Bangert, Algorithmica Technologies GmbH, Monitoramento de Condição Inteligente Usando Aprendizado de Máquina
Apesar das grandes vantagens de eficiência de IA na manutenção preditiva e ML para o MBC, a coleta dos dados necessários para análise pode levar tempo. Então, é importante começar com a base certa.
Introdução às estratégias de monitoramento baseado em condição
1) Estruturar e centralizar a coleta de dados
A manutenção preditiva de IA, quando usada da forma correta para tomar boas decisões rapidamente, requer que os dados sejam precisos e estejam disponíveis. Se forem confusos devido a métodos de negócio ineficientes, não poderá utilizá-los para impulsionar melhorias de processo.
Eliminar quaisquer processos baseados em papel por meio de uma interface de software moderna para SAP deve ser o primeiro passo. Esses sistemas podem ajudar a simplificar as principais etapas do processo de manutenção e eliminar trabalho desnecessário, como a inserção manual de dados no SAP, enquanto estrutura as entradas de dados no SAP.
Portanto, se você usa ou fará a transição para o SAP S4/HANA, saiba que o sistema foi projetado especificamente para adotar o IA e ML em operações de manutenção.
2) Capturar dados atuais do sensor
Seu equipamento moderno provavelmente inclui uma ampla gama de sensores, que podem ser programados para alimentar o banco de dados central. Então, antes de investir em dispositivos IIoT adicionais, já é possível usar os dados disponíveis.
Você pode analisar e definir gatilhos para alertas ou determinar o que precisa de investimento em recursos de monitoramento adicionais.
3) Determinar a criticidade do ativo
Revise seu histórico de manutenção para descobrir quais as prioridades e guiar onde investir em mais recursos:
- Quais ativos críticos são seus “maus atores”? Para um ROI alto, comece com os maiores infratores;
- Quais ativos têm recursos que podem ser monitorados? Lembre-se de que nem todas as falhas são mensuráveis;
- Quais ativos terão mais benefícios com as técnicas de monitoramento baseadas em condições? Os tipos de falha têm uma degradação mensurável, que pode ser reconhecida cedo o suficiente a fim de evitar o evento de falha por completo.
4) Praticar a Manutenção Centrada na Confiabilidade
A Manutenção Centrada na Confiabilidade (RCM) adota a abordagem de identificar as condições que podem resultar em tempo de inatividade. O próximo passo é priorizar as modalidades de falha do ponto de vista do custo de manutenção.
Com esses dados em mãos, as operações podem decidir quais ações específicas trazem o melhor retorno sobre os gastos com manutenção para evitar que essas falhas se manifestem.
A partir da análise de RCM, você descobrirá que certos ativos são críticos para o investimento em tecnologias de medição e uso de IA. Já outros devem ser gerenciados como “run-to-failure” devido ao baixo custo de substituição ao comparar o custo da aplicação de medidas preditivas.
5) Adotar processos digitais de ponta a ponta
Responder a alertas de MBC requer comunicação em tempo real e coordenação da força de trabalho. Para operações de manutenção, isso significa substituir ordens de serviço em papel e processos de notificação por um dispositivo mobile com interface para SAP.
No início, as atividades de monitoramento de condições resultarão em avisos pouco avançados sobre um problema iminente. Nesses casos, a notificação em tempo real é fundamental para evitar o evento de tempo de inatividade.
No entanto, com o passar do tempo, os resultados de IA e ML ajudarão você a aplicar estratégias de manutenção preditiva eficazes. Além disso, você terá um maior aviso prévio de um problema que está começando a ocorrer.
Conte com a Sigga para ajudar em seus primeiros passos
Aqui na Sigga, ajudamos indústrias com uso intensivo de ativos e manutenção de plantas SAP a impulsionar a transformação digital e iniciativas mobile em manutenção industrial há 20 anos.
Nossas soluções de software EAM com certificação SAP podem ajudar a melhorar a coleta, estrutura e qualidade dos dados necessários para a criação de estratégias de monitoramento baseado em condição.
Nosso aplicativo mobile Sigga EAM Empower digitaliza todo o processo de manutenção ao conectar usuários em sua empresa em tempo real. O app ajuda seus técnicos a capturar e estruturar com precisão os dados necessários no SAP para determinar a criticidade de ativos. Assim, fica mais fácil guiar seus investimentos em monitoramento baseado em condições.
Além disso, a solução de Planejamento e Programação da Sigga oferece ferramentas de gestão para a implementação efetiva de estratégias de manutenção preventiva e preditiva. Juntas, as duas formam uma base eficaz para coordenar em tempo real as atividades de manutenção, levando em conta o monitoramento baseado em condições.
Saiba como levar seu programa de manutenção preventiva para o próximo nível!
