Você pode ter ouvido falar sobre os recursos de automação da inteligência artificial (IA) e sobre os benefícios consideráveis do monitoramento baseado em condições (CBM). A união desses conceitos traz a promessa de mais automação na fabricação e manutenção. Hoje, abordaremos os fundamentos do CBM e da IA e falaremos sobre as etapas críticas que você pode seguir para se preparar para o futuro do gerenciamento de ativos corporativos.
Monitoramento baseado em condição e aplicativos de IA
Equipamentos imprevisíveis e falhas de ativos constituem 75% dos fatores de causa que levam a paralisações e perdas financeiras consideráveis. Para mitigar os efeitos do tempo de inatividade relacionado ao equipamento, as estruturas CBM – um modelo de negócios da Indústria 4.0 - Foram desenvolvidos. As estruturas CBM envolvem o uso de sensores IIoT, dispositivos de ponta e máquinas inteligentes para monitorar o desempenho em tempo real do equipamento de produção para detectar e acionar automaticamente um alerta se uma medida estiver fora da faixa normal. Obviamente, o objetivo é evitar um evento de avaria por meio de uma intervenção de manutenção.
Aplicativos de IA, como aprendizado de máquina (ML), trazem maior eficiência para a análise das medições de condição, a fim de fornecer avisos avançados sobre um problema iminente. A implementação bem-sucedida de estratégias CBM requer a implantação de coleta de dados e ferramentas analíticas para obter informações sobre o desempenho do equipamento.
Tipos de Monitoramento de Condição de Ativos
O monitoramento da condição 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 CBM utiliza dispositivos IIoT para dar um passo adiante, substituindo as ações humanas para inspecionar, capturar e avaliar medidas em relação a parâmetros predefinidos e acionar o alerta. Aqui estão alguns tipos e usos comuns de monitoramento de condição de ativos:
| Medição | Problemas detectados | Ativos Típicos |
| Vibração | Detecte falhas mecânicas, como desequilíbrio, desalinhamento, frouxidão e falha de rolamento | Ativos com peças rotativas, como bombas centrífugas, motores, compressores |
| Temperatura | De simples leituras de temperatura a termografia infravermelha para detectar irregularidades de temperatura que podem ser causadas por desalinhamento de uma peça ou problema na correia | >Motores, rolamentos, caixas de engrenagens |
| Nível e condição do óleo | Testar lubrificantes e outros fluidos quanto ao nível, propriedades químicas, contaminação, viscosidade e partículas estranhas indicando degradação da superfície da máquina (ou seja, ferro, silício, silicato de alumínio) | Compressores, caixas de engrenagens, veículos de transporte |
| Som | O teste de ultrassom para uma alteração nos parâmetros operacionais normais como a fonte do problema pode variar amplamente. Pode ser qualquer coisa, desde vazamento de gases, lubrificação insuficiente ou excessiva até peças mal encaixadas | Uma ampla gama de equipamentos, incluindo equipamentos que possuem fluidos de alta pressão |
| Elétrico | Avaliar mudanças nos parâmetros elétricos, incluindo indução, pulso e resposta de frequência, capacitância e resistência. | Motores e outros sistemas elétricos |
Outras técnicas de monitoramento de condição de ativos incluem eletromagnetismo, radiação, interferometria a laser, análise de circuito de motor e muito mais. O que é fundamental no monitoramento da condição de ativos é ser deliberado em sua escolha de ativos, o que é mais importante medir e como medir para obter resultados econômicos.
Vantagens do monitoramento de condições
O CBM coordena as atividades de manutenção com base na condição do ativo em comparação com as tarefas de manutenção preventiva programadas regularmente. Também reduz o potencial de colapso repentino. Ambos os impactos resultam em maior eficiência e práticas de manutenção mais econômicas. Além disso:
- Melhora a confiabilidade e a disponibilidade dos ativos para melhorar a eficiência da produção
- Aumenta o desempenho e a longevidade dos ativos
- Reduz o tempo de inatividade não planejado
O grau de benefício é determinado pelo grau de planejamento, treinamento e uso de tecnologia para auxiliar na coleta e análise de dados.
IA em monitoramento e manutenção baseados em condições
Tecnologias da indústria 4.0 e 5.0 e os recursos de análise de dados tornam o CBM verdadeiramente preditivo. Ou seja, você pode obter um aviso prévio de 60 ou 90 dias sobre a alteração de uma condição e até mesmo a identificação do mau funcionamento subjacente. Esse tipo de análise requer que muitos dados de vários sistemas de medição sejam alimentados em um banco de dados central onde a inteligência artificial é usada para analisar as tendências. A estrutura do banco de dados no SAP S/4HANA foi projetada especificamente para essa finalidade.
“O S/4HANA fornece ferramentas para ajudar as empresas a passar da manutenção programada para a preditiva
para um tempo de atividade do equipamento mais eficiente e menores custos de serviço.”
Jim O'Donnell, TechTarget, SAP quer ter uma empresa inteligente, mas as empresas têm opções, > junho de 2021
A aplicação do ML traz outro nível de eficiência. Em vez de determinar e definir os parâmetros para cada medição manualmente, agora os modelos podem ser gerados automaticamente, proporcionando uma economia significativa de tempo para seus engenheiros e técnicos.
Os impactos adicionais incluem:
“A taxa de incidência de alarmes falsos (falsos positivos) e alarmes ausentes (falsos negativos) foi reduzida em mais de 90%. Isso reduz os esforços de engenharia humana no diagnóstico de falhas da máquina em mais de 60%, reduz os orçamentos de manutenção e melhora a disponibilidade da máquina em cerca de 10%.”
Dr. Patrick Bangert, algoritmo de tecnologias GmbH, Monitoramento inteligente de condições usando aprendizado de máquina
Embora existam grandes vantagens de eficiência de IA e ML para CBM, pode levar algum tempo para coletar os dados necessários para análise. Comece com a base certa.
Introdução às estratégias de monitoramento baseadas em condição
>1) Estruturar e centralizar a coleta de dados
A IA, quando usada corretamente para tomar boas decisões rapidamente, exige que os dados estejam disponíveis e sejam precisos. Se você tiver dados mestre confusos devido a processos de negócios ineficientes, não poderá utilizar os dados para conduzir melhorias no processo.
A eliminação de qualquer processo baseado em papel com a implantação 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 remover o trabalho desnecessário, como inserir dados manualmente no SAP, enquanto estrutura as entradas de dados no SAP. Como observamos anteriormente, se você usa ou fará a transição para o SAP S4/HANA, ele foi projetado especificamente para implantar IA e ML para operações de manutenção.
2) Capturar dados do sensor atual
Seu equipamento moderno provavelmente inclui uma ampla variedade de sensores que podem ser programados para alimentar o banco de dados central. Mesmo antes de investir em dispositivos IIoT adicionais, você já pode usar os dados disponíveis para análise para definir acionadores de alertas ou para determinar onde precisa investir em capacidade de monitoramento adicional.
3) Determinar a Criticidade do Ativo
Priorize onde investir revisando seu histórico de manutenção para descobrir:
- Quais ativos críticos são seus “maus atores”? Para um alto ROI, comece com seus maiores infratores.
- Quais ativos possuem características que podem ser monitoradas? Nem todas as falhas são mensuráveis.
- Quais ativos se beneficiarão mais com as técnicas de monitoramento baseadas em condições? Os tipos de falha têm degradação mensurável que pode ser reconhecida com antecedência suficiente para fazer algo para evitar o evento de falha completa.
4) Pratique Manutenção Centrada em Confiabilidade
Manutenção Centrada em Confiabilidade (RCM) adota a abordagem de identificar as condições que poderiam resultar em tempo de inatividade e, em seguida, priorizar as modalidades de falha do ponto de vista do custo de manutenção. Com esses dados, as operações podem decidir quais ações específicas fornecem o melhor retorno sobre os gastos de manutenção para evitar que essas modalidades de falha se manifestem. Como resultado da análise de RCM, você descobrirá que certos ativos são críticos para investimento em tecnologias de medição e uso de IA, enquanto outros devem ser gerenciados como “executados até a falha” devido ao baixo custo de substituição em comparação com o custo de aplicação de medidas preditivas.
5) Processos digitais de ponta a ponta
Responder a alertas CBM 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 móvel com interface para SAP. Inicialmente, as atividades de monitoramento de condições resultarão em um aviso prévio de um problema iminente. Nesses casos, a notificação em tempo real é fundamental para evitar o evento de tempo de inatividade. Ao longo do tempo, com resultados de IA e ML, você pode aplicar verdadeiras estratégias de manutenção preditiva e ver um maior aviso de que um problema está começando a ocorrer.
Deixe-nos ajudá-lo a começar
Aqui na Sigga, temos ajudado indústrias de ativos intensivos com o SAP Plant Maintenance a impulsionar a transformação digital e iniciativas móveis em manutenção industrial por 20 anos. Nossas soluções de software SAP Certified EAM podem ajudá-lo a melhorar a captura, a estrutura e a qualidade dos dados necessários para criar estratégias de monitoramento baseadas em condições.
Nosso aplicativo móvel EAM Empower EAM digitaliza todo o processo de manutenção, conectando usuários em tempo real em sua empresa. Ele ajuda seus técnicos a capturar e estruturar com precisão os dados necessários no SAP para determinar a criticidade de ativos para investimentos em monitoramento baseado em condição.
O Sigga Planning & Scheduling fornece as ferramentas de gerenciamento para a implantação eficaz de estratégias de manutenção preventiva e preditiva. Juntas, essas soluções formam uma base eficaz para a coordenação em tempo real das atividades de manutenção como resultado de seus investimentos em monitoramento baseado em condições.
Saiba como você pode levar seu programa de manutenção preventiva para o próximo nível!