Manutenção Preditiva 4.0

Compartilhar no facebook
Compartilhar no linkedin
Compartilhar no whatsapp

Realizar a manutenção antes do tempo pode significar elevar o custo com partes e peças e mão de obra de forma desnecessária. Por outro lado, realizar a manutenção depois do tempo certo pode levar o equipamento à falha e gerar uma parada de linha e manutenção corretiva. Para saber mais sobre os diferentes tipos de manutenção, veja nosso artigo sobre Técnicas de Manutenção Industrial.

A técnica de manutenção preditiva consiste em utilizar o monitoramento da condição da máquina para avaliar possíveis intervenções de manutenção da forma mais assertiva possível. Com isso, o objetivo é antecipar o possível problema, planejar as ações de manutenção realizar a manutenção no momento exato da necessidade.

Para execução da manutenção preditiva, são necessárias tecnologias baseada em sensores. As mais comuns são:

  • Sensores de vibração em velocidade [mm/s] ou aceleração [Gs] com análise espectral;
  • Sensores deslocamento radial e axial de não-contato (proxímetros);
  • Sensores de temperatura (mancais e carcaças);
  • Câmeras termográficas;
  • Sensores de corrente elétrica com análise espectral;
  • Sensores de descarga parcial em motores elétricos;
  • Sensores de pressão para compressores;
  • Sensores de expansão linear para turbinas.

A partir da leitura destes sensores, é possível extrair dados valiosos sobre o funcionamento dos equipamentos. Técnicas como análise de vibração permitem entender qual é o defeito que começa a se desenvolver no equipamento — tais como rolamentos, engrenamentos, desbalanceamento, desalinhamentos de eixos e polias, folgas, lubrificação, entre outros. Para entender um pouco melhor sobre como funciona esta técnica, você pode acessar nosso artigo sobre análise de vibração.

Existem diferentes formas de obter dados dos equipamentos para manutenção preditiva. Uma delas é a preditiva baseada em rotas, em que analistas visitam os locais dos equipamentos e coletam os dados com equipamentos portáteis, tais como analisadores de vibração com sensores, câmeras termográficas, equipamentos de ultrassom, entre outros. Outra técnica é a preditiva online, na qual os sensores são instalados de forma permanente nos equipamentos e enviam dados constantemente para sistemas computadorizados.

 

Preditiva periódica [offline]

A predição periódica depende de um profissional qualificado para coletar dados de forma periódica. São geradas rotas de inspeção de acordo com a criticidade do equipamento e sua localização na planta produtiva. Alguns equipamentos são monitorados mensalmente, enquanto outros são monitorados quinzenalmente, semanalmente ou até diariamente, para equipamentos mais críticos.

Os profissionais devem ser qualificados e os equipamentos são especializados para utilização industrial. Isso torna o custo da implementação deste tipo de manutenção relativamente alto. Por outro lado, grandes indústrias utilizam esta técnica devido ao elevado retorno sobre investimento, uma vez que possui grande assertividade na predição de falhas, evitando quebras e paradas de linha.

 

Preditiva permanente [online]

A manutenção preditiva online é a técnica que melhor se aplica a equipamentos críticos e de alto impacto em caso de falha. Consiste na instalação de sensores permanentes nos equipamentos, que coletam dados e enviam para sistemas eletrônicos em tempo real ou quase real.

Estes sistemas processam os dados e geram informações para serem analisadas por profissionais qualificados, que realizam interpretações de espectros e formas de onda de vibração, tendências de vibração, temperatura e variáreis de processo.

Alguns equipamentos como robôs, centros de usinagem CNCs (Controles Numéricos Computadorizados) e motores elétricos podem possuir sensores pré-instalados pelos próprios fabricantes. Na indústria, estes equipamentos são integrados a sistemas de automação através de protocolos industriais e podem ser analisados pela equipe de manutenção em softwares especialistas.

 

A manutenção preditiva 4.0: IIoT + inteligência artificial

Técnicas e tecnologias da Indústria 4.0 também podem ser utilizadas na manutenção preditiva, como IIoT (Internet das Coisas Industrial) e Inteligência Artificial.

O custo de aquisição de sensores e Hardwares especializados, cabeamento e infraestrutura eletromecânica, implementação, comissionamento e start-up e manutenção desses sistemas é alto, considerando necessidades de mão-de-obra qualificada para execução das etapas.

Por isso, em uma avaliação de viabilidade de projetos, apenas grandes máquinas — como bombas de injeção em plataformas de petróleo, grandes turbogeradores, transportadores de correia de longa distância em mineração, ou seja, máquinas e equipamentos de grande porte, com alto impacto na produção e segurança — recebiam este tipo de sistema.

De alguns anos para cá, vários fatores estão contribuindo para que esta técnica de manutenção seja aplicada a cada vez mais equipamentos industriais, dando escala e mais inteligência às soluções. São alguns fatores:

 

  • Redução do custo de sensores

A redução nos custos de produção devido à elevada tecnologia na produção de chips de silício está permitindo que módulos e sensores sejam fabricados em escala, fazendo com que o custo de sensores de IIoT tenha caído nos últimos 15 anos de forma exponencial. O gráfico a seguir mostra a queda de preço de 2004 a 2020 para sensores IoT Industriais (IIoT).

Custo médio de sensores IIoT de 2004 a 2020

Statista – https://www.statista.com/statistics/682846/vr-tethered-hmd-average-selling-price/

  • Avanço tecnológico de hardware

Antigamente, para desenvolver sistemas de hardware, os desenvolvedores precisavam projetar circuitos utilizando vários chips de diferentes funções e lidar com circuitos de filtros analógicos, caros e de fabricação complexa.

Atualmente, com o avanço da tecnologia de fabricação de semicondutores, os fabricantes conseguem aumentar a densidade de transistores nos chips eletrônicos e seguem a tendência de modularização de soluções, disponibilizando sensor, CPU e Memória em um único dispositivo, facilitando o desenvolvimento de soluções através de circuitos de interface digitais e mais simples.

Além disso, nos últimos anos, houve grande evolução dos sensores tipo MEMS (Micro-Electro-Mechanical Systems). Acelerômetros MEMS, que há poucos anos tinham largura de banda de no máximo 1.000 Hz, já estão disponíveis em versões de 6,3kHz ou maior com custo relativamente baixo e relação sinal-ruído (SNR – Signal-Noise Ratio) extremamente baixos, aptos para aplicações industriais precisas. Esta tecnologia já pode substituir os tradicionais e mais caros sensores tipo piezoelétricos em várias aplicações de manutenção preditiva.

Por fim, o avanço das tecnologias sem fio (wireless) — como Wireless HART, ISA100, Zigbee e tecnologias mais recentes como Bluetooth 5 Low Energy e LoRa — permite a fabricação de dispositivos de baixo consumo de energia, viabilizando fabricação de dispositivos com duração de bateria na faixa de 10 a 15 anos (dependendo da aplicação). Tal característica é fundamental em sensores industriais, visando redução do custo de manutenção do próprio sistema de monitoramento.

  • Custos escaláveis em sistemas cloud

Não é mais necessário que empresas industriais mantenham todos os sistemas de software em seus próprios servidores (on premises). Atualmente, é possível contar com provedores de soluções cloud com inúmeras possibilidades de arquitetura, sendo aplicável desde a projetos pilotos e provas de conceitos (PoCs) até grandes implantações com centenas de milhares de dispositivos.

O custo de servidores extremamente flexível permite que as indústrias verifiquem o real valor de negócio de soluções com custo muito baixo. É possível contratar servidores para projetos pilotos, em nuvem, com alto nível de segurança com custos baixos como dezenas de reais por mês.

  • Soluções de código aberto em inteligência artificial

As aplicações de inteligência artificial podem desenvolvidas em um tempo muito menor e com maior acurácia, em comparação a alguns anos atrás. Linguagens de programação de código aberto como Python e o surgimento de frameworks e bibliotecas criados pela comunidade de desenvolvedores, desde data analytics, machine learning e até inteligência artificial e visão computacional, popularizaram as aplicações de analytics e IA e levaram ao surgimento de maior alcance e interesse de pessoas e em qualificação neste tema.

Todos esses avanços diminuem custos, especialmente em estágios iniciais de implementação, que, anteriormente, poderiam ser impedimentos intransponíveis a vários negócios. Com a popularização e facilitação de acesso às tecnologias necessárias, a manutenção preditiva se tornou uma estratégia cada vez mais acessível a diferentes indústrias.

 

Desafios

Ainda que a evolução tecnológica, redução de custos e flexibilidade de custos iniciais sejam fatores importantes para facilitar a implantação de projetos pilotos, existem alguns desafios na implantação de sistemas de manutenção preditiva no cenário industrial brasileiro. Alguns dos principais desafios a serem vencidos são:

  • Sistemas legados: a indústria brasileira em geral possui parques fabris com mais de 20 anos, em alguns casos, mais de 35 anos. As soluções de manutenção preditiva devem se adaptar às máquinas existentes e não exigir grandes e custosos retrofitings.
  • Escolha de fornecedores: nos últimos anos surgiram muitas soluções robustas de sensoriamento IIoT aplicados à manutenção preditiva. No entanto, escolher uma solução que forneça confiabilidade tecnológica, robustez e suporte adequado pode exigir um grande esforço e execução de vários projetos pilotos para validação de parceiros.
  • Centralização, formação de data lakes, customização e cyber segurança: esta é, talvez, a maior dificuldade das indústrias que buscam a realização de projetos de manutenção preditiva. Integrar soluções com diferentes tecnologias, trabalhar no enriquecimento de dados e formação de data lakes, desenvolver algoritmos de IA utilizando soluções em nuvem — utilizando recursos avançados de cybersegurança — é um desafio para as indústrias.

No cenário atual de grande parte das indústrias, existem inúmeros pilotos e projetos com elevado grau tecnológico, que exigem grande alocação da equipe de TA e TI, gerando concorrência interna por recursos qualificados.

 

Para que as empresas consigam evoluir nos programas de tecnologia em manutenção preditiva, uma excelente solução é a parceria com centros de inovação e tecnologia especializados em indústria 4.0 e com capacidade tecnológica para atender às diferentes demandas de customização.

Empresas industriais possuem requisitos diferentes com relação à arquitetura, ferramentas de desenvolvimento e segurança da informação. É fundamental, então, que as indústrias contem com parceiros de tecnologia para auxiliá-los na geração de valor através da aplicação de tecnologias.

 

O Venturus é um instituto de ciência e tecnologia, localizado em Campinas – SP, que possui uma estrutura robusta para o desenvolvimento de projetos em tecnologia. Atuamos desde as áreas de IIoT, desenvolvimento de software customizados, data Science, inteligência artificial, visão computacional, cyber segurança e arquiteturas em cloud.

Para saber mais, clique no link abaixo e converse diretamente com nossos especialistas em soluções industriais.

Veja mais

Entre em contato

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.