A INTELIGÊNCIA ARTIFICIAL (AI) À SERVIÇO DA MANUTENÇÃO PREDITIVA

Big Data

,

Estrategia Digital

,

Cadeia Produtiva

,

ANALITICO E EPM

,

Inteligencia Artificial

,

Liderança

A INTELIGÊNCIA ARTIFICIAL (AI) À SERVIÇO DA MANUTENÇÃO PREDITIVA

manutencao-preditivaGraças aos avanços tecnológicos em termos de sensores, comunicações, armazenamento de dados e potência de cálculo, surgiram novas propostas para melhorar os serviços de manutenção de ativos.

As empresas estão passando de uma abordagem reativa para uma abordagem proativa (prevendo o que vai acontecer e até mesmo prescrevendo as melhores ações a serem tomadas). 

Existem diversos tipos de manutenção, e que definimos abaixo como: 

  • Reativo: Aguardamos que um ativo falhe para realizar o reparo.
  • Preventivo: Realizamos manutenção em intervalos regulares, com base em planos de manutenção programados e observação de anomalias.
  • Baseado nas condições: Monitoramos continuamente a condição do ativo e reagimos à condições e eventos pré-definidos.
  • Preditivo: A análise avançada de dados operacionais e de negócios ajuda a determinar a condição de um ativo específico para prever quando executar a manutenção.
  • Prescritivo: A combinação entre planos de manutenção e análise preditiva nos permite otimizar as ordens de manutenção e propor os melhores momentos de trabalho.

Manutenção e Custos

Sempre que falamos em manutenção de ativos, temos que levar em conta a importância de uma avaria e o seu custo associado. 

Nossos ativos são valiosos e não podemos permitir que fiquem paralisados, pois o tempo de inatividade pode afetar o nosso planejamento de produção e levar ao não cumprimento de alguns acordos. Também não podemos permitir que um bem seja danificado (ou esteja em processo de danificar) e não temos visão prévia disso.

A longo prazo, o ciclo de vida de um ativo sofre se não houver manutenção adequada e os custos, tanto de pessoal como de reparação, afetam a valorização de um ativo.

Um novo aliado: a manutenção preditiva

É nesse momento que entra a manutenção preditiva, permitindo-nos detectar falhas em uma fase inicial e, em muitos casos, mesmo antes de acontecer. A importância de sensores e do processo de transformação de dados em insights aparece como uma nova tendência para melhorar todas as fases.

Vantagens da manutenção preditiva

  • Redução dos custos de manutenção.
  • Maior disponibilidade de ativos.
  • Melhoria na qualidade do produto.
  • Redução do investimento em equipamentos através da extensão do ciclo de vida do ativo.
  • Aumento da produção, evitando tempo de inatividade não programado.
  • Criação de novos fluxos de negócios, orientando o produto acabado para um modelo "as-a-service".

Casos de uso de manutenção preditiva

  • Manutenção da linha de produção.
  • Manutenção da frota de veículos - meios de transporte.
  • Gestão do ambiente de produção e segurança no trabalho.
  • Apoio à manutenção na fábrica.
  • Manutenção como um serviço, como um serviço agregado ou com base de pagamento por utilização.

Mas um projeto de manutenção preditiva necessita de uma boa base  de dados e deve estar integrada à área de operações de forma coordenada e com uma clara evolução, o que permite obter valor desde as primeiras fases do projeto até ao estabelecimento de um ciclo completo de manutenção preditiva de toda a nossa frota de ativos.

Fases de manutenção preditiva

  • Monitoramento de ativos e exploração de informações.
  • Estado de saúde dos ativos com base nas condições.
  • Estado de saúde dos bens baseado em inteligência artificial.
  • Detecção de falhas.
  • Gestão de alertas e avisos.
  • Otimização de planos de manutenção.

Mais um passo: Monitoramento

Sem informação (de qualidade) sobre os meus bens, não podemos realizar uma manutenção adequada. A utilização de sensores no ativo e/ou no ambiente, ou a coleta de informações de sistemas industriais, é o ponto de partida. Ser capaz de obter informação verdadeira (evitando dados errados) em tempo real e sem afetar os atuais sistemas de gestão de informação é um dos desafios a ultrapassar, e para isso devemos nos apoiar em diferentes tecnologias industriais, tais como mod-bus, opc-ua, PLCs.

É necessário não esquecer as comunicações ao nível da fábrica e a possível extração de dados para soluções em nuvem, e mesmo soluções Edge (permitindo uma primeira camada de controle ao nível Edge).

Não se trata de substituir os sistemas de monitoramento tradicionais, mas de fornecer uma ferramenta de monitoramento em tempo real que nos permita explorar os dados obtidos, compará-los e analisá-los para chegar a uma conclusão.

Estado de saúde dos ativos com base nas condições

Uma vez obtida a informação, é possível avaliar se um ativo está funcionando corretamente com base em parâmetros fixos fornecidos tanto pelo fabricante como pelo usuário final. É aqui que o conhecimento do ativo e a manutenção preditiva se reúnem, pois é o usuário quem tem melhor conhecimento do ativo. Estas regras nos permitem um primeiro controle do ativo, especialmente nos casos em que não existe informação histórica e nem de falhas. 

Estado de saúde com base na inteligência artificial

Outra forma de avaliar o estado de saúde de um ativo é através de vários algoritmos não supervisionados, que nos dizem se o estado do ativo mudou, e em qual medida, para poder nos dizer que algo anormal está acontecendo. A detecção precoce de anomalias não necessita de um grande volume de informação e por isso é ideal quando não temos muita informação e em casos em que a informação de falhas reais é muito baixa ou quase nula.

Detecção de falhas

Outra forma de prever falhas é usando algoritmos monitorados, que comparam dados históricos de falhas com informações em tempo real. Com esta nova tipologia de algoritmos é coberta qualquer opção de prevenção de falhas baseada nas informações de ativos.

Gestão de alertas e avisos

É nesta parte que automatizamos o processo de criação de alertas e avisos, desenhando os diferentes processos em caso de detecção de uma anomalia ou falha no sistema. Estes alertas e avisos serão visuais, com dashboards, KPIs, indicadores, e através de e-mail.

No caso do surgimento de uma manutenção preditiva em nível "edge" (com equipes de manutenção preditiva próximas à máquina), podemos atuar sobre a própria máquina, e até mesmo sobre outras (no caso de produção em cadeia) ou por robôs colaborativos.

Otimização dos planos de manutenção

A criação automática de ordens de serviço e a otimização dos planos de manutenção é uma das vantagens da manutenção preditiva. Avaliar uma máquina somente quando necessário, com prioridades de acordo com a criticidade do ativo e a redução de paralisações técnicas, reduz os custos de manutenção e aumenta o ciclo de vida do ativo.

Nesse artigo definimos brevemente o que é manutenção preditiva, e suas diversas variáveis e pontos de atenção.

Está interessado neste tipo de projeto? Quer conhecer os nossos casos de sucesso utilizando essa metodologia? 

FALE CONOSCO

 

Inscreva-se!