A frase “dados são o novo petróleo”, é muito utilizada atualmente. Assim como o petróleo, ferramentas de extração também são necessárias para a obtenção dos dados.

Diferente do líquido viscoso que tem sua exploração feita há anos, a mineração de dados em larga escala é um evento recente que começa a ser adotado em diversos setores, muitas vezes de maneira artesanal. A informação sobre o uso de dados está presente em todos os eventos naturais e não naturais no mundo, mas capturar a informação e transformá-la em um dado confiável é tarefa complexa. Além disso, dados diferentes podem ser obtidos da mesma fonte, como, por exemplo, um equipamento industrial que pode ter sua temperatura, vibração e pressão medidas.

Como obter esses dados? Entre as soluções, estão dispositivos de medição que conectados formam o conceito de internet das coisas (IoT). Estes dispositivos coletam dados em tempo real (algumas vezes mais de uma variável ao mesmo tempo) e se comunicam via internet, seja para trocar informação ou armazenar as informações. Essa geração massiva de dados traz novos desafios, como monitoramento, armazenagem e segurança, que resulta em grande procura por profissionais aptos a realizarem está tarefa (engenheiros de dados).

Tal o petróleo após extração, dados precisam passar por tratamento de modo a extrair todo o seu potencial, para que seja base de decisões assertivas a serem tomadas, entre elas, a manutenção preditiva de equipamentos.

Atualmente existem dois tipos de manutenção realizada pelas indústrias, a reativa e a preventiva. Na primeira, ações são tomadas após a ocorrência de erros, o que é definitivamente a pior estratégia, pois, ocasiona paradas inesperadas na produção com tempo de manutenção variável, resultando na perda de dinheiro e recursos, além de, em alguns casos, poder gerar danos irreparáveis nos equipamentos. A segunda opção de manutenção, prevê a revisão e manutenção das máquinas de tempos em tempos. O problema desse método é encontrar o espaçamento ideal entre as manutenções, para que não tenha frequência maior do que a necessária, pois, também ocasiona parada na produção.

O cenário ideal é monitorar a saúde dos equipamentos para interpretar os indícios de falha antes mesmo que ela ocorra, aparelhos modernos de medição conseguem dados em tempo real, se comunicam com o poder de interpretação de grandes volumes de dados por algoritmos de Inteligência Artificial, o acompanhamento da atividade dos instrumentos pode ser realizado de maneira rápida, garantindo paradas preventivas determinadas. Muitas falhas dão indícios antes de acontecerem e a ideia é deixar um modelo de machine learning olhando para os dados enquanto são gerados, procurando por esses padrões específicos.

Internet of Things vai facilitar a tomada de decisão baseada em dados que, por estarem conectados à rede global, podem ser visualizados de maneira segura em qualquer lugar, através de aplicativos no celular ou computadores remotos, garantindo aos gerentes de processo maior visibilidade da operação, mesmo de longe.

Indústrias 4.0 já fazem parte da realidade. Em um meio competitivo no qual as margens são pequenas e o volume é altíssimo, otimizar a manutenção representa uma vantagem competitiva com alto poder de impacto no ganho das indústrias.


Comments: 0

There are not comments on this post yet. Be the first one!

Leave a comment