Com avanços do IoT, o sensoriamento de máquinas utilizando-se dessa tecnologia tem se tornado cada vez mais comum. O acompanhamento de variáveis de equipamentos e linhas de produção já é feito há muito tempo e é exaustivamente acompanhado por equipes de manutenção e operação. Porém, muitas vezes esses dados são de difícil acesso e qualquer interferência nesse processo pode causar problemas na operação. Sensores IoT são de fácil implementação e possuem a vantagem de ter os dados enviados a um database local ou na nuvem, que podem ser acessados por algoritmos externos.

A predição de falhas em linhas de produção nas indústrias ajuda na formulação de planos de manutenção para equipamentos, de forma a ajustar os intervalos de manutenção dos mesmos. A partir do sensoriamento do equipamento, atrelado à modelagem destes dados por técnicas de Machine Learning, é possível prever padrões anômalos, eventos futuros (como quebras) e, dependendo da qualidade dos dados, fazer uma prescrição de qual atitude tomar de acordo com as circunstâncias.

Esse procedimento tem por objetivo otimizar os intervalos de manutenção, estendendo-os ao limite de utilização das máquinas e alertando com antecedência os momentos passíveis de falha para que sejam efetuados procedimentos de manutenção preventivos. Isso evita a paralisação das linhas de produção por longos períodos, o que impacta diretamente na diminuição dos custos de manutenção e na diminuição dos prejuízos causados pela parada de tais linhas.

Para a realização deste tipo de procedimento, entretanto, é necessário que o equipamento possua aparelhagem de sensoriamento, com um histórico suficientemente longo, que os dados gerados sejam representativos do comportamento e performance das máquinas e que haja um histórico das falhas e dos planos de manutenção realizados no período descrito.

Como resultado de tal modelagem, é possível a observação contínua dos equipamentos com a geração de alertas todas as vezes que o equipamento apresentar comportamento anormal em seu regime de operação. É necessário que seja realizado um período de quarentena para o refino dos parâmetros da modelagem e determinação dos intervalos de confiança que serão utilizados na geração dos alertas.

Casos de Uso

Para exemplificar na prática como é possível obter vantagens nos negócios com as soluções acima, disponibilizaremos alguns casos de uso de empresas nacionais e estrangeiras.

Empresa estrangeira que fornece software de gestão

Localização: Linhas de perfuração e fluxo de petróleo.

Problema: – Integração entre os dados gerados por sensores, equipamentos, trabalhadores e processos de forma a se gerar um ecossistema conectado;

– Necessidade de desenvolvimento de programas de manutenção de maquinário que resultem em menor tempo ocioso de máquina;

– Desenvolvimento de estratégias de atuação para situações de falha inesperada, diminuindo o tempo de intervenção e os custos de parada;

– Determinação dos melhores indicadores em tempo real.

Solução: – Integração inclusiva de centenas de adaptadores que monitoram os equipamentos dispersos pelas plantas das fábricas, com especificidades dos diferentes protocolos, aumentando a velocidade de captação e análise dos dados;

– Aplicação de modelos preditivos e monitoramento em tempo real para a tomada de ações corretivas de manutenção de maneira eficiente, prevenindo ou minimizando anomalias que possam ocorrer;

– Transferência da computação global para uma local, possibilitando a tomada de decisão mais rápida e eficiente, além de reduzir custos de infraestrutura.

Empresa estrangeira de serviços de transformação digital, infraestrutura, segurança e engenharia de produtos

Localização: Planta de produção de automóveis.

Problema: – Integração entre diversas fontes de dados, cada qual com seus protocolos específicos;

– Aumentar a eficiência das linhas de produção, reduzindo tempo de manufatura e aumentando a qualidade dos produtos;

– Monitoramento, controle e automação de processos industriais.

Solução: – Oferecimento dos equipamentos necessários para a execução da coleta, preparação e análise dos dados (arquitetura, sensores, suporte em áreas de atuação);

– Desenvolvimento de ferramentas de detecção de anomalias nos processos industriais, com ML integrado para aprendizado com o decorrer do tempo;

– Oferecimento de ferramentas de análise customizadas para as situações de produção enfrentadas pela empresa, com foco na diminuição de capital e custos operacionais.

Empresa fabricante de aviões e componentes mecânicos, como atuadores, controles, válvulas, além de tratamento metálico

Localização: Plantas de produção de eletricidade.

Problema: Implementação de maneiras mais eficientes e compreensivas de monitorar, analisar e visualizar desempenho de plantas elétricas para detecção de padrões sutis de anomalias que possam impactar as operações.

Solução: – Desenvolvimento de uma aplicação de monitoramento e reconhecimento de padrões de anomalias a partir dos sinais captados dos equipamentos e dos históricos;

– Desenvolvimento de sistema de monitoramento de desempenho térmico dos equipamentos;

– Desenvolvimento de modelos dos equipamentos por testes de hipóteses para aumentar a eficiência dos processos.


Comentários: 0

Ainda não há comentários neste post. Seja você o primeiro a comentar!

Deixar um comentário