Ir para o conteúdo
Usando tecnologias de manutenção preditiva para otimizar o desempenho dos ativos empresariais

O que é manutenção preditiva?

As tecnologias de manutenção preditiva permitem que você interprete os sinais de seus ativos empresariais. As máquinas nas fábricas, a frota de caminhões e os equipamentos industriais de sua empresa “conversam” com você há anos. Eles têm sinalizado quando estão prestes a quebrar e o que precisam para funcionar por mais tempo e sem problemas.  

 

A manutenção preditiva permite que as empresas prevejam falhas e programem a manutenção quando e onde houver necessidade imediata. Ela fornece às empresas as informações necessárias para obter o máximo desempenho de seus valiosos ativos, porém com a segurança de não forçar os equipamentos nem colocá-los em risco de dispendiosas panes.

Definição de manutenção preditiva: a manutenção preditiva busca evitar falhas e paralisações de equipamentos, conectando ativos empresariais habilitados pela IoT, aplicando funções analíticas avançadas em tempo real aos dados recebidos desses ativos e usando os insights resultantes para fundamentar protocolos de manutenção econômicos e eficientes. 

Por que a manutenção preditiva é tão importante para as empresas da atualidade?

As empresas modernas passam por um período de mudanças e concorrência sem precedentes. O Efeito Amazon levou a um rápido aumento nas demandas dos consumidores por controle, personalização e velocidade. Constantes mudanças no clima comercial e político têm feito com que muitas empresas enfrentem dificuldades para manter relacionamentos de suprimento e produção financeiramente viáveis. E com o crescente número de empresas que passam pela transformação digital, a concorrência tem aumentado, enquanto a margem de erro está cada vez menor. Como resultado, os líderes de negócios da atualidade buscam obter vantagem competitiva por meio de soluções inteligentes, que preveem quando a manutenção de ativos será necessária, ajudam a aumentar a eficiência de custos e a simplificar os complexos requisitos de gestão de ativos empresariais. 

placeholder

Caso de uso da SBB (Ferrovias Federais da Suíça)

Saiba como a manutenção preditiva ajudou a alcançar a excelência operacional.

Qual é a diferença entre manutenção reativa, preventiva e preditiva?

A diferença nesses três modelos de manutenção não está tanto em como, mas em quando as tarefas de manutenção são realizadas.

  • Manutenção reativa: consiste basicamente em não fazer nada até que algum componente quebre. Por motivos óbvios, grandes empresas não costumam adotar este modelo como estratégia de manutenção. No entanto, a prática pode ser usada involuntariamente quando determinadas peças e componentes não são incluídos nas tradicionais programações regulares de manutenção. A manutenção reativa sempre ocorre após a falha.
  • Manutenção preventiva: baseada no desempenho passado e no conhecimento e experiência de engenheiros e operadores, este modelo inclui manutenção de rotina, periódica, planejada ou baseada no tempo. Embora evite panes, infelizmente, esta abordagem pode ser inexata, o que pode levar à manutenção cara e desnecessária ou à não identificação de pontos fracos no processo de manutenção. A manutenção preventiva acontece em momentos pré-estabelecidos, muitas vezes com muita antecedência.
  • Manutenção preditiva: é viável quando as redes de Internet das Coisas (IoT) integram todos os ativos empresariais em um ecossistema em tempo real. Com a capacidade de transmitir e analisar dados em tempo real, a condição dos ativos em tempo real  – e não o calendário – torna-se a base dos protocolos de manutenção. A manutenção preditiva acontece em tempo real, exatamente quando e onde for necessária.

A tabela a seguir (adaptada da Deloitte) exibe a progressão das capacidades tecnológicas ao longo das revoluções industriais e o impacto resultante nas estratégias de manutenção e na eficácia dos equipamentos.

Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component

Como funcionam a manutenção preditiva e as funções analíticas da IoT?

A primeira etapa do processo de manutenção preditiva envolve a coleta de dados e informações em tempo real de ativos de rede de IoT conectados em toda a empresa. Esses dados devem ser armazenados e gerenciados de modo que possam ser processados, acessados e analisados de imediato. O componente “preditivo” entra em cena quando tecnologias de IA (inteligência artificial) e Machine Learning são aplicadas aos dados para que eles comecem a contar uma história útil e funcional.

 

Existem quatro etapas básicas para a arquitetura de manutenção preditiva e uma rede IIoT (IoT industrial):

As quatro etapas do processo de manutenção preditiva

O processo de manutenção preditiva

  1. Detectar e coletar dados usando tecnologias de manutenção preditiva (por exemplo, imagens térmicas ou vibrações)
  2. Transmitir esses dados – em tempo real – em toda a rede para um sistema de negócios central
  3. Aplicar tecnologias inteligentes, como IA e funções analíticas de Machine Learning a esses dados, para fornecer os insights mais úteis e relevantes 
  4. Tomar medidas rápidas com base nesses insights extraídos dos dados para estabelecer os protocolos necessários (humanos e automatizados) de manutenção e respostas

Monitorar as condições dos ativos e usar tecnologias de manutenção preditiva

A manutenção preditiva é possível por meio de sistemas físicos cibernéticos que ajudam a integrar máquinas e ativos empresariais em uma rede IoT inteligente. Ela começa identificando as condições do ativo que precisam ser monitoradas, depois ajustando sensores e estabelecendo uma rede IoT e, por fim, coletando e analisando os dados dessa rede para fornecer descobertas e insights práticos. Identificar as condições a serem monitoradas é o primeiro passo crucial para transformar a gestão de ativos empresariais de uma empresa por meio da manutenção preditiva. 

 

Monitorar as condições

 

Inicialmente, os gestores devem estabelecer as condições que precisam ser monitoradas em cada máquina. Entre várias outras formas, essa análise pode ser visual, auditiva, térmica ou uma combinação desses critérios – que é a abordagem mais comum. Neste ponto, etapa tecnológica consiste em determinar os sensores corretos e as ferramentas de monitoramento a serem instaladas: 

  • Análise de vibração: pequenas mudanças nos padrões de vibração podem indicar desequilíbrio ou desalinhamento, enquanto altos níveis de vibração podem indicar oscilação iminente ou outros problemas. A análise de vibração pode dar avisos antecipados de falha e é especialmente útil na detecção de desequilíbrio, desalinhamento, afrouxamento mecânico, ou peças desgastadas ou danificadas.

  • Análise por som e ultrassom: em operações normais, a maioria dos sistemas cria padrões de som estáveis. Alterações no padrão sonoro de referência podem indicar desgaste ou outros tipos de deterioração. Análises ultrassônicas também podem fornecer informações sobre a integridade geral do sistema, traduzindo sons de alta frequência (como os produzidos por vapor ou vazamentos de ar) em uma faixa audível.

  • Análise infravermelha: assim como na análise ultrassônica, a termografia também revela o oculto usando a análise infravermelha para traduzir as mudanças de temperatura em um espectro visível. Mesmo mudanças muito sutis nas temperaturas operacionais normais podem alertar para problemas iminentes.

  • Análise de fluidos: além de simplesmente monitorar os níveis e a temperatura, a análise física e química dos fluidos pode fornecer informações valiosas sobre a condição dos componentes mecânicos. A taxa de degradação em fluidos refrigerantes e lubrificantes fornecem insights seguros para a tomada de medidas preventivas.

  • Outras: há outras tecnologias de manutenção preditiva específicas para várias necessidades industriais exclusivas, incluindo: alinhamento a laser, monitoramento de circuito elétrico, detecção de rachaduras, monitoramento de corrosão, mudanças de resistência elétrica e outros meios específicos de cada setor para medir a corrosão ou deterioração.
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component
Edit Table Feature Comparison Component

Tecnologias de manutenção preditiva

 

Uma vez estabelecidos os critérios acima, os sensores e monitores adequados devem ser instalados e conectados a um sistema de negócios central, mais comumente um sistema ERP (planejamento de recursos empresariais), por meio de uma rede IoT conectada à nuvem. Por fim, as soluções de software baseadas em IA necessárias devem estar disponíveis para dar suporte aos vários algoritmos e processos analíticos necessários para fornecer recomendações e insights práticos extraídos dos dados coletados.

  • Rede IoT:  quando ampliados com sensores, capacidade de processamento e outras tecnologias, os ativos empresariais podem enviar e receber dados – geralmente por meio de conectividade na nuvem – de e para um sistema e negócios central, que inclui uma rede IoT e corrobora a estratégia de manutenção preditiva.

  • Gateways IoT: muitos ativos mais antigos ainda funcionam perfeitamente bem, mas sua tecnologia analógica antecede a integração digital. Essas máquinas podem ser equipadas com dispositivos de gateway IoT, que podem incluir câmeras, microfones e termômetros, para reunir e transmitir dados em tempo real sobre as próprias condições operacionais.

  • Conectividade na nuvem: permite que você conte com recursos de sistemas computadorizados disponíveis on demand. Em uma rede IoT composta por vários ativos industriais, é fundamental que os centros de dados com várias localizações sejam integrados em um único sistema e banco de dados.

  • Banco de dados e ERP modernos: bancos de dados legados, baseados em disco, não estão preparados para gerenciar enormes volumes de dados não lineares que incluem Big Data e conjuntos de dados complexos. Além disso, a manutenção preditiva usa IA e Machine Learning para executar funções analíticas avançadas nesses dados. Todo esse processo é executado com maior eficácia em um ERP moderno, baseado em IA, com um banco de dados in-memory rápido, responsivo e quase infinitamente escalável.

  • IA e Machine Learning: John McCarthy, pioneiro na ciência da computação, define IA como “a ciência e a engenharia da fabricação de máquinas inteligentes”. Machine Learning é um subconjunto de IA que usa algoritmos para analisar e entender dados. As soluções de manutenção preditiva dependem de IA e Machine Learning não só para classificar, entender e aprender com os dados operacionais dos ativos empresariais, mas também para extrapolar esse conhecimento com recomendações e insights práticos.

  • Funções analíticas avançadas: IA e Machine Learning são a força motriz das funções analíticas avançadas. Os gestores devem determinar as condições e os atributos a serem avaliados e os resultados analíticos desejados. Dessa forma, os algoritmos que alimentam as funções analíticas avançadas podem ser programados para serem o mais perspicazes e práticos possível, e para aprender cada vez mais com dados e novas experiências ao longo do tempo.

  • Gêmeos digitais: como o nome sugere, um gêmeo digital é exatamente uma recriação virtual de um ativo físico real. Os gerentes podem criar gêmeos digitais para experimentar qualquer cenário operacional possível usando o gêmeo – sem qualquer risco de dano real a uma máquina ou dispositivo de custo elevado. Isso fortalece a manutenção preditiva, permitindo que ferramentas de Machine Learning e IA incorporem experiências que nunca aconteceram e assimilem o aprendizado.

Exemplos de casos de uso de manutenção preditiva

  • Setor de petróleo e gás: a extração de petróleo provoca enorme desgaste nos ativos e pode causar grandes riscos e perigos em caso de falha. Graças ao monitoramento em tempo real das mudanças na temperatura do óleo e da velocidade das caixas de câmbio dos equipamentos de perfuração, a manutenção preditiva tem melhorado consideravelmente a segurança e reduzido os custos de manutenção em até 38%.
  • Indústria automotiva: nas linhas de montagem, as pistolas de solda a ponto executam cerca de 15.000 soldaduras por dia. A capacidade de conectar pistolas de solda em todo o mundo – e coletar seus dados operacionais – permite aos fabricantes de automóveis reunir milhões de pontos de dados, levando a uma precisão preditiva sem precedentes sobre a condição e o estado desses ativos.
  • Fabricação de aparelhos domésticos: medições da vibração da rotação do tambor no processo de produção de secadores têm ajudado a prever mau funcionamento ou panes. Essa aplicação de manutenção preditiva tem eliminado defeitos de produção em 33% e reduzido os custos de manutenção do consumidor em 27%.
  • Gestão de ativos ferroviários: “vazios” ocorrem quando um espaço vazio se desenvolve sob um trilho, levando possíveis atrasos ou mesmo descarrilamentos. Inovações recentes levaram à criação de sistemas de monitoramento baseados na cabine que podem detectar uma série de variáveis à medida que o trem roda sobre os trilhos, melhorando a detecção de vazios e aumentando a segurança dos clientes de modo geral.
  • Indústria de aço: a detecção de anomalias vem sendo usada para coletar leituras em tempo real da vibração, velocidade rotacional e corrente elétrica (amperes) no equipamento de laminação a frio usado no processamento de aço. Esta aplicação tem levado à melhoria de 60% na vida útil dos equipamentos e reduzido consideravelmente os prejuízos causados por paralisações e atrasos.

Benefícios da manutenção preditiva

A implementação de sistemas de manutenção preditiva tem gerado resultados impressionantes em vários setores.

A manutenção preditiva aumenta a produtividade em 25%, diminui o número de panes em 70% e reduz os custos de manutenção em 25%.

Deloitte

Interessante observar que o conceito de manutenção preditiva não é algo novo. Há décadas, as empresas têm se esforçado para alcançar maior previsibilidade na manutenção dos ativos, mas só com o surgimento de tecnologias como IA e sistemas ERP modernos, elas passaram a ter a capacidade e a funcionalidade necessárias para obter soluções de manutenção preditiva que realmente funcionam e oferecem os seguintes benefícios:  

  • Aumento da visibilidade de toda a operação: com maior visibilidade dos ativos em campo e de outros equipamentos externos, OEMs e provedores de serviços terceirizados podem agregar maior valor e prestar serviços com melhor embasamento.
  • Redução dos custos de manutenção e melhoria no desempenho dos ativos: a manutenção preditiva leva consistentemente ao melhor uso dos recursos existentes, à redução de paralisações e à extensão da vida útil de ativos valiosos.
  • Equipes com maior capacitação: quando munidos de ciência de dados e funções analíticas em tempo real, operadores de ativos, prestadores de serviços e gerentes da cadeia de suprimentos podem desenvolver programações de manutenção que funcionam, tornando-se planejadores e estrategistas, em vez de bombeiros. 

Os próximos passos para transformar sua cadeia de suprimentos com soluções de manutenção preditiva

Muitas empresas não mudam suas estratégias de manutenção de ativos há décadas – embora tenham modernizado outras áreas de negócios. Mudar processos antigos é desafiador e pode ser difícil obter a adesão das equipes. Os planos de transformação dos negócios mais bem-sucedidos começam com uma boa estratégia de comunicação e gestão de mudanças para ajudar a engajar as equipes e eliminar silos. Converse com seu fornecedor de software para saber mais sobre quais ferramentas e soluções funcionarão melhor para as necessidades exclusivas de sua empresa e ajudarão você a avançar no roadmap e na jornada de transformação digital.

placeholder

Explore o SAP Predictive Asset Insights

Maximize o desempenho dos ativos com modernas ferramentas de manutenção preditiva.

Newsletter SAP Insights

placeholder
Assine ainda hoje

Receba insights importantes assinando nossa newsletter.

Leitura adicional

Voltar ao início