CategoriesManutenção

Um Guia Inicial para Manutenção Preditiva

A manutenção preditiva se aproveita dos dados enviados por sensores embarcados nos ativos, ajudando as empresas a ampliar o seu ciclo de vida e reduzir custos operacionais. Esses ativos podem variar de motores de aeronaves, turbinas, elevadores, tratores ou resfriadores industriais – que custam milhões – até aparelhos comuns, como fotocopiadoras, máquinas de café ou refrigeradores de água.

A maioria das empresas ainda depende de manutenção corretiva, onde as peças são substituídas quando elas falham. A manutenção corretiva garante que as peças sejam usadas completamente (portanto, não desperdiça a vida útil dos componentes), mas custa aos negócios maior tempo de inatividade, mão-de-obra e requisitos de manutenção não programada (horas de folga ou locais inconvenientes).

No próximo nível, as empresas praticam manutenção preventiva, onde determinam a vida útil de uma peça e a mantém ou substitui antes de uma falha. A manutenção preventiva evita falhas não programadas e que podem resultar em gandes paradas. Mas os altos custos do tempo de inatividade programado, subutilização do componente durante sua vida útil e mão-de-obra ainda permanecem.

Já o o objetivo da manutenção preditiva é otimizar o equilíbrio entre manutenção corretiva e preventiva, permitindo a substituição pontual dos componentes. Essa abordagem somente substitui esses componentes quando eles estão próximos de uma falha. Ao estender a vida útil dos componentes (em comparação com a manutenção preventiva) e reduzir os custos não programados de manutenção e mão-de-obra (comparado com a manutenção corretiva), as empresas podem obter economia de custos e vantagens competitivas.

A manutenção preditiva depende de testes e monitoramento de equipamentos durante a operação – também chamados de monitoramento de condições do ativo – para fornecer dados sobre o desempenho atual da máquina, a fim de prever problemas e evitar falhas com o monitoramento e análise em tempo real executado em uma plataforma única de gestão de ativos, como a OKTO.

Como criar um programa de manutenção preditiva

Adicionar um programa de manutenção preditiva às atividades de uma organização não é tão fácil quanto parece. Vamos avaliar as etapas necessárias para uma transição bem-sucedida.

1. Estabelecer uma estratégia

Migrar para manutenção preditiva é um processo, não um evento. Envolve alterações de hardware, alterações de software e, acima de tudo, alterações na cultura de fabricação e de manutenção. O sucesso começa com o planejamento estratégico.

Especialmente em ambientes complexos de manufatura, tentar implantar a manutenção preditiva em todos os ativos simultaneamente é um caminho rápido para a fracasso, geralmente com entrega de dados provenientes de diversas fontes, mais do que a equipe está pronta para transformar em inteligência.

A melhor abordagem é começar pequeno, com um programa piloto focado. Escolha um único problema para resolver. Seja paciente – o objetivo é estabelecer um processo robusto e registrar um sucesso.

2. Escolha o ativo certo para testar

Fazer uma transição suave para a manutenção preditiva depende do sucesso do programa piloto. Isso começa com a escolha do ativo certo a ser monitorado. Existem várias classes básicas que se prestam à manutenção preditiva e a resultados rápidos, como ativos com histórico de falhas, criticidade, entre outros parâmetros.

3. Desenvolva um programa piloto de manutenção preditiva para provar o sucesso

A manutenção preditiva utiliza uma variedade de tecnologias para monitorar a condição do ativo. É importante corresponder o prazo às necessidades do aplicativo. Alguns métodos permitem detectar problemas antes da falha do equipamento, mas você deve considerar a quantidade de aviso prévio necessário para agir.

4. Defina um procedimento de resposta

O próximo passo de um plano de manutenção preditiva é estabelecer um procedimento para responder a anomalias. Se o plano se basear no monitoramento contínuo das condições on-line, o procedimento é tão simples quanto aguardar instruções do técnico. Com base em suas análises, ele provavelmente indicará uma das três direções:

  • Desligar imediatamente.
  • Executar por um tempo limitado, se necessário, para atingir a meta de produção.
  • Executar indefinidamente e continuar monitorando até o tempo de inatividade programado regularmente. Nesse caso, os parâmetros devem ser definidos em relação a qualquer comportamento que exija o desligamento imediato da máquina.

5. Crie uma estratégia de análise de dados

Antes de escalar para vários ativos, uma estratégia de análise de dados deve ser estabelecida. Isso é particularmente importante para o monitoramento on-line contínuo. Os volumes de dados são grandes o suficiente para consumir quantidades significativas de espaço de armazenamento e largura de banda, além de todo a expertise para os coletar e analisar.

E como o core da sua empresa provavelmente não é o desenvolvimento de tecnologia, a melhor estratégia é contar com a parceria de uma empresa capaz de não só entregar as soluções necessárias para a implantar a manutenção preditiva, como a OKTO, como também contribuir para o sucesso da estratégia.

6. Escale a manutenção preditiva para mais ativos

Depois de provar o sucesso do programa piloto e identificar os recursos necessários para monitorar os dados, retorne à lista de ativos identificados como candidatos ao programa piloto. Isso pode incluir ativos críticos, problemáticos, difíceis de obter ou difíceis de substituir, bem como ativos em locais remotos e aqueles com histórico de falhas. Embora seja ideal desenvolver programas de manutenção preditiva para todos os ativos acima, considere o custo do tempo de inatividade e o potencial retorno do investimento para cada ativo e priorize a partir daí.

CategoriesImprensa Corporativa – Gestão de Ativos

Saiba como inteligência artificial está otimizando a gestão de ativos

Por Fábio Vieira, responsável pelos produtos de Gestão de Ativos da Atech

Otimizar a gestão de ativos, baseando ações em dados precisos, é fundamental para gerar confiabilidade e impactar o mínimo possível a produção ou o desempenho do equipamento. O grande desafio está em transformar esses dados, coletados em tempo real por sensores, em inteligência e tomadas de decisão mais assertivas.

O futuro está na implantação de sistemas de inteligência artificial, que levam a gestão de ativos a um novo patamar, gerenciando a manutenção com base nas condições e propondo ações para evitar possíveis falhas.

Sistemas de inteligência artificial embarcados em soluções de gestão de ativos são capazes de cruzar os dados enviados em tempo pelos sensores dos equipamentos com dados provenientes de outras áreas da empresa e avaliar, além de padrões e tendências, o custo de uma possível falha na produção e qual a melhor solução para manter a rentabilidade da empresa.

Corretiva, preventiva ou preditiva?

Na gestão de ativos, atualmente vemos que as ações de manutenção são divididas em três modelos: corretiva, preventiva e preditiva. Qual será o melhor? Ou será que já podemos antever um novo modelo, ainda mais eficiente?

A primeira – corretiva – é aquela em que os reparos são feitos quando um ativo quebra ou apresenta defeito. Na maioria dos casos, pelo menos um processo é interrompido, provocando atrasos na linha de produção. Além do custo da parada, temos o custo direto do reparo e das peças a serem substituídas, que podem nem estar disponíveis no estoque.

Já a preventiva, definida pelo Manual do fabricante e pela equipe de manutenção,  propõe um cronograma de ações de forma antecipada, como troca de óleo, limpeza das máquinas, entre outras, destinadas a aumentar a vida útil do equipamento e evitar falhas que, na maioria dos casos, são originadas por desgastes naturais e vida útil.

E na manutenção preditiva começamos a usar dados coletados por meio de sensores e tecnologias de IoT (Internet of Things) e por meio de inspeções em cada máquina, avaliando periodicamente o seu desempenho, disponibilidade e confiabilidade. O objetivo é antecipar eventuais problemas e programar intervenções para evitar paradas inesperadas.

O futuro está na manutenção prescritiva

Cada vez teremos mais sensores enviando, em tempo real, dados sobre o desempenho dos equipamentos, que passam a ser “máquinas inteligentes”. Mas como levar essa inteligência para a gestão de ativos? Com o uso de sistemas ainda mais inovadores com Inteligência Artificial (IA).

Sistemas de IA aprendem com base na experiência e, assim, continuamente levantam e cruzam dados que são transformados em insights sobre possíveis falhas. E o próprio sistema de gestão de ativos oferece sugestões de atuação, com ações pontuais baseadas nas possibilidades, para evitar que as falhas ocorram ou na rápida atuação e reparo das mesmas.

Assim, conforme mais equipamentos tiverem sensores embarcados, as fábricas poderão agregar dados históricos de desempenho em toda a cadeia produtiva, permitindo que as máquinas aprendam e identifiquem padrões em seu próprio desempenho para prever e evitar falhas. É esperar para ver. E investir em inovadores tecnologias, claro.

Então, qual é o melhor modelo de manutenção? Na verdade, todos convivem no dia a dia da Indústria 4.0. Claro que a corretiva deve ser a última opção, desde que esteja mapeada e com plano rápido de restabelecimento da condição funcional. Mas é importante manter eficientes ações preventivas, que vão ampliar o ciclo de vida do equipamento; ações preditivas, que vão indicar a possibilidade de uma falha, e começar a implantar sistemas com inteligência artificial para adotar o modelo de manutenção prescritiva na gestão de ativos, que já entrega a solução para um problema que ainda poderá ocorrer.

Proudly powered by Wpopal.com