Nos últimos anos, a aplicação do monitoramento de condições e da manutenção preditiva tem crescido significativamente, devido às crescentes demandas por disponibilidade das máquinas e eficiência geral. Desenvolvimentos tecnológicos como big data, algoritmos inteligentes, nuvem e tecnologia sem fio chegam ao mercado, ampliando as possibilidades de análise automatizada e criando oportunidades para reformular o processo de monitoramento e análise.
A nuvem industrial
A manutenção baseada em condições (CBM), ou manutenção preditiva, é fundamental para os sistemas baseados em nuvem. Esses sistemas oferecem análise e interpretação de dados com base em modelos/algoritmos definidos para máquinas e processos específicos. Desvios detectados pelo sistema levarão a recomendações de manutenção. Tais sistemas permitem que as empresas passem da manutenção reativa para a manutenção proativa. A manutenção pode ser realizada antes que falhas reais ocorram.
Manutenção preditiva
É importante compreender que a manutenção preditiva ou CBM não dependem de sistemas baseados em nuvem. Muitas empresas que oferecem essas soluções comercializam a manutenção preditiva como um conceito novo. Esse não é o caso; os sistemas existentes de monitoramento de condições (vibração) estão presentes no mercado industrial há décadas. Estratégias de manutenção preditiva têm sido aplicáveis desde o uso de sistemas (online) de monitoramento de condições. Os dados que esses sistemas fornecem estão disponíveis para monitorar o comportamento das vibrações, identificar tendências de vibração e podem ser utilizados para a manutenção preditiva. Além disso, os sistemas que oferecem suporte à análise automatizada não são necessariamente baseados na nuvem.
Por que usar a análise automatizada?
As empresas enfrentam um grau de especialização em forte declínio. Isso se deve, em grande parte, à aposentadoria de especialistas e à escassez de jovens especialistas ou de pessoas com formação relevante. Essa falta de especialização pode ser resolvida com a implementação de um sistema que permita a análise automatizada, no qual o conhecimento especializado é basicamente transferido para o sistema. Esse sistema utiliza modelos/algoritmos para analisar e interpretar dados de vibração, resultando em determinadas recomendações de manutenção.
Ao automatizar a análise e as interpretações de vibração em máquinas rotativas, é necessária uma quantidade menor de engenheiros locais para realizar esse trabalho. Para empresas que enfrentam dificuldades com um número cada vez menor de especialistas competentes em vibração, a migração para um sistema automatizado pode ser inevitável.
Conhecimento especializado sob demanda
Em nossa opinião, a principal oportunidade desses desenvolvimentos é melhorar a eficiência e a eficácia do monitoramento de condições. O uso do processamento automatizado de dados para fornecer uma análise de primeira linha, sem a necessidade de especialistas locais, pode ser um divisor de águas. Sensores sem fio e sistemas de monitoramento conectados podem reduzir o impacto na infraestrutura e os investimentos iniciais em sistemas de monitoramento. Dados compartilhados podem aprimorar os algoritmos para análise automatizada e oferecem oportunidades para suporte remoto. Essas tecnologias aumentam a eficácia geral e o valor dos sistemas e estruturas de monitoramento de condições, além de transformar os modelos de serviço em expertise sob demanda.
Considerações
Apesar das oportunidades oferecidas por essas novas tecnologias, é preciso fazer as considerações corretas.
“À medida que a análise e a tomada de decisões forem transferidas para sistemas automatizados e especialistas remotos, os engenheiros locais se envolverão menos com as máquinas.”
1. Validação de dados
A entrada de dados é fundamental para qualquer análise automatizada ou remota, uma vez que estas dependem exclusivamente das informações fornecidas por essas entradas. Portanto, a entrada de dados deve ser validada, incluindo:
- Seleção do sensor adequado para a aplicação
- Calibração de sensores
- Relação sinal-ruído
Além disso, a precisão dos dados deve ser verificada. Os dados apresentados precisam ser relevantes e precisos para se chegar a uma estrutura funcional de manutenção preditiva. Dados de baixa precisão não podem ser utilizados para monitoramento. Tendo em vista a precisão dos dados, é muito difícil lidar com influências ambientais (excepcionais), como mudanças no ambiente, condições excepcionais do processo ou erro humano. Por exemplo, vibração causada por outra máquina (vibração cruzada) poderia fazer com que o sistema automatizado gerasse um alarme falso.
2. Logística e manutenção
Para coletar dados relevantes, a medição e o fluxo de dados devem ser garantidos. Manutenção e logística adequadas devem estar em vigor e incluir:
- Prevenção de conexões cruzadas de sensores
- Prevenção de posicionamento/localização incorreta de sensores
- Intervalo relevante de coleta de dados
- Disponibilidade de sensores de reposição
- Gerenciamento da bateria do sensor e estratégia de substituição
- Conexões de rede estáveis, seguras e confiáveis
3. Especialização local
À medida que a análise e a tomada de decisões são transferidas para sistemas automatizados e especialistas remotos, os engenheiros locais se envolverão menos com as máquinas. Como resultado, surge uma dependência crescente de especialistas externos para análise e suporte.
4. Segurança e privacidade
Ao conectar sensores e equipamentos de monitoramento à internet, a segurança cibernética se torna um risco e novas diretrizes relativas ao armazenamento e ao tratamento de dados, como a ISO 27001, passam a ser aplicáveis. As vulnerabilidades e as regulamentações aumentam a complexidade da implementação de um sistema conectado.
