PONTIFÍCIA UNIVERSIDADE CATÓLICA DE MINAS GERAIS

Pós - Graduação

Aluno: Matheus Eustáquio Limonge Sant’ana

Disciplina: Manutenção de Sistemas Eletrônicos

Prof.: Diego Barbosa Pratis Santos

Data da entrega: 27 de agosto de 2021

O artigo “Machine learning and reasoning for predictive

maintenance in Industry 4.0: Current status and challenges”, de autoria de
Jovani Dalzochioa, Rafael Kunsta,∗, Edison Pignatonb, Alecio Binottoc, Srijnan
Sanyalc, Jose Favillad e Jorge Barbosa, retrata a respeito da industria 4.0 e o
modo como esta indústria inseriu mudanças na industria de automação.

A Internet das Coisas (IOT) e a Cyberphysical System (CPS),

introduzem a automação cognitiva, inserindo o conceito de uma produção
inteligente, que esta diretamente ligada a produtos e serviços inteligentes.

O estudo feito no presente artigo evidencia que muitas

empresas não possuem a preparação necessária para lidar com este novo
cenário, em que nem sempre algo que possui grande quatidade, colabora para
um aumento na produtividade.

Ressata-se que a aplicação deste conceito é a utilização de

dados analíticos para desenhar um Sistema de Suporte e Decisão (DSS), este
que pode providenciar uma tomada de decisão mais eficiente e
consequentemente uma reconstrução mais rápida no caso de falha.
 Nesta industria 4.0, de origem no Sistema de Suporte de
Design (DSS), utiliza-se de uma grande quantidade de dados em formato PdM,
em que o sistema CPS pode providenciar uma precaução e manutenção própia
inteligentemente. Essa abordagem facilita a industria a visualizar uma
degradação da performasse do produto, melhorando e otimizando o que o
produto precisa.

Os beneficios do PdM incluem melhor produtividade, redução

de falhas no sistema, minimização da queda não planejada do sistema,
aumento da eficiencia na utilização de finanças e recursos humanos e aumenta
os planos de manutenção e intervenção.

O artigo também aponta outro importante aspecto a respeito do

uso de inteligencia artificial, como a obtenção de dados de treinamento, a
dinamica do ambiente operacional, selecionar o algoritimo ML que melhor se
encaixa em certo cenário, e a necessidade de saber a informação do contexto,
como por exemplo, as condições operacionais e o ambiente de produção. No
presente estudo, discute-se os aspectos dos negócios e relaciona os desafios
para a implementação do PdM no cenário de industrias 4.0.

Os autores evidenciam que na última revolução industrial,

focou na melhora da manufaturação dos processos físicos, expandindo o poder
humano, adicionando recursos, como por exemplo o maquinário. Estabilizando
o processo com uma produção em massa por meio de uma indução de linhas
de montagem, introduzindo eletrônicos e automatização.

A Industria 4.0 foca na criação de uma representação digital,

como por exemplo, equipamentos de produção podem apresentar sinais
prévios de que algo esta errado, ou que algo possa quebrar rapidamente.
Esses sinais podem ser detectados por modelos predicativos que indicam as
condições que uma operação esta ocorrendo.

Outro ponto a ser discutido no presente artigo é a redução do

ciclo de vida do projeto de determinado produto, na criação de um modelo
temporal digital que integra a chave do processo para operacionar, manter e
contruir o equipamento.

A aplicação do PdM esta diretamente ligada a respeito de

quanto crítico o equipamento está em sua operação. É utilizado em alguns
casos, pelas empresas, o uso de modelos preditivos, estes que oferecem uma
indicação precoce de quando surge uma anomalia potencial.

Ressalta-se que no presente artigo, os autores evidencias que

estes modelos preditivos são guiados por dados que utilizam de fluxos de
dados fornecidos por diversas fontes em tempo real e off-line. Estes dados
acima mencionados originam de Sistemas Computadorizados de
Gerenciamento de Manutenção (CMMS) e estes dados que estão ligados as
falhas são imprescindíveis para construir e testar os modelos preditivos.

Neste contexto de Indústria 4.0, a Cyberphysical System,

podem comunicar entre si, produzindo um processo ponta a ponta de forma
autônoma. No artigo, evidenciou-se por meio de uma figura ilustrativa que a
manutenção cognitiva é um Cyberphysical System, que associa um modelo
preditivo com um sistema cognitivo, na qual pode indicar a gravidade da
anomalia e consequentemente suas respectivas causas.

O presente artigo leva a uma reflexão de como a Indústria 4.0

revoluciona a maneira como se visualiza o funcionamento das máquinas e
como se utiliza a manutenção preditiva em um cenário de mudanças como esta
Indístria 4.0, envolvendo também as tecnologias presentes neste contexto.

Importante destacar também a utilização de Modelos ML

inseridos na PdM na qual percebeu-se que há um número significativo modelos
diversos sendo indicados e aplicados neste ramo, contudo, é possível concluir
que estes resultados da revisão sistemática da literatura, revelaram que
mesmo utilizando de um algoritmo, este não é eficiente no sentido de ser apto
a resolver os problemas presentes nas empresas.
 Ao longo da leitura do artigo, é possível concluir que o
processo de manutenção se apressenta em etapas, como por exemplo a coleta
de dados, com o objetivo de mensurar potenciais anomalias, apresentar
diagnóstico e isolamento de falhas e a estimativa da vida útil remanescente.