Escolar Documentos
Profissional Documentos
Cultura Documentos
INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria
Santárem
2023
2
INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria
Santarém
2023
2
INDUSTRIA 4.0
A eficácia da manutenção preditiva na indústria
_________________________________________________
RESUMO
1 INTRODUÇÃO.................................................................................................6
1.1 Justificativa........................................................................................................7
1.3 Objetivo geral....................................................................................................7
1.4 Objetivo específico...........................................................................................7
1.5 Problematização...............................................................................................8
3. INDÚSTRIA 4.0...................................................................................................8
3.1 Breve resumo da indústria 4.0.........................................................................8
3.2 Evolução da Manutenção Industrial................................................................10
3.3 Manutenção preditiva.....................................................................................11
4. COLETA DE DADOS.......................................................................................12
4.1 Problematização.............................................................................................12
4.2 Limites financeiros e organizacionais.............................................................13
4.3 Limites na Implantação de Modelos de Manutenção Preditiva Industrial......13
5. FLUXO DE TRABALHO DE MANUTENÇÃO PREDITIVA.............................14
5. CONCLUSÃO...................................................................................................20
6. REFERÊNCIAS................................................................................................21
1 INTRODUÇÃO
6
Nos demais tópicos, será apresentado os desafios enfrentados ao aplicar
esta manutenção inteligente enquanto revela seu fluxo de trabalho, buscando o foco
nos modelos utilizados na aplicação da Manutenção Preditiva 4.0.
1.1 Justificativa
Como resultado do crescente aumento da competitividade, há um maior
enfoque nas áreas estratégicas da produção, como a manutenção. Essa, precisa
estar voltada para os resultados empresariais da organização, seu objetivo não pode
ser simplesmente reparar o equipamento ou instalação, mas sim manter sua função
disponível para operação, reduzindo ao máximo a probabilidade de uma parada de
produção não planejada (KARDEC e NASCIF, 2009).
Infelizmente, a manutenção na maioria das empresas, principalmente nas
pequenas, ainda não segue essa lógica, o que acontece é que ela simplesmente
tem o papel de resolver de imediatismo, ou seja, apenas reparar o que quebrou,
sem a preocupação de realmente se fazer ajustes e análises periódicas, que
contribuiriam para constante otimização do maquinário.
Desta maneira, este trabalho pode auxiliar de como pode ser visualizada uma
manutenção preditiva na indústria 4.0.
7
1.5 Problematização
3. INDÚSTRIA 4.0
10
Figura 3 - Evolução das atividades e métodos de manutenção
4. COLETA DE DADOS
4.1 Problematização
Pereira (2009), relata que geralmente, existem três etapas desafiadoras após
o desenvolvimento de modelos inteligentes de previsão de falhas: sua integração,
monitoramento e atualização. A integração de modelos na indústria é um desafio,
pois muitas vezes essa tarefa é realizada por uma equipe de tecnologia da
informação (TI) que geralmente está dissociada da equipe de pesquisadores e
desenvolvedores que desenvolveram os modelos de manutenção preditiva.
Construir tal infraestrutura de TI para manter os pipelines de dados pode ser
trabalhoso e geralmente não é levado em consideração no planejamento do
13
projeto. Já a etapa de monitoramento consiste em garantir que o modelo esteja
atualizado. Para fazer isso, um loop de feedback é adicionado ao modelo para que
os novos dados recebidos sejam entradas de aprendizado. Esse retreinamento
contínuo dos modelos de previsão tem a desvantagem de enfraquecer a
confiabilidade dos resultados. De fato, nem a integridade nem a relevância dos
dados são verificadas na produção, o que permite a introdução de outliers e, assim,
distorce as previsões no longo prazo. Finalmente, quanto à atualização dos
modelos, é necessário evitar o fenômeno de deriva conceitual que afeta os modelos
de aprendizado de máquina. Para atualizar os modelos de previsão, a empresa deve
modificar o código, o modelo e os dados ao mesmo tempo.
Comparado às atualizações de software empresarial tradicionais, esse ciclo
de melhoria dos modelos de manutenção preditiva é muito mais complexo.
Para atualizar os modelos de previsão, a empresa deve modificar o código, o
modelo e os dados ao mesmo tempo. Comparado às atualizações de software
empresarial tradicionais, esse ciclo de melhoria dos modelos de manutenção
preditiva é muito mais complexo.
14
Figura 5 - Fluxo de trabalho da manutenção preditiva
1)
2) Coleta
Entendend
de dados,
oa
compreens
necessidad
ão e
e do
preparação
projeto
3)
5) Tomade
Modelagem
de decisão
dos dados
4) Avaliação
e
implantação
15
de falhas que podemos enfrentar.
16
respondida). Também precisamos garantir que haja um bom equilíbrio entre
desempenho e generalização, o que significa que o modelo criado não deve ser
tendencioso; deve ser um modelo generalizado.
Etapa 4.2—Implantação do modelo: O modelo avaliado é finalmente
implantado no formato e canal necessários. Esta é a última etapa do ciclo de vida da
manutenção preditiva relacionada aos dados. Cada estágio do ciclo de vida
explicado abaixo deve ser cuidadosamente considerado. Se uma etapa não for bem
executada, afetará a próxima etapa e todo o esforço será desperdiçado. Por
exemplo, se os dados não forem coletados adequadamente, as informações serão
perdidas e um modelo representativo não poderá ser criado. Se os dados não forem
devidamente limpos, o modelo não funcionará corretamente. Se o modelo não for
avaliado corretamente, ele falhará em fornecer uma saída perfeita no mundo
real. Desde a compreensão do projeto até a implantação do modelo, atenção, tempo
e energia adequados devem ser dados a cada etapa.
17
5.1 Exemplo de uma manutenção preditiva em um compressor centrífugo
Nesta seção, um estudo de caso prático baseado em uma abordagem PdM é
apresentado para estimar a vida restante de um compressor centrífugo. Os
compressores são usados em toda a indústria para fornecer ar para oficinas ou
instrumentos, ferramentas pneumáticas, pulverizadores de tinta e equipamentos de
jateamento, defasagem de refrigerantes para ar condicionado e refrigeração,
propulsão de gás em tubulações, etc. Portanto, eles desempenham um papel
fundamental na linha de produção. Isso requer um estudo sobre a vida útil restante
desses equipamentos para prever falhas futuras e evitá-las ao aplicar métodos de
aprendizado de máquina. A figura 6 representa os componentes da abordagem para
uma manutenção preditiva em um compressor.
18
diagnosticar e prever a evolução futura de falhas. Ali implementou um sistema de
redundância com dois compressores adicionais que são usados quando o
compressor principal falha ou está em manutenção programada.
De um ponto de vista geral, o objetivo é minimizar o número de interrupções
possíveis, daí o sistema de redundância, no qual uma planta investirá com prazer,
em vez de um sistema preditivo não comprovado. No entanto, a aplicação da
manutenção preditiva pode ser uma grande vantagem para a planta, devido aos
diversos benefícios que ela traz.
6. CONCLUSÃO
Este artigo explorou uma revisão da literatura sobre métodos e ferramentas
em manutenção industrial inteligente e prognóstica, abrangendo os principais artigos
sobre manutenção preditiva inteligente. Como resultado, foi possível identificar cada
abordagem proposta como abordando equipamentos específicos de forma que fica
mais difícil compará-la com outras técnicas. Além disso, é possível perceber que a
própria manutenção inteligente surgiu como uma nova ferramenta para o tratamento
dos eventos de manutenção. De fato, após o avanço da Indústria 4.0, a Manutenção
4.0 está se tornando cada vez mais viável e promissora. A prioridade da adoção da
manutenção preditiva inteligente nas rotinas de manutenção dos setores fabris é
reconhecida pelas empresas industriais.
Em termos de desafios e direções futuras, há várias etapas a serem
consideradas na verificação desse novo desenvolvimento. Geralmente, um projeto
de manutenção preditiva inteligente depende das seguintes atividades: modelagem,
simulação e validação experimental, instrumentação do sistema a ser estudado,
criação de um banco de dados de falhas, processamento e limpeza de dados,
análise dos principais modos de falha, suporte à decisão, antecipação de ataques
cibernéticos e apresentação dos resultados do projeto na forma de HMI (interface
homem-máquina). O trabalho de pesquisa futuro pode levar em consideração essas
etapas em diferentes tipos de equipamentos industriais e validar a tomada de
decisões inteligentes para o planejamento da manutenção industrial.
19
20
6. REFERÊNCIAS
4 exemplos práticos da adoção da Indústria 4.0 nas fábricas. Disponível em:
<https://www.tecnicon.com.br/blog/476-
4_exemplos_praticos_da_adocao_da_Industria_4_0_nas_fabricas>. Acesso em 21
mar. 2023
21