Manutenção Prescritiva

Manutenção Prescritiva

Não se limite a prever problemas – prescreva uma

solução. Essa é a premissa por trás da manutenção
prescritiva, que, como conceito, anda de mãos dadas com
a análise prescritiva.
Primeiro, para diferenciar melhor as palavras prescritivo e preditivo, a palavra "prescritivo"
aqui será usada de forma intercambiável com "Rx" – Reliability Excellence.
A Manutenção Rx (RxM) é única em que, em vez de apenas prever falha iminente, como a
manutenção preditiva (PdM) faz ela se esforça para produzir recomendações focadas em
resultados para operações e manutenção a partir da análise Rx.
Embora o RxM ainda esteja em sua infância, muitos líderes de pensamento estão
considerando seu potencial para se tornar o próximo nível de confiabilidade e práticas
recomendadas de manutenção.
Analistas definem estratégias de Rx
Uma das primeiras vozes sobre a manutenção prescritiva foi Dan Miklovic, analista
principal da LNS Research.
Não será mais necessário um grupo de especialistas para
dizer como e quando manter os ativos, pois os próprios
ativos dirão o que precisam se não puderem se consertar.
 Melhores e mais dados, juntamente com ferramentas de
Big Data que podem interpretar coisas como o conteúdo
dos manuais de reparo, são as chaves para desbloquear o
conceito de RxM.
A RxM começa com análises prescritivas, que não apenas informam que um problema
provavelmente surgirá, mas também fornece vários cenários de resposta para escolher.
Por exemplo: no caso de um equipamento que está apresentando aumento da temperatura
do rolamento – a análise preditiva analisa o perfil de temperatura e diz que é provável que
falhe em X quantidade de tempo.
Por outro lado, a análise prescritiva informa que, se a velocidade do equipamento for
reduzida em Y%, o tempo até a falha pode ser duplicado, mantido dentro da janela de
manutenção programada, e estimando se a produção planejada ainda podem ser atendida.
 A manutenção prescritiva adiciona a capacidade de
aconselhar o técnico sobre o que fazer e como fazer o
reparo, aproveitando a inteligência artificial (IA) e o
aprendizado de máquina.
Os algoritmos matemáticos são mais detalhados e há
alguma inteligência adicionada para dar ao técnico
alguma direção.
Motivadores comuns de abordagens prescritivas
Vários impulsionadores de negócios importantes estão estimulando o interesse em
estratégias de Rx e impulsionando o desenvolvimento de soluções:
a. Automação: à medida que mais automação é usada na fabricação, a velocidade de
resposta necessária para lidar com problemas de manutenção vai ficar mais rápida;
b. Economia: as decisões sobre qual é a melhor opção do ponto de vista econômico estão
ficando mais complexas. “Não é suficiente saber o que pode falhar ou quando pode falhar, é
necessário ter informações suficientes para entender as opções de manutenção, bem como
as implicações financeiras de cada opção”.
c. Mudanças na força de trabalho: os trabalhadores mais velhos estão se aposentando, e os
trabalhadores mais novos e mais jovens esperam ferramentas inteligentes e de assistência
para ajudá-los a fazer seu trabalho.
d. Condições operacionais: os ativos não apenas falham por seus próprios meios, mas
também pela maneira como são operados – por exemplo, um fabricante de bomba
recomendará condições específicas de projeto operacional, como pressão de descarga e
temperatura, mas há muita variabilidade nas condições operacionais do processo e também
na composição dos fluidos. A análise prescritiva pode considerar essas condições e fazer
recomendações de acordo.
e. Desempenho de ativos: níveis mais altos de sofisticação são necessários para a forma
como os dados de ativos e processos são organizados.
Os históricos das plantas tradicionais e as ferramentas
de análise não têm sido adequadas para garantir o
desempenho dos ativos.
As plataformas IIoT e analíticas são únicas em sua
capacidade de ingerir anos de dados operacionais e
grandes quantidades de dados não convencionais
espalhados por diferentes sistemas de registro.
Os primeiros usuários estão avaliando o valor
O fornecedor de serviços de manutenção e OEM de elevadores Thyssenkrupp Elevator foca
em estratégias de manutenção de ponta.
A manutenção prescritiva tem permitido que a Thyssenkrupp Elevator se concentre em
atender aos elevadores das maneiras mais eficientes possíveis para aumentar o tempo de
atividade.
O aprendizado de máquina permite o uso de dados da vasta rede de elevadores da empresa
para identificar melhor as tarefas de serviço mais críticas para manter um elevador seguro
e confiável.
A Thyssenkrupp Elevator tem uma equipe de cientistas
de dados e especialistas em domínio trabalhando em
uníssono para desenvolver modelos preditivos
Esses modelos informam o programa de serviço e juntos
com a rede de técnicos, são responsáveis ​por manter o
tempo de funcionamento dos elevadores dos clientes.
O modelo preditivo da empresa continua a evoluir graças
ao aprendizado de máquina, e já pode prever com cinco
dias de antecedência quando um elevador será desligado
por causa de um problema na porta.
A especialista em tecnologia de IA, SparkCognition, está desenvolvendo um sistema de
análise prescriptiva para a operação e manutenção de turbinas eólicas.
Por causa das margens estreitas que a indústria eólica enfrenta hoje, as turbinas devem
estar funcionando na capacidade máxima para obter um retorno total, e qualquer
quantidade de tempo de inatividade reduz significativamente os lucros.
 Não há barreira para o prescritivo do ponto de vista da
tecnologia. A próxima etapa é realmente entender como a
tecnologia seria incorporada aos produtos e projetada de
uma forma que possa ser aplicada pelos usuários finais e
fornecer ROI.
Aplicações na Robótica
Fabricantes de robôs inauguraram há cerca de 5 anos vários serviços de manutenção
seguindo os conceitos de manutenção prescritiva. Dentre as prestações estão:
a. Monitoramento de condições e diagnóstico;
b. Gerenciamento de backup;
c. Acesso remoto;
d. Gerenciamento de frotas;
e. Otimização de ativos;
Monitoramento de Condições – serviço de monitoramento e diagnóstico 24 x 7, que garante um tempo de
reação mais rápido, maior eficiência e melhor preparação do técnico de serviço para chamadas no local e suporte
técnico. Em última análise, isso ajuda a manter os sistemas de robôs funcionando com desempenho ideal.
Características
a. Monitoramento de condição e análise de tendência para unidades mecânicas e medições de controladores;
b. Notificações imediatas de alarmes críticos;
Benefícios
a. Tempo de reação mais rápido;
b. Maior eficiência e melhor preparação do serviço para chamadas e suporte técnico no local;
c. Notificação rápida e suporte proativo em caso de problemas;
d. Informações e estatísticas;
e. Identificação das falhas mais frequentes
Gerenciamento de backups – se a programação do robô é perdida ou danificada o gerenciamento de backup
garante que sempre haja um backup completo do programa do robô disponível. Os backups automáticos podem
ser agendados a qualquer momento e podem ser armazenados na nuvem ou em qualquer servidor.
Gerenciamento de frotas – a avaliação de frota compara os robôs com toda a população de robôs conectados
no serviço permitindo identificar os que mais trabalham frota e priorizando necessidades de serviço. A avaliação
de frota limita o risco de falhas críticas em caixas de engrenagens e motores, estendendo efetivamente a vida útil
dos robô.
Características:
a. Relatório de avaliação de frota automatizado com base na frota de robôs do cliente ou em toda a população de
robôs conectados;
Benefícios
a. Limita o risco de falhas críticas em caixas de engrenagens e motores;
b. Vida útil estendida do equipamento;
c. Identificação de robôs para outras atividades de serviço;
Otimização de ativos – para exigências de mais alto nível de desempenho, a otimização de ativos pode ajudar
a identificar robôs, componentes e software que não estão funcionando em níveis ideais e fornecer recomendações
proativas regulares sobre como evitar eventos que possam causar tempo de inatividade, bem como melhorar o
desempenho.
Otimização de ativos inclui análise periódica da saúde geral e desempenho de um robô. Isso pode levar a até 25%
menos incidentes, tempo de resposta e resolução de problemas 60% mais rápidos.
Condition Based Monitoring ( iCBM )

??
Online Condition Monitoring
of Assets can be summarized
by ..
SQL Server Google Cloud Plat. Cloud Analytics Dashboard
.. the use of BIG DATA
analysis in order to “escape”
▪ Shop-view from failure probabilities.
▪ Asset view
▪ Risk of failure
▪ Alert list
▪ Trend charts
Ethernet Swtich PLC SMS/eMail DEMAIN

aOEE
Robots Drivers Field Sensors Daily Management
GROB-WERKE Machining Center – ON-LINE CONDITION MONITORING
Motor Spindle & Ball-Screw X, Y and Z
GROB4Track Condition Monitoring

Electric Motors & Loads

SKF Online Motor Analysis System –
NetEP
Electric Signature Analysis (off-line)

Isolated Bearings
Mitsubishi Electric Smart Condition
Monitoring

Hydraulic Oil
HYDAC Fluid Monitoring Module
HYDAC Contamintaion Sensor
HYDAC Acqua Sensor
Em grupo:
1. Contextualizar as cinco opções de estratégias de manutenção oferecidas pelo RCM, onde e quando utilizá-las.
2. Em uma situação onde a estratégia de Manutenção Preventiva seja excessivamente custosa, que alternativas
poderiam ser adotas, e quais os elementos essenciais deveriam constar desta opção?
3. A rentabilidade de um programa de PM deve ser justificada com base no MTBF geral da planta? Como você
justificaria de maneira á tornar visível a performance operacional do seu plano de PM?
4. Qual sua compreensão sobre o fluxo de caixa típico de um investimento em Manutenção Preditiva? Onde estão
os ganhos potenciais? A estratégia é vender um programa com ganhos desde o primeiro minuto? Como você
justificaria o investimento?
5.Embora embrionária, como você enxerga a contribuição da Manutenção Prescritiva nos processos de
manutenção?
luishenriquepinto.73@gmail.com