MINISTÉRIO DA EDUCAÇÃO

UNIVERSIDADE FEDERAL DE GOIÁS

ESCOLA DE ENGENHARIA ELÉTRICA, MECÂNICA E COMPUTAÇÃO

Ana Carolina de Oliveira

RELATÓRIO DE ESTÁGIO CURRICULAR OBRIGATÓRIO SUPERVISIONADO

Goiânia
2022

1
 Ana Carolina de Oliveira

RELATÓRIO DE ESTÁGIO CURRICULAR OBRIGATÓRIO SUPERVISIONADO

Relatório do Estágio Supervisionado

apresentado à Escola de Engenharia
Elétrica, Mecânica e de Computação da
Universidade Federal de Goiás, como
requisito parcial para a integralização do
curso em Engenharia Elétrica.

Orientador: Prof. Marcelo Stehling de Castro

Supervisor: Eng. Lucas Posse e Souza

Goiânia
2022

2
 RELATÓRIO DE ESTÁGIO SUPERVISIONADO

Aluno: Ana Carolina de Oliveira

Matrícula: 201800232

Unidade Concedente do Estágio/Empresa: Ambev S/A

Total de Horas: 300 horas

Orientador: Prof. Marcelo Stehling de Castro

Supervisor: Engenheiro Lucas Posse e Souza

Goiânia, 03 de maio de 2022.

3
4
 RESUMO

O estágio curricular é parte importante da formação da formação profissional e

social de qualquer estudante de graduação, durante esse período o aluno pode
finalmente testar e aperfeiçoar através da prática os conhecimentos aprendidos em sala
de aula.
Este relatório apresenta um compilado das atividades desenvolvidas pela aluna
Ana Carolina de Oliveira junto a Ambev S/A, durante o estágio curricular obrigatório,
no período de 23 de fevereiro de 2022 a 03 de maio de 2022, totalizando trezentas
horas, sob a orientação do professor Marcelo Stehling de Castro e do engenheiro
mecânico Lucas Posse e Souza.
Durante o período foram desenvolvidas atividades no sentido de estudar a
automatização de processos, análise de dados e criação de dashboards, participação em
projetos que visam aumentar a confiabilidade dos equipamentos.

5
 SUMÁRIO

1. DADOS DE IDENTIFICAÇÃO..................................................................................7

1.1 Dados Pessoais........................................................................................................7

1.2 Dados do Estágio....................................................................................................7

2. INTRODUÇÃO............................................................................................................8

3. ASSOCIAÇÃO BRASILEIRA DOS CONSUMIDORES DE ENERGIA

ELÉTRICA........................................................................................................................8

4. Atividades Desenvolvidas...........................................................................................9

4.1 Primeiros Passos.....................................................................................................9

4.2 Análise do Perfil de Consumo................................................................................9

4.3.1 – Prospecção de dados para cálculo...................................................................10

5. CONCLUSÃO............................................................................................................18

6. REFERÊNCIAS BIBLIOGRAFICAS.......................................................................19

6
1. DADOS DE IDENTIFICAÇÃO

1.1 Dados Pessoais

1.1.1 – Estagiária: Ana Carolina de Oliveira

1.1.2 – Instituição de Ensino: Universidade Federal de Goiás

1.1.3 – Curso: Engenharia Elétrica

1.1.4 – Período: 10° período

1.2 Dados do Estágio

1.2.1 – Empresa: Ambev S/A

1.2.2 – Campo de Estágio: Automação, Análise de dados e criação de relatórios.

1.2.3 – Período de Estágio:

1.2.3.1 – Início: 23/02/2022

1.2.3.2 – Término: 03/05/2022

1.2.4 – Horas semanais: 30 (trinta) horas

1.2.5 – Supervisor e Orientador: Engenheiro Eletricista Lucas Posse e Souza e

Professor Marcelo Stehling de Castro.

7
2. INTRODUÇÃO

A análise de dados é o processo de inspeção, limpeza e tranformação com

objetivo de obter informações úteis que amparem a tomada de decisão.Tendo um papel
importante no ambiente corporativo para tomada de decisões mais científicas,
transformando a eficiência das empresas.

O presente trabalho contém um resumo do trabalho realizado durante o período,

que consistiu basicamente em coletar as informações de falhas de feedback,
acionamento, acionamento manual, simulada, equipamento e áreas das válvulas do
Processo Cerveja existentes nos PLCs , montagem da base de dados, e confecção dos
dashboards que auxiliam no monitoramento da saúde das 800 válvulas priorizadas no
processo cerveja.

8
3. Ferramentas utlizadas

Foram utlizadas para construção desse monitoramento de válvulas três

ferramentas open source: Node-Red, InfluxDb e Grafana. O Node-Red é uma
ferramenta que conecta dispositivos IoT, hardwares, APIs e WebServices. Através dos
nós é possível ler arquivos CSV, escutar eventos http, tcp, websocket e mqtt. É uma
ferramenta de low code de progração bastante eficiente e compatível com qualquer
sistema operacional. O InfluxDb é um banco de dados compatível com um alto volume
de consultas e escritas por segundo sem causar muito impacto no sistema operacional.
Sua consulta é muito semelhante ao SQL, senso assim é facilmente utilizável por quem
já está acostumado com bancos de dados como MySQL. E a terceira ferramenta é a
responsável pela visualização, o Grafana, ele executa análise de uma grande quantidade
de dados em tempo real.

4. Atividades Desenvolvidas

4.1 Primeiros Passos

O primeiro passo foi o mapeamento das 800 válvulas priorizadas do Processo
Cerveja montando uma planilha com as seguintes tags: identificação, acionamento,
falha, acionamento munual, simulada, local de instalação, equipamento. Esssas
informações foram obtidas com a ajuda do técnico de automação e agrupadas por área e
PLC em arquivos CSV. As informações foram compiladas desse modo porque temos
informações dispersas em diversos PLCs e para fazer a leitura e o tratamento dessas
informações no Node-Red é preciso usar endpoints, e é necessário um para cada PLC.
Foi a melhor solução para controle das tags e possíveis adicições de informação no
futuro.

4.2 Montagem da base de dados

Foi feita a conexão com os PLCs atráves do endpoint do Node-Red, um nó que
atráves do endereço de IP e adição das tags que se deseja ler faz o contato. O Processo
Cerveja é dividido em: Brassagem, Adega de Pressão, CrossFlow, Adegas Fermentação,
Filtração e Maturação, cada área possui seus arquivos CSV. As informações que
chegam para o PLC são conferidas pelo bloco de código buscando a correspondência na
lista CSV. Caso haja correspondência, é montado um objeto com a seguinte estrutura:

msg.payload = {

AREA: msg.payload.Area,

EQUIPAMENTO:msg.payload.Equipamento,
9
 VOC: msg.payload.Tag_Fisico,

ACIONAMENTO: msg.payload.acionamentos,

FALHA: msg.payload.falha,

SIMULADA: msg.payload.Simulada,

MANUAL: msg.payload.Manual,

TURNO:flow.get('Turno')

A informação de turno não foi retirada do PLC, ela foi calculada em outra função
dentro do Node-Red e guardada em uma varíavel dentro do flow e é associada na
função principal. Após a montagem da estrutura do objeto, ele é enviado para a base de
dados, o InfluxDB onde cada item corresponde a uma coluna que recebe as informações
da válvula. Sendo Acionamento, falha, simulada e manual informações boleanas que
serão analisadas no passo 4.3.

4.3– Processo de análise de dados

Após as informações serem mandandas para o banco de dados foi a vez de

fazer o tratamento na ferramenta grafana. Os dados de acionamento e falha foram
associados de modo a criar o índice de falha por acionamento, pois o número simples de
falha não dá nenhuma informação relevante para tomada de decisão, o indíce de falha
foi calculado por equipamento e um indíce total por área (todas as falhas da área/todos
os acionamentos da área) para um visão gerencial. E junto dessa informação foram
associadas tabelas que permitem a visão de qual válvula, em qual equimento está
falhando mais, permitindo a priorização de manutenção dos equipamentos.
A informação de acionamento manual foi dimensionada em blocos que
calculavam a quantidade de acionamentos manuais por dia, associado com uma tabela
onde a tag da válvula e do equipamento fica disponível para a verificação, pois essa
informação é crucial visto que existe todo um complexo plano de automação e se algum
acionamento não programado está acontecendo deve ser informado ao responsável para
que se acompanhe qual foi o problema que causou essa situação.
Já a parte de Simulada, é o dado de quando alguém no supervisório força uma
informação de acionamento contínuo ou não acionamento mediante a qualquer estímulo
inutilizando a função para qual o sensor simulado foi programado. E aqui foi construída
a quantidade de acionamentos por turno e a tabela com as informações de tag e
equipamento permitindo a investigação de porque está havendo essa dessensibilização
contínua.

10
4.3.1 – Dashboards de monitoramento

Figura 1- Dashboard de acompanhamento gerecial Processo Cerveja

O primeiro dashboard foi criado para o acompanhamento do índice de falha por

área nos últimos 15 dias e 30 dias para supervisão de como está o Processo Cerveja
como um todo. E também para ajudar na priorização da áreas que precisam ser
atendidas. Foi setado um limiar que altera a cor do índice crítico que é um limiar de 5%
de falhas.

Figura 2- Dashboard de acompanhamento de área: Fermentação Crossoflow

11
 Os primFigura 3- Dashboard de acompanhamento de área: Fermentação
Brassagem

As Figuras 2 e 3 representam exemplos de quantidades de falha por

equipamentos dentro da área. Como pode ser visto na Figura 3 o limiar de 5% de falha
ainda não foi alcançado, por isso o status de porcentagem não mudou

Figura 4 - Aba de acompanhamento de válvulas: Brassagem

A Figura 4 mostra a aba do dashboard que mostra as válvulas que falharam no

período escolhido. O Grafana permite que a pessoa que utiliza a ferramenta escolha qual
o espaço de tempo que gostaria de analisar, em geral o tempo padrão são as últimas 24
horas. A seta vermelha está indicando a parte do dashboard onde estão os botões de
navegação para as outras áreas, para facilitar as ánalises. E a seta amarela a tabela com
as seguintes colunas: Tag da válvula, equipamento, turno e a data e horário.

12
 Figura 5 - Aba de acompanhamento de simuladas por Turno

A Figura 5 mostra o acompanhamento de simuladas por turno, tem sido feito

um trabalho forte para conter esse tipo de ação. A tabela possui dados de simuladas,
mesmo com o contador zerado pois a tabela está lincada com o filtro de tempo do
grafana e está escolhido as simuladas nos últimos 7 dias. Entretanto os contadores foram
programados de modo que independente do filtro, eles pegam somente as simuladas das
últimas 24 horas.

Figura 6 - Aba de acompanhamento de Acionamentos Manuais por Turno

A Figura 6 mostra o contador de acionamentos por turno e como essa é uma
informação crítica , qualquer acionamento manual já coloca o contador em vermelho
para mostrar o nível de alerta. E com a informação de qual válvula foi acionada, é
possível agir imediatamente.

13
5. CONCLUSÃO

A Automação possibilitou a evolução do acompanhamento de processos do chão

de fábrica, permitindo que as informações estivessem disponíveis em tempo real.
Entretanto os dados crus, em sua maioria não são a informação que se precisa ter para
tomada de decisão, com isso entrou a análise e demostração desses dados para que a
informação relevante estivesse disponível para a pessoa correta no tempo certo. Desse
modo vem crescendo susbstancialmente a útlização das ferramentas de tratamento e
visualização para monitoramento contínuo das informações relevantes, de modo a gerar
economia de recursos e intensificar a produtividade dos equipamentos e áreas
produtivas. Esse trabalho permitiu a criação de uma ferramenta de baixo custo e fácil
gerenciamento para resolução de um problema antigo de priorização da manutenção de
válvulas e também para o monitoramento em tempo real de acionamentos manuais e
simuladas, duas atividades que não devem ser executadas de maneira indiscrimidada
para mascarar problemas, buscando um aumento da confiabilidade das áreas produtivas
envolvidas e tornando as tomadas de decisão cada vez mais racionais.

14
 REFERÊNCIAS BIBLIOGRAFICAS

[1] EMC. Estágio Supervisionado. Disponível em: < https://www2.emc.ufg.br/p/19103-estagio-

supervisionado>
[2] Node-RED,” Node-RED, [Online]. Available: https://nodered.org/. [Acesso em 10 Fevereiro 2022].
[3] GRAFANA LABS, “GRAFANA LABS,” GRAFANA LABS, 08 02 2022. [Online]. Available:
https://grafana.com/. [Acesso em 08 02 2022]
[4] L. Bassi, “2017 IEEE 3rd International Forum on Research and Technologies for Society and Industry
(RTSI),” 2017 IEEE 3rd International Forum on Research and Technologies for Society and Industry
(RTSI), p. 6, 09 2017

15