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. Os desvios detectados pelo sistema levarão a recomendações de manutenção. Esses sistemas permitem que as empresas passem da manutenção reativa para a manutenção proativa. A manutenção pode ser realizada antes que ocorram falhas de fato.
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 de monitoramento de condições (online). Os dados fornecidos por esses sistemas 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 lutam com um grau de especialização cada vez menor. Isso é resultado, em grande parte, da aposentadoria de especialistas e da escassez de jovens especialistas ou de pessoas com treinamento relevante. Essa falta de especialização pode ser resolvida com a implementação de um sistema que permita a análise automatizada, em que a especialização é basicamente transferida para um sistema. Esse sistema usa 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, menos engenheiros locais são necessários para realizar esse trabalho. Para empresas que lutam com um número cada vez menor de especialistas em vibração competentes, a mudança 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 conhecimento especializado local, 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. Os dados compartilhados podem aprimorar os algoritmos de análise automatizada e oferecem oportunidades de suporte remoto. Essas tecnologias aumentam a eficácia geral e o valor dos sistemas e das estruturas de monitoramento de condições e mudam os modelos de serviço para a especialização 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 ficarão menos envolvidos com o maquinário."
1. Validação de dados
A entrada é fundamental para qualquer análise automatizada ou remota, pois elas dependem exclusivamente das informações fornecidas por essas entradas. Portanto, a entrada de dados deve ser validada, incluindo:
- Selecionando o sensor certo para a aplicação
- Calibração do sensor
- 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 de manutenção preditiva funcional. Dados de baixa precisão não podem ser usados para monitoramento. À luz da precisão dos dados, é muito difícil lidar com influências ambientais (excepcionais), como mudanças no ambiente, condições excepcionais de processo ou erro humano. Por exemplo, a vibração causada por outra máquina (vibração cruzada) pode fazer com que o sistema automatizado gere um alarme falso.
2. Logística e manutenção
Para coletar dados relevantes, a medição e o fluxo de dados devem ser garantidos. A manutenção e a logística adequadas devem estar em vigor e incluir:
- Evitar a fiação cruzada de sensores
- Evitar a colocação/localização falsa de sensores
- Intervalo de coleta de dados relevantes
- Disponibilidade de sensores sobressalentes
- Gerenciamento da bateria do sensor e estratégia de substituição
- Conexões de rede estáveis, seguras e confiáveis
3. Experiência local
À medida que a análise e a tomada de decisões forem transferidas para sistemas automatizados e especialistas remotos, os engenheiros locais ficarão menos envolvidos com o maquinário. Como resultado, surge uma dependência cada vez maior 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.
