Manutenção preditiva: aplicação técnica e valor operacional

Imagine que pode detetar que uma máquina vai falhar algumas semanas antes do evento ocorrer, evitando assim a paralisação das operações, bem como os custos e o caos associados. Isto é possível no setor industrial e é denominado manutenção preditiva, uma abordagem baseada na monitorização e análise de dados.

Neste post, apresentamos uma visão integral da manutenção preditiva industrial, em que consiste, como funciona cada uma das suas fases, os seus benefícios e em que se diferencia dos outros tipos de manutenção. Além disso, mostramos-lhe as principais ferramentas que pode utilizar.

O que é realmente a manutenção preditiva?

A manutenção preditiva PdM é uma estratégia proativa que se baseia na monitorização do estado dos ativos, através de dispositivos ou sensores que fornecem dados em tempo real. Dados que são utilizados tanto para antecipar falhas como para programar intervenções apenas quando necessário.

A PdM é o tipo de manutenção mais avançado. Não se trata de cumprir um calendário rígido pré-estabelecido, mas sim de apoiar-se nos dados históricos do equipamento e, principalmente, nos obtidos em tempo real, para estimar o tempo total até uma avaria ou degradação crítica do ativo.

Antes, era utilizada uma abordagem de monitorização periódica. Na atualidade, aplica-se a abordagem de monitorização contínua, inclusive remota. Assim, quando os sensores fornecem dados com determinadas condições específicas do ativo, são programadas as intervenções ou inspeções, com as suas respetivas ordens de trabalho.

• De que sensores e tipos de monitorização estamos a falar? Na prática, são utilizadas diferentes técnicas para a monitorização do estado, dependendo das máquinas e dos ambientes operacionais.
  • Por exemplo, análise de vibrações, termografia (imagens térmicas), padrões de som, ultrassons, análise de lubrificantes, análise elétrica, etc. Podem ser utilizadas imagens térmicas e sensores de temperatura para detetar pontos quentes em motores, ou sensores acústicos para detetar frequências e padrões de sons invulgares em bombas e sistemas de rolamentos.
• Em cada método é executado:
  • A captura automática de dados, através de sensores (de vibrações, sons, temperatura…), a tecnologia IIOT (fusão da Internet das Coisas IoT com os sistemas de produção industrial) e os gateways industriais (dispositivos que permitem a troca de dados).
  • A análise dos dados recolhidos, executada por software baseado na Inteligência Artificial IA e na Aprendizagem Automática ML. É esta análise que deteta os padrões mais subtis e os desvios mais pequenos no estado de um equipamento.

Fases-chave para implementar a manutenção preditiva na fábrica

Antes de passar para um plano de manutenção preditiva industrial, é recomendável avaliar e compreender as estratégias de manutenção executadas até agora na fábrica. Por exemplo, identifique as áreas, máquinas ou equipamentos em que o método tradicional de manutenção apresentou deficiências. Além disso, defina como a PdM pode corrigir ou melhorar esses erros.

Outro aspeto a ter em conta é a gestão da mudança. Quando se adota um sistema de manutenção preditiva, também se estão a modificar alguns processos e fluxos organizacionais, alterando significativamente a cultura da empresa. Portanto, além da formação sobre as tecnologias a implementar, é necessário incluir um plano de comunicação para transmitir aos empregados os benefícios da PdM e incentivar a sua participação na mudança.

Seleção de equipamentos críticos

Nem todos os equipamentos necessitam de uma monitorização contínua. Por exemplo, é pouco eficiente destinar recursos preditivos a equipamentos com probabilidades mínimas de falha ou cujas possíveis falhas geram um impacto marginal nas operações da fábrica.

A estratégia de manutenção preditiva industrial deve concentrar-se nos sistemas críticos, essenciais para a continuidade do processo produtivo, para a segurança das operações, para preservar a qualidade do produto. São esses que se pretende que não falhem.

Principais fatores a considerar para avaliar a criticidade
Segurança do pessoal e do ambiente	Avalie o risco de acidentes graves e o impacto ambiental causado, caso o equipamento falhe.
Qualidade do produto	Considere a probabilidade de perda de qualidade e possíveis reclamações de clientes, em caso de falha do equipamento.
Ocupação do equipamento	Meça o nível de utilização mensal do equipamento. Isto indica a sua relevância operacional.
Condições de entrega	Analisa se uma paragem afeta a continuidade da linha de produção e a disponibilidade de soluções alternativas.

Para avaliar todos estes critérios, é habitual aplicar o método ABC. Permite-lhe segmentar os ativos de acordo com o impacto que causam quando ficam parados ou falham. Basicamente, atribui a cada ativo uma das três categorias A (alta criticidade), B (criticidade moderada) e C (baixa criticidade). Além disso, considera o custo de substituição e analisa o histórico de falhas.

Por exemplo, na manutenção de máquinas, é comum monitorizar continuamente o estado dos camiões pesados da frota. Para detetar sinais de desgaste iminente dos travões ou degradação do óleo.

Sensorização e integração de dados

A sensorização é a espinha dorsal de qualquer plano de manutenção preditiva. É claro que deve estar alinhada com o mecanismo de falha que se deseja detetar ou monitorizar:

• Sensores de vibração. Captam a frequência e a amplitude do movimento da máquina. São utilizados para detetar desalinhamentos e desgaste de rolamentos em bombas, motores, compressores, caixas de engrenagens e ventiladores.
• Sensores acústicos. Medem as ondas sonoras, geralmente aquelas que estão fora do alcance auditivo humano. São utilizados para detetar atrito interno, fugas ou danos nas engrenagens. Por exemplo, em máquinas rotativas ou em sistemas de deteção de fugas de gás ou ar.
• Câmaras termográficas. São capazes de detetar a energia calorífica emitida pelas superfícies. São úteis na deteção de sobreaquecimento, atrito, ligações deficientes ou problemas com líquidos refrigerantes. Por exemplo, são utilizados na manutenção preditiva de motores, painéis elétricos, rolamentos e transformadores.
• Sensores de corrente. Medem a quantidade de corrente elétrica que o ativo consome. Portanto, fornecem dados que permitem detetar condições de sobrecarga e falhas no isolamento. Úteis para motores elétricos ou correias transportadoras.
• Sensores de análise de óleo. Apresentam uma visão direta da viscosidade do lubrificante, bem como da presença de partículas ou contaminantes no óleo. Assim, permitem determinar o desgaste interno dos componentes. São utilizados principalmente em sistemas hidráulicos, caixas de velocidades e motores.

Todas estas informações captadas em tempo real devem ser centralizadas numa plataforma capaz de gerir grandes volumes de dados, garantir a qualidade dos dados e integrar-se nos sistemas de gestão existentes na fábrica (ERP ou CMMS). É comum o uso de plataformas em nuvem, devido à sua capacidade e escalabilidade.

Análise da condição e tendências

O enorme valor de qualquer estratégia de manutenção reside na interpretação sistemática dos dados recolhidos pelos sensores IIoT. É esta análise da condição do ativo ao longo do tempo que permite identificar desvios em relação ao comportamento normal do equipamento.

É nesta fase que a IA e a aprendizagem automática se destacam. É utilizado software avançado com algoritmos treinados para conhecer o comportamento “normal” do equipamento e prever qualquer desvio. São sistemas que estão continuamente a aprender com cada dado histórico da máquina ou do processo. A Siemens e a Oracle são algumas das empresas tecnológicas que oferecem este tipo de desenvolvimento.

Estes algoritmos inteligentes e preditivos podem especializar-se em determinadas capacidades. Por exemplo:

• Modelos de classificação. Analisam as leituras fornecidas pelos sensores para as classificar em possíveis problemas. Por exemplo, em “folga” e “desgaste dos rolamentos”. Desta forma, é mais fácil saber onde intervir, corrigir ou reparar antes de tocar no ativo.
• Modelos de deteção de anomalias. Estes algoritmos são especializados em detetar comportamentos incomuns que, embora não correspondam a uma falha conhecida, refletem um problema inesperado que pode tornar-se numa falha crítica.

Geração de alertas e tomada de decisões

Não basta executar a análise de dados. O objetivo é passar à ação. Portanto, quando a análise de dados deteta um desvio ou prevê uma falha, o sistema emite um alerta no painel de controlo. Além disso, ao mesmo tempo, uma ordem de trabalho é gerada automaticamente no sistema CMMS. Se for necessária uma peça sobressalente, pode ser gerada uma ordem de compra.

Por isso, é importante manter a integração com os sistemas de gestão e manutenção existentes na fábrica.

Ajuste contínuo do modelo preditivo

Os modelos preditivos requerem recalibração e supervisão contínua. Por exemplo, incorporar novas falhas, atualizar limites e ajustá-los às mudanças do processo.

Equipamentos onde a manutenção preditiva faz a diferença

Vejamos como um sistema de manutenção preditiva industrial protege os equipamentos críticos de uma fábrica industrial:

Máquinas rotativas e instalações contínuas

As máquinas rotativas podem apresentar desalinhamento, desgaste e fadiga dos rolamentos. Estes comportamentos ou estados são geralmente detetados através de medições contínuas de sensores de vibração. Dados que são recolhidos para analisar o espetro e determinar tendências.

Por exemplo, a análise de tendências pode revelar as causas das vibrações, juntamente com um guia especializado sobre as ações preditivas a implementar.

Linhas automatizadas ou de difícil acesso

Nas linhas de produção, as estratégias de manutenção preditiva reduzem as intervenções manuais, os atrasos e as paragens não planeadas. Até ajudam a minimizar o tempo de inatividade durante as reparações.

Por exemplo, alguns dos equipamentos críticos a monitorizar são os seguintes:

• Correias transportadoras. Serão incorporados sensores acústicos e de tensão nas transmissões. Isto ajuda a detetar desalinhamentos da correia ou danos nos empalmes.
• Compressor de refrigeração, como nas indústrias de alimentos e bebidas. Serão incorporados sensores de temperatura e pressão no circuito do refrigerante. O que é detetado? Por exemplo: fugas ou sujidade nas serpentinas do condensador.

Equipamentos de alto custo ou de alto impacto na produção

Outros ativos para os quais se justifica o investimento em estratégias de manutenção preditiva são os equipamentos cuja substituição ou reparação consome tempo e capital. Por exemplo, fornos industriais e compressores de alta capacidade. Incorporá-los e monitorizá-los como equipamentos críticos minimiza o risco económico associado a uma avaria não planeada.

Quais são os benefícios da manutenção preditiva em ambientes industriais?

Todo o plano de manutenção preditiva tem o poder de transformar positivamente a gestão de ativos. Os principais benefícios são:

• Eficiência de custos, pois permite economizar em preparações para emergências. Além disso, reduz os custos de mão de obra associados à manutenção não planeada.
• Extensão da vida útil dos ativos. Porque as ações de manutenção são realizadas com base no estado real do equipamento.
• Melhoria da segurança. Um sistema de manutenção preditiva industrial aborda os problemas antes que eles ocorram. Isto aumenta a segurança do ambiente de trabalho.
• Redução de paragens não planeadas. Sem interrupções inesperadas, a produtividade melhora.
• Decisões baseadas em dados. Todo o plano de manutenção preditiva industrial é baseado em dados, em tempo real. Assim, todas as decisões e intervenções são realizadas com pleno conhecimento do estado dos ativos ou do processo.

Em que sentido a manutenção preditiva se diferencia de outras abordagens?

A manutenção preditiva distingue-se de outros tipos de intervenções porque abre uma janela para a condição real do equipamento. Além disso, depende do uso de dados e de modelos preditivos para antecipar falhas.

Preditivo versus Preventivo

Enquanto a manutenção preventiva é executada através de ações programadas com base no tempo de utilização do equipamento ou nas suas horas de uso, na manutenção preditiva as intervenções são programadas dependendo da condição real do ativo.

Portanto, a PdM evita intervenções prematuras que podem ocorrer na manutenção preventiva.

Preditivo versus Corretivo

A manutenção corretiva é uma estratégia reativa, na qual se atua apenas após a falha do equipamento. Isto coloca em risco as operações e aumenta os custos por inatividade. Por outro lado, iniciar um plano de manutenção preditiva requer um investimento inicial, mas ajuda a reduzir o custo total da manutenção dos ativos.

Ferramentas que tornam possível a manutenção preditiva

As estratégias de manutenção preditiva são possíveis graças ao trabalho conjunto de hardware, software e, claro, ferramentas físicas. Mesmo tarefas aparentemente simples, como limpar superfícies industriais, são um fator crítico para garantir a segurança, a fiabilidade dos equipamentos e a continuidade das operações na fábrica.

Principais ferramentas tecnológicas que permitem configurar um sistema de manutenção preditiva industrial
Sensores	Térmicos, de corrente, acústicos, de vibrações, etc. São os que captam os dados do estado dos ativos.
Ethernet	É a infraestrutura de comunicação local.
IIoT-  Internet Industrial das Coisas	É o ecossistema interligado de dispositivos, sensores inteligentes, software e máquinas dentro de um ambiente industrial, para permitir a supervisão contínua e a recolha de dados sobre o estado dos equipamentos. A IIoT baseia-se em gateways que recolhem informações de redes Ethernet ou sensores sem fios e as enviam para plataformas analíticas.
Software CMMS avançado, que integra algoritmos com funções preditivas	É a plataforma analítica.

Ferramentas físicas e máquinas que permitem aplicar o plano de manutenção preditiva
Tesoura elétrica	Plataforma elevatória extensível. Permite trabalhar a uma altura máxima de 14 m.
Ferramentas de limpeza	Aspiradores: elétricos, de micropó, de pó húmido, etc. Lavadoras e varredoras. Máquinas de lavar de pressão de água fria ou quente.
Ar comprimido	Para a manutenção de superfícies.

Como aplicar a manutenção preditiva em fábricas com baixo nível de digitalização?

A manutenção preditiva em fábricas com baixo nível de digitalização representa um desafio técnico. Integrar novas tecnologias IoT em sistemas industriais complexos, antigos ou com máquinas que não foram desenhadas para a monitorização inteligente pode ser algo complexo e dispendioso.

Além disso, a manutenção preditiva não se limita a capturar dados de sensores. O seu verdadeiro objetivo é ter a capacidade de processar e analisar os grandes volumes de dados recolhidos, para os converter em decisões técnicas fiáveis. A tudo isso se soma um aspeto crítico em qualquer ambiente onde prevaleça a ligação de equipamentos industriais a redes IIoT: a cibersegurança.

No entanto, existem no mercado soluções de conectividade sem fios descentralizadas que oferecem uma infraestrutura de rede escalável. Com este tipo de tecnologia, as fábricas com baixo nível de digitalização podem integrar sensores IoT de forma progressiva e aplicar a manutenção preditiva industrial, sem ter de reorganizar ou alterar a infraestrutura existente.

Trata-se de software de conectividade sem fios para implementações industriais, em que cada sensor funciona de forma independente. Isto facilita a incorporação escalonada de novos ativos e reduz os custos de instalação. Além disso, contam com arquiteturas capazes de gerir grandes quantidades de dados e costumam oferecer um alto nível de proteção contra ameaças cibernéticas.

Portanto, as estratégias de manutenção preditiva tornam-se abordagens viáveis e adaptáveis ao ritmo e às capacidades das fábricas com baixo nível de digitalização.

Além disso, em matéria de ferramentas e máquinas para manutenção industrial, há sempre a opção de aluguer.

Na LOXAM, ajudamo-lo e orientamo-lo na manutenção de equipamentos. Oferecemos soluções especializadas no aluguer de ferramentas de limpeza e máquinas para trabalhos em altura. Contacte os nossos especialistas.