Séries temporais, seu uso e importância na análise de dados e manutenção baseado em condições.
O ser humano vê a realidade como uma história, a história da nossa vida. Aplicamos essa regra a tudo o que construímos: o resultado das eleições, o número de infectados diariamente pelo Covid-19, as vitórias do nosso time de futebol. Mas todos esses dados são mais do que números, são a história das coisas que nos interessam. Coletamos os dados, os colocamos ordenadamente em uma lista e os lemos como uma evolução dos eventos para transformá-los em histórias que aprendemos e contamos aos outros em conversas animadas com nossos amigos ou para tomar decisões em nossos empregos. Em conclusão, usamos séries temporais todos os dias.
A maioria dos dispositivos que usamos todos os dias, como o celular ou o computador no qual escrevo este artigo, coletam a cada segundo, e sem perceber, dados sobre nós ou sobre eles próprios, como temperatura interna, localização GPS ou se estamos conectados a internet. Além de encher servidores com inúmeras quantidades de dados, esses sistemas chamados internet das coisas (IoT), usam essas informações para construir nossa história para outros, como prestadores de serviços técnicos, sistemas de gestão de ativos ou nossa empresa provedora de internet e portanto, conhece desde nossos hábitos de uso, até o valor da nossa fatura. Os dispositivos, sensores que captam a informação, os servidores que a armazenam e os aplicativos que a consolidam de forma digerível para o ser humano, se entrelaçam para criar a internet das coisas, porém, a história que contam é construída sobre uma série de dados.
As séries de dados são mais do que ordenar um conjunto de valores, graficá-los e publicá-los. Elas fazem variações perceptíveis, tendências ou comportamentos cíclicos que nos permitem ver mais profundamente o que acontece dentro de um sistema, fazendo de nós os detetives dos problemas que iriam caso contrário, permanecer invisíveis. É dessa forma que a análise de séries temporais se tornou uma habilidade que nos permite sobreviver em um mundo cada vez mais digitalizado e virtualizado.
A indústria em termos de series temporais
Dentro de qualquer indústria atual existem sistemas e registros do que acontece, termos como processos, rastreabilidade e controle fazem parte do dia a dia do nosso trabalho e por trás deles está cada dado e cada ação com um registro de tempo, uma identificação dos sistemas e pessoas envolvidas. Ao realizar qualquer revisão periódica desses dados, encontramos as séries temporais que nos permitem avaliar o desempenho dos processos relacionados. A automação permite que grande parte desse processo seja automatizado, deixando apenas a interpretação e avaliação do resultado nas mãos de seres humanos.
O surgimento de cientistas de dados no processo de análise e avaliação de séries temporais é apenas o passo lógico para desvendar padrões dos dados que não puderam ser identificados visualmente pelos humanos, mas nosso cérebro, a máquina de identificação de padrões por excelência, está na habilidade para fazer grande parte do trabalho, somos cientistas de dados há anos sem perceber! Comparar limites e avaliar tendências tem sido uma atividade normal em nosso cotidiano e estamos começando a dar valor a isso agora mais do que nunca.
Monitoramento de condição e séries de tempo
No caso de manutenção baseada em condições, o monitoramento de uma variável de ativo é usado para avaliar a condição do equipamento. Para isso, seguimos uma série de etapas que nos permitem desenvolver planos e ações que aumentam a confiabilidade deste:
- Selecionar a variável que permite reconhecer o estado do equipamento. Nesse sentido, temperatura, vibração e pressão são frequentemente muito populares.
- Identificar valores de referência que permitem relacionar um determinado valor a uma determinada condição, geralmente são utilizados limites mínimos e máximos, valores centrais com seus desvios ou outros conceitos estatísticos que visam encontrar a probabilidade de uma condição.
- Coleta de dados do sensor, manualmente ou usando sistemas automatizados baseados em IoT.
- Gere a série temporal ordenando os valores e colocando-os na forma de uma tabela ou gráfico para leitura.
- Compare e avalie os dados em relação aos valores de referência para identificar a condição do equipamento.
- Elabore planos e ações de acordo com a condição detectada.
Essas etapas foram adotadas por grande parte da indústria, permitindo que as falhas sejam identificadas sem interrupções na produção. Vimos como o aparecimento de ruídos incômodos e inusitados na operação indica o aparecimento incipiente de condições que podem dar origem a falhas futuras, o monitoramento de condições com séries temporais é um processo que regula este tipo de atividade que realizamos desde o invenção da máquina a vapor.
Hoje, analisamos dados usando as mesmas habilidades que sempre tivemos e o processo de usar séries temporais para avaliar as condições dos equipamentos não é nada diferente dos processos que fazemos em diferentes áreas de nossas vidas, a única coisa que mudou é a tecnologia. Que permitiu focar no que fazemos de melhor: contar histórias e reconhecer padrões. As habilidades de análise de dados dependem mais da capacidade de entender o sistema que analisamos do que de realizar cálculos matemáticos complexos que às vezes não respondem às questões fundamentais: o quê e quando um evento ou falha ocorrerá em nosso equipamento.
Elaborar e analisar séries temporais é uma ferramenta para poder aplicar o reconhecimento de padrões, e desta forma elaborar a história de uma equipe através das diferentes condições que ela teve ao longo do tempo, permitindo uma tomada de decisão racional, ou seja, é a própria gestão de ativos.
Prepare-se para o lançamento do Predictto com o curso: IoT e manutenção preditiva. Aprenda de forma simples cada um dos aspectos básicos desta nova era da manutenção 4.0Acesse o link: https://fracttal-br.teachable.com/p/iot-preditiva