O que é a manutenção preditiva? 

Neste artigo, explicamos alguns fundamentos que você deve saber sobre a previsão de ativos.

  • Quais valores de referência são usados para ler os gráficos?
  • Como conseguimos os resultados disso? 

 

Depois de ferramentas tão intuitivas para o usuário quanto o Predictto, há um trabalho de configuração um tanto complexo no qual diversas técnicas como coleta de dados, Inteligência Artificial e Machine Learning convergem, mas não se preocupe, para você o uso de ferramentas como o Predictto é simples. 

O que é a manutenção preditiva?

Para começar, explicaremos brevemente do que consiste esse tipo de manutenção. A manutenção preditiva faz parte de estratégias proativas de manutenção. Nesse sentido. A chave para esse tipo de manutenção é que, com base em dados coletados e algoritmos, previamente definidos, padrões de comportamento desse ativo são estabelecidos. 

 

Ter esses dados é extremamente benéfico para quem quer implementar um plano de manutenção preventiva baseado em dados reais e evitar futuras avarias. Existem diferentes maneiras de coletar dados para moldar os resultados que fazem parte da manutenção preditiva. 

 

Por exemplo, quando os sensores IoT estão conectados a ativos físicos, o monitoramento é realizado por condição. Com isso, você pode controlar o status dos ativos em todos os momentos, e você pode prever quanta vida seu ativo tem, porque esses dispositivos estão conectados ao software de manutenção de ativos e preditivos ao mesmo tempo. Portanto, os dados estão fluindo continuamente.  

 

Outras técnicas de manutenção preditiva comumente utilizadas incluem análise de óleo, termográfica, acústica, análise de circuitos de motores e análise de vibração.

 

FAQ - Perguntas mais frequentes

Confiabilidade como você nunca viu antes

Saber o momento exato em que um de seus ativos pode falhar agora é uma realidade. Facilite a tomada de decisões no planejamento de sua manutenção com a ajuda do Machine Learning.
Confiabilidade como você nunca viu antes

FAQ - Perguntas mais frequentes

Confiabilidade como você nunca viu antes

Saber o momento exato em que um de seus ativos pode falhar agora é uma realidade. Facilite a tomada de decisões no planejamento de sua manutenção com a ajuda do Machine Learning.
Confiabilidade como você nunca viu antes

¿O que é análise de vibração?

Esta é a principal técnica que aplicamos no Predictto e é aquela que estabelece as bases de nossos modelos de degradação. A análise de vibração permite detectar problemas de desalinhamento, desequilíbrios, desacoplamento e sobrecargas nos ativos.  

  

O alinhamento é um dos procedimentos responsáveis por garantir o desgaste uniforme de todos os componentes. A realização do alinhamento, dentro de um plano de manutenção preventiva, também garante o equilíbrio da carga, o que reduz o risco de avarias e evita o desgaste excessivo de um dos componentes 

  

Seguindo o padrão internacional ISO10816, a análise de vibração toma os valores desta norma como referência, para estabelecer os níveis de previsão. Este padrão fornece valores gerais altos, médios e baixos de falhas de ativos e os divide por cores (vermelho, amarelo e verde).   

 

Os resultados oferecidos por softwares de manutenção como o Predictto, tomam esse padrão como referência e apontam você para um ponto no tempo em que se acredita que esse valor será alcançado, para que você tenha tempo para tomar uma decisão sobre o que fazer com esse ativo.  

  

A análise de vibrações é uma técnica que não tem impacto na produtividade da empresa enquanto os dados estão sendo coletados. 

 

Quando a análise de vibração é integrada com outros serviços como o software CMMS, todos são vantagens, pois além de todas as vantagens desse tipo de software, ter essas previsões adiciona à equação para controle de ativos em tempo real. 

Em quais fases um processo de manutenção preditiva é dividido?

O processo de manutenção preditiva pode ser dividido principalmente em 3 fases: 

  1. Coleta de dados
  2. Mineração de dados
  3. IA e Machine Learning

1. Coleta de dados

O primeiro passo é instalar sensores que coletam informações em tempo real sobre a saúde do equipamento. A forma como esses dados são coletados depende da técnica utilizada: vibrações, temperatura, pressão... 

 

2. Mineração de dados 

É a busca e seleção de dados específicos sob um critério em um lugar onde há um grande grupo de dados. A tecnologia IoT, entre outras ferramentas, permite que esses sensores enviem todas as informações para um sistema central ou software que permite analisar o que está acontecendo. 

 

3. IA e Machine Learning 

Nesta fase, são feitos cálculos para construir e aplicar algoritmos que ofereçam uma previsão sobre o comportamento dos ativos.   

 

Andreas Kaplan e Michael Haenlein definem a Inteligência Artificial como "a capacidade de um sistema de interpretar corretamente dados externos, aprender com esses dados e usar esse conhecimento para alcançar tarefas e objetivos concretos através de adaptação flexível".  

  

Por outro lado, o Machine Learning é uma das disciplinas da Inteligência Artificial que, através de algoritmos, fornece aos computadores a capacidade de identificar padrões em dados massivos e com eles, desenvolver interpretações e previsões.  

  

Ambas as técnicas são utilizadas nesta terceira fase para fechar o ciclo e oferecer resultados.

 

Os intervalos de confiança 

Dentro das previsões que são feitas na manutenção preditiva, uma porcentagem de falhas imprevistas ou aleatórias é sempre levada em conta, isso é o que chamamos, intervalos de confiança. Prevê-se um tempo em que a falha ocorrerá e este intervalo está incluído para que você tenha uma visão realista da previsão.entro de las previsiones que se realizan en el mantenimiento predictivo, siempre se tiene en cuenta un porcentaje de fallos imprevistos o aleatorios, esto es lo que denominamos, intervalos de confianza. Se predice un tiempo en el que va a ocurrir la falla y se incluye este intervalo para que tengas una visión realista del pronóstico. 

 

En mantenimiento predictivo, cuántos más datos tengas del activo, los pronósticos serán mucho más acertados. 

 

O que são modelos de confiabilidade?

Até agora falamos sobre manutenção preditiva em ativos que podem ser monitorados usando diferentes técnicas de coleta de dados. Diante de eventos raros, como falhas de ativos, todos os métodos que usamos do Big Data para médias geralmente não conseguem calcular padrões e previsões.  

  

No entanto, nossa equipe da Predictto entendeu que aplicar manutenção preditiva ao total de seus ativos, seja qual for o tipo que eles são, permitirá um maior controle sobre todo o seu plano de manutenção. É por isso que desenvolveram modelos de confiabilidade, e para a extração de seus resultados, eles aplicaram a análise de Weibull a esse processo.  

  

Na Predictto, usamos modelos de confiabilidade para prever o futuro de ativos que não podem ser monitorados automaticamente ou não são tão importantes a ponto de fazê-lo. Este seria o caso, por exemplo, de uma lâmpada. Normalmente, em um ativo como este, a manutenção preventiva não é aplicada, mas espera-se que seja danificada e alterada. Com modelos de confiabilidade, também é possível prever o futuro desses ativos.  

  

O estudo de ocorrências raras e valores extremos que se desenvolvem em setores tão diferentes quanto seguro, hidrologia e manutenção são tratados utilizando distribuições de probabilidade do tipo Weibull que buscam responder quantas perdas ocorrerão, quando um rio transbordará ou quando um ativo falhará com base em registros históricos disponíveis. 

 

A curva de confiabilidade 

Confiabilidade é a probabilidade de que um ativo opere corretamente até um determinado momento no tempo e corresponda a 100% quando o ativo opera de forma confiável e 0% quando já falhou. A confiabilidade é uma medida que permite estabelecer o nível de operação ou serviço de um sistema e está incluída como parte de contratos ou contratos de serviços de manutenção.  

 

A curva de confiabilidade ou curva de sobrevivência, a base da Manutenção Centrada em Confiabilidade (RCM), é a descrição ao longo do tempo da confiabilidade de um ou mais ativos e permite prever seu nível ao longo do tempo para fazer planos e tomar decisões.  

  

Se você quiser se aprofundar um pouco mais nos conceitos que lidamos ao realizar a análise do Weibull dentro de modelos de confiabilidade, você pode ler este artigo: Modelos de confiabilidade em manutenção preditiva: análise Weibull. 

 

Vantagens da manutenção preditiva

De acordo com um estudo, em 2021, pelo  Instituto de Análise da Deloitte, conclui-se que a implementação da manutenção preditiva pode aumentar a produtividade dos equipamentos em 25%, reduzir as quebras em 70% e reduzir os custos de manutenção em 25%, com todo o aumento do tempo de atividade dos ativos e da redução de custos que isso implica. Estas são apenas algumas das vantagens oferecidas pela manutenção preditiva:  

  • Evite desperdiçar estoque e contratar mão-de-obra que não seja necessária; 
  • O aspecto de inatividade é reduzido  e a disponibilidade de ativos como recurso aumenta;  
  • Ele permite que você saiba de uma forma muito detalhada quais ativos e tarefas você está alocando seu orçamento e permite que você ajuste-o, se necessário, de forma mais realista;  
  • Ele permite um maior retorno sobre todos os ativos e atividades da sua empresa;
  • Uso ideal desses recursos durante seu ciclo de vida;  
  • É essencial para empresas que possuem ativos cujas avarias representariam um risco para a segurança da equipe humana. 

 

Por que incluir manutenção preditiva como parte de sua estratégia? 

Além de todas as vantagens que mencionamos acima, a manutenção preditiva é uma das três peças que compõem a manutenção inteligente. Se você já possui um CMMS, como o Fracttal One, para gestão e controle de ativos e também tem dispositivos IoT para realizar monitoramento de condições em seus ativos físicos, ter software de manutenção preditiva irá ajudá-lo a completar o ciclo, fornecendo informações futuras sobre o status desses ativos em seu plano.  Tudo conectado através da plataforma CMMS/CMMS, fará com que você construa um plano de manutenção sólido e completo com base em dados reais.  

  

Com o Predictto você tomará decisões sobre o seu planejamento de manutenção facilmente com a ajuda de Machine Learning e IoT, e em apenas alguns cliques. Saber o momento exato em que um de seus ativos pode falhar já é uma realidade.   

  

Com o Predictto os modelos são ajustáveis às suas necessidades e em nossos resultados sempre oferecemos uma gama de probabilidades para que você seja quem toma a decisão final. Você não precisa ser um especialista em ciência de dados para usá-lo ao prever o futuro de seus ativos.  

Preveja o futuro de seus ativos

Saber o momento exato em que um de seus ativos pode falhar já é uma realidade. Você não precisa ser um especialista em ciência de dados para usá-lo ao prever o que acontecerá com seus ativos. 

  

Com o Predictto você tomará decisões sobre o seu planejamento de manutenção facilmente com a ajuda de Machine Learning e IoT, e em apenas alguns cliques.

play_circle
close

Artigos de interesse sobre manutenção

Consulte outros artigos de interesse sobre manutenção em nosso blog.

A simbiose de software, robôs e humanos é a chave para a Manutenção 5.0

Ler mais trending_flat

Burj Khalifa: Mantendo o edifício mais alto do mundo

Ler mais trending_flat

Tipos de manutenção: Reativa e proativa

Ler mais trending_flat

Conteúdo desenvolvido pela Fracttal,
a Plataforma de Manutenção Inteligente