Se quer saber mais sobre a manutenção prescritiva, este artigo é para você. Entenda as diferenças entre monitoramento da condição, manutenção preditiva e manutenção prescritiva.
No princípio, havia uma manutenção baseada no tempo. A manutenção preventiva era a melhor forma de evitar danos e preservar os ativos, e ninguém questionava essa verdade. No entanto, nem sempre era possível agir no momento ideal. Assim, ao longo do tempo, a manutenção evoluiu naturalmente para o monitoramento da condição. Isto permitiu aos gestores ajustar os planos de manutenção e matar dois coelhos com uma só cajadada: danos e manutenção.
Quando apareceu, o monitoramento da condição se centrava em inspeções frequentes realizadas por técnicos altamente qualificados. À medida que os sensores se tornaram mais comuns e a IoT se desenvolveu, se tornou rapidamente dependente de máquinas. Hoje em dia está, na sua maioria, automatizada. Sensores foram implementados para controlar a vibração e a temperatura, por exemplo. Também é possível ligá-los à sua plataforma de manutenção. Agora, com uma conectividade cada vez mais forte, o monitoramento da condição em modo remoto e wireless só tende a crescer.
O que é Manutenção Preditiva?
Assim que começamos a fazer uma análise avançada dos dados dos sensores, surgiu outro tipo de manutenção. O produto do monitoramento da condição e da análise de dados é a manutenção preditiva (PdM). Embora algumas pessoas ainda a comparem com o monitoramento da condição, a manutenção preditiva dá mais um passo a frente. Ela extrapola dados para extrair padrões, identificar riscos e prever quando um dano está prestes a acontecer.
Pode ser integrada com outros conjuntos de dados, mesmo que venham de fontes externas. Por exemplo, algumas empresas cruzam os seus dados com dados meteorológicos. Isto acontece em indústrias com equipamento no exterior, como a agricultura e a extração de petróleo ou gás. O algoritmo de manutenção preditiva destas empresas tem em consideração o desgaste e deterioração causados por condições meteorológicas adversas, como vento forte e chuva intensa.
As vantagens são inegáveis. A manutenção preditiva dá aos gestores de manutenção mais percepção e compreensão do desempenho dos ativos. Infelizmente, ainda implica investimentos elevados em técnicas de monitoramento da condição e especialistas em dados. Assim, embora esteja se tornando mais comum, é aplicada especialmente a ativos críticos, ocupando um lugar de destaque na indústria 4.0.
O que é a Manutenção Prescritiva ou RxM?
O que é a manutenção prescritiva (também conhecida como RxM)? Algumas pessoas a descrevem como “manutenção preditiva com AI”, mas é muito mais do que isso. Embora o software de manutenção já possa fazer sugestões inteligentes – temos o nosso Infraspeak Gear™ – não podemos chamar a essas sugestões uma “prescrição”. A manutenção prescritiva não se limita à previsão de falhas. Através de cenários “e se…”, faz recomendações para evitar ou atrasar essas falhas.
A manutenção prescritiva requer um sistema cognitivo que possa aprender, se adaptar e compreender informações imprevisíveis. Combina a análise de dados de manutenção preditiva com big data, AI e machine learning. Como consequência, requer uma infraestrutura informática ainda mais forte. Vale a pena destacar que pode se tornar ainda mais precisa se for integrada com dados que não são necessariamente do departamento de manutenção, mas sim de controlo de qualidade ou de engenharia.
Se isto parece o futuro da manutenção e da gestão de instalações… é porque é. Só que o futuro já chegou. Algumas empresas, como a IBM, já estão aplicando programas de manutenção prescritiva baseados na cloud. Também já existem modelos prescritivos para os sistemas de produção cibernética da Indústria 4.0. Claro que, assim como a manutenção preditiva, ainda requer investimentos e aperfeiçoamentos de algoritmos de deep learning.
Uma empresa que teve sucesso logo no início do seu programa de manutenção prescritiva foi a ThyssenKrupp. O programa de previsão pode prever danos na porta de um elevador com 5 dias de antecedência. Com base em dados, o modelo prescritivo fornece as 4 causas mais prováveis para o problema. Os técnicos conseguem resolver o problema na primeira visita em mais de 90% das vezes, o que aumenta a satisfação do cliente.
Vantagens da manutenção prescritiva
A manutenção prescritiva tem os mesmos benefícios que a manutenção preditiva. Mas, melhores! Assim que a AI se ajustar à sua empresa, vai perceber que acontecem:
- menos paradas não planeadas;
- maior produtividade por conta da otimização da manutenção;
- mais rentabilidade, devido a uma maior produtividade;
- mais colaboração virtual, já que os dados estão disponíveis remotamente;
- a manutenção digital prescritiva tem uma grande capacidade de expansão.
Quais são as diferenças entre manutenção preditiva e prescritiva?
Previsão vs Prescrição
Como já explicamos, a manutenção preditiva recolhe dados de monitoramento da condição. Depois, detecta um potencial dano utilizando algoritmos avançados. A análise da vibração, por exemplo, detecta um desalinhamento cerca de 3 meses antes de causar um dano. No entanto, ainda exige que os gestores tomem medidas. Devem analisar os dados, decidir o que fazer, e criar um chamado.
Neste caso, a manutenção prescritiva cria automaticamente o chamado para corrigir o desalinhamento e o envia para os técnicos. Não requer nenhuma intervenção dos gestores e supervisiona o equipamento autonomamente. Isto se traduz em uma maior disponibilidade e produtividade, além de permitir a manutenção remota.
Evitar vs Atrasar
Outra diferença é que a manutenção prescritiva analisa cenários “e se”. A manutenção preditiva detecta um risco que requer ação e intervenção humana. A manutenção prescritiva pode utilizar dados históricos e extrair padrões para fornecer cenários. Pode sugerir “reduzir a velocidade em 50% para duplicar o tempo que o ativo levará ao dano”, o que é útil se houver baixa disponibilidade de peças.
É como se a manutenção prescritiva pudesse executar um plano de confiabilidade de forma autônoma. Mesmo em casos mais complexos, os gestores podem escolher o cenário que tenha menos impacto na produtividade ou na segurança das instalações. Podem também utilizar estes algoritmos para prever custos e necessidades. Não surpreende que os pioneiros na implementação deste tipo de manutenção estejam adotando abordagens centradas nos resultados.
A evolução natural da manutenção
No princípio, havia uma manutenção preventiva baseada no tempo. Depois, o monitoramento da condição nos sincronizou com o relógio dos ativos. Mais tarde, decidimos analisar esses dados e levar as coisas um pouco mais além com uma análise avançada. Tínhamos criado a manutenção preditiva. Agora, chegou a hora de evoluir mais uma vez.
À medida que a machine learning e a AI prosperam, estamos desenvolvendo algoritmos e modelos cada vez mais precisos. A manutenção prescritiva considera todos os dados disponíveis para “prescrever” ações e melhorar a confiabilidade e a produtividade. Embora ainda em um estado embrionário, é a evolução natural da manutenção!